사진=한양대
연구팀이 정확도를 높인 검사는 뇌파 기반 숨김정보검사(Concealed Information Test, CIT)다. 범죄와 관련된 정보를 피검사자가 알고 있는지 뇌파를 통해 확인하는 과학수사 기법이다. 용의자에게 범죄 현장 관련 정보 등을 제시하고 뇌파를 분석하는 식이다.
다만 실제 수사 현장에서는 범죄와 직접 관련이 없는 자극이라 하더라도 피검사자가 이미 알고 있거나 의미를 부여하고 있는 경우가 많다. 이는 범죄 관련 자극과 무관련 자극 간 차이가 줄어들게 돼 정확도를 저하시키는 요인으로 작용했다.
연구팀은 실제 수사 환경을 모사하기 위해 모든 참가자가 검사에 사용되는 자극들을 사전에 경험하도록 설계한 새로운 모의 범죄 실험을 설계했다. 총 60명의 참가자를 대상으로 귀중품을 절도하는 모의 범죄를 수행토록 한 뒤 측정한 뇌파를 기존 부트스트랩 기법과 딥러닝 기법을 이용해 분석했다.
분석 결과 연구팀이 적용한 딥러닝 모델(Modified-EEGNet)은 이번 연구에서 제안한 데이터 증강 기법을 적용했을 때 기존 통계 기법보다 13%포인트 이상 향상된 최대 86.67%의 유무죄 분류 정확도를 달성했다.
임창환 교수는 “실제 수사 현장에서는 용의자가 범죄 관련 정보뿐 아니라 다양한 수사 정보를 접하는 경우가 많아 기존 뇌파 기반 기법의 정확도가 저하될 수 있다”며 “이번 연구는 인공지능 기술을 활용해 이러한 현실적인 한계를 극복할 수 있음을 보여준 사례”라고 설명했다. 그러면서 “향후 수사기관이 신뢰할 수 있는 차세대 과학수사 지원기술로 발전시키고자 한다”고 덧붙였다.
이번 연구는 대검찰청 연구용역사업의 지원을 받아 수행했다. 연구 결과는 정보보안 분야 저명 국제학술지(IEEE Transactions on Information Forensics and Security)에 6월 23일자로 게재됐다.
