전화금융사기 수사 정보 자동 추출 연구: 자연어처리 딥러닝 모델을 중심으로 (An Implementation of Natural Language Processing and Deep Learning in Phone Scam Investigation)

전화금융사기(보이스피싱)는 개인의 금전적 손실뿐만 아니라, 금융 인프라 전반에 대한 신뢰를 손상시켜 불필요한 사회적 비용을 낳는 심각한 범죄다. 최근 한국 정보통신기술의 성장과 코로나 19 예방을 위한 비대면 활동 정책이 맞물려 보이스피싱 범죄의 피해 규모왿� 범위가 급격히 증가하 고 있어, 혁신적인 수사기법을 활용한 효율적인 범죄 예방⋅수사 활동이 그 어느 때 보다 시급한 시점이라 하겠다. 본 연구는 과거 보이스피싱 사건 수사관들이 직접 기록을 읽고 수기로 작성했던 14종의 사건정보(범행 수법, 피해 금액, 범행 시 사용 전화번호, 사칭 기관, 사칭 인물, 특이사항, SNS유형, 사건접수 번호, 사건접수 관서, 피해자 성명, 피해자 전화번호, 피해자 주민번호, 피해자 직업, 피해자 주거지)를 자연어처리 딥러닝 모델 개발을 통해 자동 인식⋅추출하고자 했다. 광학 문자 인식을 포함한 전처리(Pre-processing) 작업 후 자연어처리 기술인 정규표현식(Regular Expression)을 사용해 12종의 사건정보를 선-추출하였으며, 한국해양대학껓의 개체명 인식 데이 터(n=23,962)를 활용하여 학습한 딥러닝 모델을 통해 2종의 사건정보(사칭기관, 사칭인물)를 후-추출하였다. 서울경찰청이 제공한 실제 사건 수사자료(n=100)에 완성된 자연어처리 모델을 적용하여 테스트한 결과 평균 85∼90%에 달하는 추출 정확도를 확인할 수 있었다. 본 연구에서 제 안된 자연어처리 딥러닝 모델과 연구방법 모형이 전화금융사기 범죄자의 신속한 검거왿� 범부처적 대응방안 수립에 폭넓게 활용되기를 기대한다.

A telephone scam is a serious crime that not only causes financial damage to an individual but also raises a question about the credibility of financial infrastructure. This study attempts to extract 14 types of case information (i.e., pretended person, pretended institution, amount of financial damage, phone number used in crime, police station in charge of the investigation, case reception date, SNS type, victim’s name, victim’s phone number, victim’s occupation, and victim’s residence, etc) through deep learning method in the context of Natural Language Processing(NLP). Specifically, 12 types of information are pre-extracted using regular expression and customized dictionary method, and the other two types of information are extracted through the KO-BERT deep learning model. As a result of applying the NLP model to victim testimony records(n=100), which is provided by the Seoul Metropolitan Police Agency, the extraction accuracy of an average of 80-90% is confirmed. Although there is still room for improvement in terms of the accuracy of the NLP model, the outcome of this study is expected to facilitate an effective crime prevention policy and further promote rapid information sharing among criminal justice agencies.