빅 데이터의 정의와 특성 및 이를 활용한 범죄 예측과 예방 시스템의 효용성 doc_id PCY_201509210500089561_30

4세대 무선 이동통신 기술의 발달로 인하여 유비쿼터스 및 장착형 컴퓨터, 인터넷, 클라우드 컴퓨팅, 소위 SNS라고 불리우는 소셜네트워크서비스가 확산되면서 빅 데이터는 더 이상 간과할 수 없는 존재가 되었다. 빅 데이터란 일반적으로 대량의 ‘데이터 군’으로서 기존의 일반적인 기술로는 관리하기 곤란한 방대한 양의 데이터로 수십 테라바이트에서 수페타바이트 정도라고 표현할 수 있다. 물론 기술이 점차 발달함에 따라 이 수치는 더욱더 증가될 것으로 보인다. 이러한 ‘데이터 양’ 외에도 인터넷의 텍스트 데이터, 위치정보, 동영상 등 다양한 데이터를 바탕으로 한 관계형 데이터베이스의 구조화되지 않은 데이터로 유용한 지식을 얻을 수 있는 ‘다양성’과 시시각각으로 변화하고 발생하는 데이터에 대한 분석처리인 ‘속도’ 를 빅 데이터의 3가지 요소로 보고 있다. 이처럼 빅 데이터는 넓은 의미에서의 소 위 3V(데이터 양(volume), 다양성(variety), 속도(velocity))를 포함하여 데이터를 축적하고 처리하고 분석하는 기술과 인재와 조직을 포함하기도 한다. 그리고 좁은 의미로는 개인과 밀접한 관계가 있는 구체적인 데이터를 활용하는 것이라고 일컫는다. 앞서 소개한 빅 데이터를 활용한 범죄예방의 성공 사례를 보면 하나의 공통점이 있는데 이는 지역의 특성에 맞게 시스템을 개발했다는 점이다. 따라서 최적의 시스템 운영을 위해서는 실제 지역에 대한 제한적 모델이 요구된다. 그러나 빅 데이터는 일반적으로 ‘대량(Volume), 다양성(Variety), 속도(Velocity)’라는 소위 3V의 특성을 지닌 데이터 및 그 데이터를 처리하는 새로운 기술의 총칭으로 정의된다는 것은 앞에서도 살펴보았다. 최근에는 SNS(Social Network Service) 등을 통해 개인 간 정보교류가 비약적으로 확대되고, 스마트 폰, IC 카드(Integrated Circuit Card)형 전자 화폐 등 다양한 장치가 보급됨으로써 데이터의 수집 패턴도 복잡･다양화되고 있다. 이로 인해 다양한 데이터가 대량으로 생산되는 등 빅 데이터가 축적되고 있으며 클라우드화와 병렬 분산 기술의 진전은 대량의 데이터를 고속 분석하는 것을 가능하게 하였다. 빅 데이터의 핵심적인 속성은 ‘정보의 집적’, ‘정보의 결합’, ‘정보의 분석’이라고 할 수 있다. 구체적으로 살펴보면 정보의 집적은. 데이터의 양을 고도화한다는 의미로, 정보의 결합은 다양한 목적 또는 형태의 데이터를 연결시키는 것, 정보의 분석은 거대하고 다양한 데이터를 연결하여 원래 데이터 이상의 효용이나 가치를 창출해 내는 것을 의미한다. 그렇기 때문에 빅 데이터의 처리는 ｢개인정보 보호법｣ 을 비롯하여 개인정보 보호와 관련한 법률이 정보주체의 동의를 전제로 하고 있는 개인식별정보를 수집･가공･편집하는 것뿐만 아니라, 정보주체의 동의를 요하지 아니하거나 정보주체가 존재하지 아니하는 정보를 국내외에 걸쳐 광범위하게 수집 한 후에 이에 대하여 빅 데이터 기술을 적용함으로써 사적 또는 공적 영역의 가치 있는 정보를 추출 또는 생성, 가공하는 과정에서 식별가능성 있는 정보로 전환될 수 있고, 이를 토대로 특정개인에 대한 지식의 범위를 정보주체 당사자도 인식하지 못하는 범위까지 나아갈 가능성이 있다. 누구나 그렇듯이 아무도 개척하지 않은 새로운 것은 기회로 다가올 수 있는데, ‘빅 데이터’라는 용어가 처음 다가올 때는 이것이 형사정책적 영역 분야에서 오아시스와 같은 존재로 남을지 아니면 신기루에 그칠지 아무도 예상할 수 없었다. 그러나 미국 샌프란시스코에서는 과거의 범죄패턴을 분석하여 범죄 예측 시스템을 운영하였는데, 그 결과 범죄를 예측하는 정확도가 71%에 이르러 범죄를 예방할 수 있다는 활로를 마련해 주었고 실제 이를 통하여 범죄가 많은 지역의 순찰경로를 조정하여 범죄 예방에 기여하고 있다고 한다. 또한 보험 가입 및 보험금 내역과 금융정보를 종합적으로 분석하여 보험사기를 예방 또는 적발하거나 DNA 색인 정보시스템을 연계하여 이미 발생한 범죄에 대응하는 것이 가능해 졌다. 이외에도 도로교통데이터를 분석하여 형법상 과실범죄를 예방하거나 교통사고의 발생률을 줄이는 역할을 한다. 따라서 형사정책적인 측면에서 보면 빅 데이터라는 것이 단순한 정보의 수집과 가공에 있는 것이 아니라 이를 바탕으로 범죄를 예측하고 예방할 수 있는 만능열쇠로 다가오고 있다. 범죄예측은 그간 용의자를 정확히 특정하여 신속하게 검거하거나 효율적으로 인력을 배치하여 범죄를 예방하는 등 주로 경찰 내부 전략 수립이 중심을 이루고 있었다. 하지만 안전에 대한 국민들의 기대가 커짐에 따라 범죄예측을 통한 대국민 서비스에도 관심이 높아지기 시작했다. 범죄지도 서비스는 이러한 맥락에서 등장하였다. 범죄지도란 범죄발생정보나 범죄위험지역 등을 지리정보시스템(GIS) 기반으로 지도에 표시해주는 서비스로 법집행기관은 범죄수사와 예방 전략 수립에, 국민들은 스스로 안전을 지키는데 활용된다. 안전행정부는 2014년 10월부터 지역별 재난･치안･교통사고･맞춤안전 등 4대 분야에 대한 안전정보를 지리정보시스템(GIS)을 기반으로 제공하기 시작했다. 이 정책은 ‘생활안전지도 서비스’라고 명명되었고, 범죄지도도 4개의 서비스 중 치안 분야로 채택되어 시행되고 있다. 미국 샌프란시스코 사례를 소개하면 샌프란시스코는 범죄 발생 지역 및 발생 시각을 예측하여 범죄를 미연에 방지하기 위한 시스템을 구축하여 범죄를 예방하는 데 활용하고 있다. 즉, 범죄 발생 지역 및 시각을 예측하여 필요한 곳에 경찰 인력을 배치하고 과거 발생한 범죄 패턴을 분석하여 후속 범죄 가능성을 예측하며 과거 데이터에서 범죄자 행동을 분석하여 사건 예방을 위한 해법으로 제시하고 있다. 이러한 시스템을 마련하게 된 계기는 경제 악화로 인한 흉악 범죄가 증가하였고 동일한 장소에서의 범죄 재발 가능성이 높아졌기 때문이라고 한다. 각각의 요인을 하나씩 살펴보면 첫째, 경제 위기로 위한 양극화가 심화되면서 서민을 상대로 한 범죄가 빠르게 증가하는 추세를 보이고 사건 발생 빈도에 비해 경찰 인력이 부족하여 효율적인 범죄 예방을 위해 사건 발생 장소의 예측과 이에 따른 인력의 효율적인 집중 배치가 필요하였다. 둘째, 빈집, 빈차털이 등의 범죄는 사건 발생 현장 또는 그 인근에서 제2, 제3의 범행이 재발할 가능성 농후하여 동일한 장소에서의 범죄 재발 가능성이 상승하였기 때문이라고 한다. 이에 대하여 추진한 내용으로는 상기와 같은 문제점들을 해결하기 위해서 과거의 범죄 데이터를 분석하여 효율적 경찰 인력을 배치하는데 활용하였다. 런던 경찰서가 빅 데이터를 이용한 범죄예방 시스템을 운영하기 시작한 이유는 분명하다. 2013년 1월, 런던은 맨체스터 경찰서에서 활용하는 모델을 시범운영하였다. 이후 두 달이 지난 3월, 런던 시장은 치안 및 범죄대응을 위한 전략적 계획을 발표하였는데 계획안에는 향후 3년간 범죄예방을 위한 정보 활용도 포함되어 있었다. 런던 경찰서는 2013년 말까지 모든 경찰인력에게 범죄예방 시스템을 제공할 계획을 세웠다. 하지만 2014년 2월 현재, 32개 지구대와 파출소 중 5개 곳에서 사용하지 않고 있다. 범죄예방 시스템은 경찰 인력 및 자원의 효율적인 사용이라는 점에서 매우 유용할 것으로 판단된다. 하지만 완전한 시스템 이용까지 아직 풀어야할 문제들이 있는 것이 사실이다. 맨체스터 경찰서는 범죄데이터와 분석을 이용해 빈집털이 범죄를 사전에 예방 하는데 있어 큰 효과를 보고 있다. 이는 빈집털이 범죄의 경우 최초 범죄이후 한 달에서 두 달 사이에 다시 동일한 종류의 범죄를 저지를 위험이 매우 크다는 범죄 특성에 대한 파악을 기초로 ‘반복피해이론(repeat victimization theory)’를 정립했고 이를 바탕으로 한 예방활동을 통해 큰 성과를 볼 수 있었다.