대규모 언어모델의 치안 분야 도입을 위한 기술 및 정책전략 수립 연구 = A Study on Technical and Policy Strategies for the Adoption of Large Language Models in Policing

국문 초록 (Abstract)

대규모 언어모델(Large Language Models: LLM)은 경찰의 대응 역량을 향상시킬 수 있는 유망한 기술로 주목받고 있다. 본 연구는 치안 도메인에 LLM을 적용하는 과정에서 나타나는 기술적 가능성과 구조적 제약을 종합적으로 분석하고, 안전하고 효과적인 LLM 활용을 위한 기술적·정책적 방안 제시에 목적이 있다.
먼저 의료·법률 분야에서의 사례 검토 결과, 전문 지식이 요구되는 분야에서도 LLM이 보조 역할을 할 수 있음을 확인하였으며, 치안 분야 또한 사건 보고서 작성, 디지털 증거 분석 대응 등에서 높은 활용 가능성을 확인하였다. 그러나 치안 업무 특성상 LLM 도입에는 편향된 출력, 민감 정보의 유출과 같은 고유한 위험이 있고, 국내의 법·제도는 데이터를 활용하는 데 제약이 크다.
이에 따라 본 연구는 치안 분야 LLM의 안전한 도입을 위한 네 가지 전략을 제안한다. 첫째, 상용 모델의 오남용 방지와 법적 책임을 명확히 하기 위한 사용 지침을 제정해야 하고, 둘째, 경찰 업무에 적합한 성능을 검증할 수 있도록 치안 특화 벤치마크를 개발하고, 시뮬레이션 기반 질문과 경찰 전문가의 평가를 결합한 표준 검증체계를 구축해야 한다. 셋째, 제로트러스트 기반의 안심 구역에서 고성능 장비를 집약하고, 민감 데이터를 안전하게 활용할 수 있는 보안 환경을 갖춰야 한다. 넷째, 치안 업무에 대한 이해를 갖춘 전문가가 모델 개발에 참여하는 시스템을 도입하여, 현장에 적합한 고성능 sLLM을 개발해야 한다.
본 연구는 치안 분야에 LLM을 안전하고 효과적으로 도입하기 위한 과학적·정책적 기반을 제공함으로써, 향후 치안 분야 특화 언어모델 개발과 활용에 기여하고자 한다.

다국어 초록 (Multilingual Abstract)

Large Language Models (LLMs) are emerging as a promising technology to enhance the responsiveness and operational capacity of police. This study aims to comprehensively examine the technical potential and institutional limitations of applying LLMs in the field of law enforcement, and to propose both technical and policy strategies for their safe and effective adoption.
A review of applications in the medical and legal fields confirms that LLMs can support tasks that require expert-level knowledge. Similarly, in policing, LLMs show strong potential for tasks such as writing incident reports, analyzing digital evidence, and responding to emergency calls. However, the unique characteristics of police work introduce risks such as biased outputs and the leakage of sensitive information, while existing laws and regulations in South Korea impose significant constraints on the use of data for LLM development.
To address these challenges, this study proposes four key strategies. First, clear usage guidelines should be established to prevent misuse of commercial models and clarify legal responsibility. Second, benchmarks tailored to police tasks should be developed along with a standardized evaluation system that combines simulation-based questions with expert assessments. Third, a secure computing environment should be created using a zero trust security approach, enabling the safe use of sensitive data and the concentration of high-performance computing resources. Fourth, police experts should be actively involved in the development process to create models that are well aligned with real-world field requirements.
This study provides a scientific and policy-oriented foundation for introducing LLMs into police operations, aiming to support the institutional development of specialized language models in the public safety domain.