다크웹 범죄 정보 수집 및 분석을 위한 대형언어모델(LLM) 기반 자동 응답 시스템 개발 = Development of an LLM-Based Automated Response System for Dark Web Crime Data Collection and Analysis

국문 초록 (Abstract)

전 세계적으로 인터넷 보급이 확대되며 정보 접근성이 높아짐에 따라, 신원과 통신 경로를 은닉한 채 소통할 수 있는 익명화 기술에 대한 수요가 증가하였다. 미국 해군연구소(U.S. Naval Research Laboratory)는 1990년대 중반부터 다중 경로 기반 암호화 구조를 연구·개발해 왔고, 이러한 기술은 강한 익명성을 제공한다. 그러나 익명성은 마약, 불법 금융 거래, 아동성범죄 등 다양한 범죄에 악용되며 다크웹 환경을 대상으로 한 수사 지원 기술의 필요성을 확대시키고 있다.
최근 국내에서는 생성형 인공지능(Generative Artificial Intelligence, GenAI) 기술의 확산으로 딥페이크 기반 디지털 성범죄물의 제작·유포 사례가 증가하고 있으며, 그에 따라 피해자의 정신적 고통과 2차 피해도 심화되고 있다. 반면, 전문 인력과 대응 역량에는 한계가 있어 피해자 보호와 신속한 조치에 제약이 발생한다. 또한 수사 과정에서는 새로운 범죄 단서를 빠르게 식별하고 유효 단서를 확보하기 위해 상당한 시간과 노력이 요구된다.
본 연구에서 선정한 다크웹 범죄 유형 중 아동성범죄를 대상으로, 자체 개발한 다크웹 크롤러로 범죄 데이터를 직접 수집하고 텍스트 마이닝(Text Mining)과 그래프 임베딩(Graph Embedding)을 적용하여 범죄 단서의 확보·식별·선별 방법론을 실험적으로 확립하였다. 이후, 근거 기반 응답을 생성하는 RAG(Retrieval-Augmented Generation) 기반 대형 언어 모델(Large Language Model, LLM)을 구축하여, 수사관에게 신뢰 가능한 범죄 단서를 체계적으로 제공할 수 있는 수사 지원 프레임워크를 제안한다. 구체적으로, 다크웹 ‘Torch’ 검색엔진을 활용해 데이터를 수집한 뒤 텍스트 마이닝 및 그래프 임베딩 기법을 적용하여 제안 방법론의 유효성을 실험적으로 검증하였다. 또한, 실험 결과를 바탕으로 도메인 지식을 반영한 단서 가중치 기반 필터링 절차를 설계·적용하여 주요 단서를 선별적으로 보존하도록 하였다. 결과적으로 본 연구는 수사관 질의에 대해 근거 기반 응답을 생성함으로써, 다크웹 범죄 단서를 보다 신속하고 체계적으로 제공할 수 있는 수사 지원 프레임워크의 기반을 마련하고자 한다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구 배경 및 필요성 1
• 2. 연구 목적 및 방법 3
• Ⅱ. 이론적 배경 5
• 1. 다크웹(Dark Web) 5
• 2. 텍스트 마이닝(Text Mining) 6
• 1) Term Frequency–Inverse Document Frequency(TF-IDF) 6
• 2) Eigenvector Centrality 7
• 3) Word to Vector(Word2Vec) 7
• 3. 그래프 임베딩(Graph Embedding) 8
• 1) Graph Sample and Aggregate(GraphSAGE) 9
• 2) Graph Attention Network(GAT) 10
• 3) Node to Vector(Node2Vec) 11
• 4. 대형 언어 모델(Large Language Model, LLM) 12
• 1) Transformer 아키텍처 12
• 2) 프롬프트 엔지니어링(Prompt Engineering) 13
• 3) Retrieval-Augmented Generation(RAG) 14
• Ⅲ. 관련 연구 15
• 1. 사이버 범죄 수사를 위한 데이터 분석 연구 15
• 2. 범죄 수사를 위한 LLM 및 지능형 분석 연구 18
• 3. 기존 연구와의 차이점 20
• Ⅳ. 다크웹 범죄 데이터 크롤링 개발 22
• 1. 다크웹 범죄 데이터 크롤러 설계 및 구현 22
• 2. 다크웹 범죄 데이터셋 구축 24
• Ⅴ. 키워드·그래프 기반 다크웹 범죄 단서 분석 25
• 1. 다크웹 범죄 단서 확보 방법론 25
• 1) 텍스트 마이닝 기반 범죄 단서 추출 25
• (1) TF-IDF 기반 범죄 단서 추출 25
• (2) Eigenvector Centrality 기반 범죄 단서 추출 26
• (3) Word2Vec 기반 범죄 단서 추출 28
• (4) 단일 기법별 추출 범죄 키워드 카테고리 분석 29
• (5) 단일 텍스트 마이닝 기반의 범죄 키워드 유효성 검증 31
• 2) TF-IDF·Eigenvector Centrality·Word2Vec 결합 모델 설계 및 분석 33
• (1) Eigenvector Centrality-TF-IDF 기반 결합 모델 1과 결합 모델 2 33
• (2) Eigenvector Centrality-Word2Vec 기반 결합 모델 3과 결합 모델 4 37
• (3) 결합 기법별 추출 범죄 키워드 카테고리 분석 42
• (4) 결합 텍스트 마이닝 기반의 범죄 키워드 유효성 검증 44
• 2. 다크웹 범죄 단서 식별 방법론 47
• 1) 텍스트 및 그래프 임베딩 기반 범죄 단서 식별 모델 설계 47
• 2) 텍스트 마이닝 기반 범죄 단서 식별 50
• (1) TF-IDF 기반 범죄 단서 추출 51
• (2) Eigenvector Centrality 기반 범죄 단서 추출 52
• (3) Word2Vec 기반 범죄 단서 추출 53
• 3) 그래프 임베딩 기반 범죄 단서 식별 55
• (1) GraphSAGE 기반 범죄 단서 추출 55
• (2) GAT 기반 범죄 단서 추출 56
• (3) Node2Vec 기반 범죄 단서 추출 58
• 4) Keyword-URL 기반 범죄 단서 식별 모델 유효성 분석 59
• (1) 시나리오 1: 텍스트 마이닝 기반 Keyword-URL 그래프 분석 59
• (2) 시나리오 2: 그래프 임베딩 기반 Keyword-URL 그래프 분석 62
• (3) 시나리오 3: 통합 기법 기반 Keyword-URL 그래프 분석 64
• 3. 도메인 지식 가중치 기반 단서 필터링 방법론 66
• 1) 도메인 지식 기반 가중치 단서 필터링 모델 설계 66
• 2) 가중치 단서 필터링 모델 생성 및 유효성 검증 72
• Ⅵ. 다크웹 범죄 정보 수집 및 분석을 위한 LLM 자동 응답 시스템 76
• 1. LLM 수사 지원 프레임워크 모델 설계 76
• 2. LLM 수사 지원 자동 응답 시스템 구현 78
• 3. 다크웹 범죄 정보 수집 및 분석을 위한 LLM 자동 응답 시스템 성능 평가 83
• Ⅶ. 결론 89
• 참고문헌 91
• 영문초록 98