범죄 예방을 위한 빅데이터 활용의 성과와 효율적인 데이터 관리 체계 구축의 필요성, 그리고 그 과정에서 발생하는 프라이버시 침해 위험성 doc_id PCY_201509210500089561_31

범죄 통계와 지리적 정보를 반복적으로 계산해서 계산결과를 분석해 시간과 공간 메트릭을 설정하고, 도난지역을 지도화해 빈집털이 범죄가 일정 지역에서 반복적으로 나타난다는 사실을 확인할 수 있었다. 이러한 분석의 결과를 통해 해당 지역의 빈집털이 범죄의 특성을 파악하고 패턴을 정립할 수 있었다. 재범방지를 위해 다양한 전략을 활용하였다. 사건 발생 직후 바로 해당 지역에 경찰관을 배치하여 사건을 철저히 조사하도록 하고 재범방지를 위한 방법을 피해자에게 설명하도록 했다. 또한 사건 발생 24시간 내에 경찰을 배치해 해당 지역 주민에게 범죄 사실을 알리고 재범의 가능성이 있는 용의자 파악을 위해 정보를 수집하도록 하였다. 제복을 입은 경찰관의 해당 지역 순찰 역시 재범을 억제하는데 상당한 도움이 되었다. 이러한 방법을 통해 맨체스터 경찰서는 시행 첫해 해당 지역의 빈집털이 범죄가 27% 감소했고 주변 위험지역의 경우 무려 42%나 감소했다. 이는 범죄예방 전략을 시행하지 않은 지역의 경우 단 2% 감소라는 결과와 비교해 보아도 상당히 고무적이라 할 수 있다. 이러한 놀라운 성과는 해당 범죄의 특성을 파악하기 위한 초기 노력이 있었기에 가능했음을 보여준다. 범죄의 특정한 패턴을 파악하지 못했다면 빈집털이 범죄감소라는 결과를 이루어내지 못했을 것이다. 에섹스 경찰서는 시간 절약 및 인력과 재원의 효율적 사용을 위해 범죄예방 및 정보를 이용한 치안활동을 시작 하였다. 이른바 ‘경찰인력의 효과적인 운영 (operation insight)’은 강도의 위험이 높은 지역을 식별해 정보를 분석하고 이를 바탕을 범죄예방 활동을 수행하는 것이다. 범죄예방 프로그램은 시행 10개월 만에 약 10%에 가까운 범죄률 감소라는 성과를 이룩하면서 매우 성공적인 사례로 꼽히고 있다. 경찰서장은 우범 지역에 대한 순찰을 강화하고 범죄 발생 즉시 용의자를 체포하고 동시에 범죄 현장을 제대로 보존해 수사를 진행했기에 이러한 성과를 거둘 수 있었다고 설명한다. 강도예방을 위한 프로그램은 이른바 ‘최적의 정보수집(optimal foraging)’이라고 알려진 행동 특성을 바탕으로 하고 있는데, 최적의 정보수집이란 범죄자가 이전에 자신의 범죄가 성공한 지역에 대한 경험과 정보를 바탕으로 동일한 범죄를 다시 저지르는 것을 말한다. 이를 바탕으로 위험 지역에 경찰인력을 집중 배치하게 되는 것이다. 또한 프로그램을 이용해 해당 지역에 거주하는 주요 범죄자에 대한 정보를 파악할 수 있는데 앞서 말한 표적정보수집 및 이용을 통해 범죄예방 효과를 배가 시킬 수 있는 것이다. 한편, 우리나라도 이러한 추세에 맞추어 2010년 국가정보화전략위원회를 통해 국가 투명성 제고 및 맞춤형 국민 서비스 제공을 목적으로 한 ‘빅 데이터를 활용한 스마트 정부 구현(안)’을 발표하고, 2012년에는 ‘빅 데이터 국가전략 포럼’을 발족하는 등 미국과 유사한 방향에서 범정부 차원의 대응전략을 마련하고 있다. 특히, 정부는 2017년까지 97개 빅 데이터 활용사업 추진계획을 발표하고, 2014년에 들어서 경찰청의 ‘범죄확률 사전예측’, 2013년에 완료된 여성가족부의 ‘위기청소년 조기경보’ 등 빅 데이터 기반 서비스를 본격적으로 제공할 예정이다. 그리고 추후에는 공공기관에 ‘빅 데이터 공통기반 플랫폼’을 마련하여 공개된 공공정보 및 민간정보를 자유롭게 수집･분석･공유하도록 지원할 계획으로 있다. 둘째, 음성, 신고사진, 텍스트로 된 신고내용 등 비정형화된 데이터에 대한 수집을 소홀히 하였다. 이러한 정보들을 체계적으로 수집하여 데이터 분석에 활용할 필요가 있다. 특히, 일반전화, 공중전화, 휴대폰과 SMS와 같은 전통적 신고방법 외에도 편의점에 설치된 원터치 비상벨 및 112신고앱 등 첨단기기를 활용한 신고도 늘어나고 있으므로 다양한 정보를 체계적으로 수집･분석하는 방법을 강구해야 한다. 셋째, 112신고시스템과 지리적 프로파일링 시스템(GeoPros)이 시스템적으로 연계가 되어 있지 않다. 112신고 시스템에는 지도의 개념이 없고, 지리적 프로파일링 시스템에는 범죄가 아닌 경찰활동정보가 없다. 더 나아가 CCTV영상정보공유 시스템과도 연계하여 현장 대응역량을 높일 필요가 있다. 넷째, 무엇보다도 순찰차의 순찰장소, 시간, 궤적 등 경찰출동요소에 대한 정보수집이 필요하다. 이는 순찰활동과 범죄예방이 어떠한 상관관계가 있는지를 증명해 줄 수 있고, 가장 효율적인 순찰선 지정과 순찰효과가 가장 높은 지역과 방법 등에 대한 해답을 제시해줄 가능성이 크다. 이렇게 축적된 빅 데이터를 범죄 빅 데이터에 효과적으로 활용할 수 있는 것이 이른바 라이프사이클 관리(Life-Cycle Management)라고 부른다. 이는 빅 데이터를 효율적으로 수집하여 다양하고 막대한 데이터를 통일적으로 축적･관리하고 그 중에서 가치를 가진 데이터를 추출하여 분석･시뮬레이션을 통해 빅 데이터에 적용할 수 있도록 정보화를 실시해 그 결과를 실제 범죄예방 분야에 활용하는 것이다. 다음과 같이 빅 데이터 활용의 라이프사이클은 전통적인 데이터 라이프사이클과는 차이가 있다. 이로 인해 기존에 구축되어 있는 범죄정보와 실시간으로 공유되어지고 검색되어지는 정보의 홍수 속에서 범죄예방적 접근법으로써 빅 데이터의 활용이 기대되는 한편, 빅 데이터에 대한 프라이버시 침해에 대한 우려도 간과할 수 없는 실정이다. 실제로 이미 빅 데이터를 활용함에 있어서 프라이버시를 침해하여 문제화되는 사례가 발생하여 왔다. 기존에는 ｢개인정보 보호법｣에 따라 특정인을 식별할 수 있는 개인정보를 보호하는 경우 개인정보 보호문제는 빈번하게 발생하지 않았지만 빅 데이터의 활용이 반드시 개인정보가 아닌 것으로 간주되어 결과론적으로 개인정보 침해가 발생하는 상황도 발생하게 된다. 범죄 빅 데이터 차원에서 접근하여 보면, 빅 데이터의 활용단계를 통해서도 프라이버시 침해 위협이 존재함을 알 수 있다. 예를 들어, 빅 데이터의 취득･변환 단계에서는 특징으로 취득하는 데이터가 다양하다는 점에 있다. 이는 개인의 생활패턴이 포함된 데이터가 포함될 수 있다. 이 경우 데이터의 주체인 개인이 실태를 이해하지 못한 채 공공기관과 데이터를 교환하는 것은 사생활 침해의 결과로 파악 되어 개인정보 보호라는 관점에서 볼 때 위험요소로 다가올 수 있다. 또한 빅 데이터 분석･활용단계에서는 개인 데이터를 포함한 대량의 데이터가 분석되어 대상화된다는 특징이 있다. 이것의 의미는 고급 분석 기술을 이용하면 개인을 정밀하게 추정 또는 특정화할 수 있다는 것으로 이렇게 정확하게 추정된 결과를 활용하는 것은 개인정보 보호를 침해할 위험성이 높다는 것을 의미하게 된다. 이처럼 빅 데이터를 활용하는 것은 반드시 긍정적인 결과만을 보장하지 않는다. 결국, 범죄 빅 데이터라는 관점에서 보면, 각 단계별로 빅 데이터 특유의 정보특성상 개인 정보침해와 그로인한 프라이버시 침해 위협이 함께 존재할 수밖에 없다. 현대사회의 또 다른 특징으로서 ‘위험사회’(Risikogesellschaft)를 꼽을 수 있다. 독일의 사회학자 울리히 벡(Ulrich Beck)이 지난 1986년에 제시한 이 테제는 여전히 현대사회를 특징짓는 유효한 개념이 되고 있다. 오늘날 현대사회는 여전히 위험사회인데, 최근에는 전체 사회의 급격한 정보화가 새로운 위험원으로 대두하고 있다. 정보의 저장 및 처리기술이 급속도로 성장함으로써 개인정보가 침해될 수 있는 위험이 비약적으로 증대하게 된 것이 바로 현대 정보화 사회가 낳은 위험인 셈이다. 특히, 빅 데이터 과학은 종전과는 다른 차원에서 개인정보, 즉 개인의 정보인권을 위협한다. 이렇게 현대사회는 사회의 정보화를 통해 우리 인류에게 여러모로 유익한 혜택을 제공하고 있지만, 다른 한편으로는 사회의 정보화가 개인의 정보인권을 위협하는 새로운 위험도 야기한다.