수사단서를 이용한 동일 사이버범죄 판단기법
Technique for Indentifying Cyber Crime Using Clue
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
최근 몇 년간 스마트폰의 보급률이 폭발적으로 증가하면서 사이버범죄는 기존의 수사체계의 한계를 넘어서는 새로운 형태의 수사단서들을 쏟아내고 있다. 일선 경찰관서에서는 사건 접수 시 피해자로부터 이러한 형태의 수사단서를 수집하여 방대하게 축적하고 있으나, 이를 체계적으로 관리하고 있지 않아 많은 데이터 속에서 이것이 내포하고있는 숨은 의미를 지나치는 경우가 많다. 사이버범죄에서 주 범행 도구인 컴퓨터 시스템의 특성상 기계적이고 복잡한 단서가 대량 생성되므로, 수집된 수사단서를 체계적으로 분류, 단순화하여 분석할 필요가 있다. 본 논문에서는 국내에서 발생되는 사이버범죄 유형에 따른 수사단서를 체계적으로 분류, 단순화하여 주요수사단서를 선정하고, 데이터 마이닝 및 시각화를 통해 사건 수사단서 간 상호 연관성을 확인할 수 있었다. 이러한 사이버범죄 데이터 활용을통해 범죄 조기차단 및 중복수사를 방지하여 수사의 효율성을 증대하고 사이버범죄 예방을 도모하고자 한다.
Abstract
In recent years, as smart phone penetration rate is growing explosively, new forms of cyber crime data is poured out beyond the limits of management system for cyber crime investigation. These new forms of data are collected and stored in police station but, some of data are not systematically managed. As a result, investigators sometimes miss the hidden data which can be critical for a case. Crime data is usually generated by computer which produces complex and huge data and records many logs automatically, so it is necessary to simplify a collected data and cluster by crime pattern. In this paper, we categorize all kinds of cyber crime and simplify crime database and extract critical clues relative to other cases. Through data mining and network-visualization, we found there is correlation between clues of a case. From this result, we conclude cyber crime data mining helps crime prevention, early blocking and increasing the efficiency of the investigation.
참고문헌 (8)
- Dong hwan Lee, "A Systematic Plan to Collect and Analyze Criminal Intelligence by Police", Korea Institute of Criminology, pp.1~137 (2005)
- Joon Woo Kim, "Usefulness of Data Mining in Criminal Investigation", Journal of Forensic and Investigative Science, 2(2), pp.5~19 (2006)
- 김계원, "사이버범죄의 유형화에 관한 연구", 한국공공관리학보, 23(4), pp.95~118 (2009), 한국공공관리학회
- Jiawei Han, "Data Mining Concepts and Techniques", pp.608~ (2005), Morgan Kaufmann Pub
- 이정화, "A Biclustering Method for Time Series Analysis", Industrial Engineering & Management Systems, 9(2), pp.131~140 (2010), 대한산업공학회
- J. A. Hartigan, "Direct Clustering of a Data Matrix", Journal of American Statistical Association, 67(337), pp.123~129 (1972)
- Cheng, "Biclustering of expression data", Ismb, 8, pp.93~103 (2000)
- Tanay A, "Discovering statistically significant biclusters in gene expression data", Bioinformatics, 18(1), pp.136~144 (2002)