시계열 분석을 통한 사이버 범죄 발생 및 검거 예측 모델: 추세와 패턴 분석
Cybercrime Incident and Arrest Prediction Model Through Time Series Analysis: Prediction of Trends and Patterns
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 사이버 범죄는 급증하고 있으며 이에 대한 효과적인 대응과 예측이 중요해지고 있다. 본연구는 시계열 분석을 통해 사이버 범죄 사건과 검거 건수를 예측하는 모델을 제안한다. 본 연구에서는 Seasonal Autoregressive Integrated Moving Average (SARIMA)와 Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX) 모델을 활용하여 사이버 범죄 발생 추세와패턴을 분석하였으며, 최적의 예측 변수를 찾기 위해 하이퍼 파라미터 기법을 사용하였다. 각 모델의 성능을 평가하기 위해 Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), Akaike Information Criterion (AIC) 지표를 적용하여 모델의 정확성을 비교하고 최적의 모델을 도출하였다. 연구 결과, 사이버 범죄 사건과 검거 건수를 효율적으로 예측할 수 있는 모델을제시하였으며, 이 모델은 미래의 사이버 범죄 발생 가능성을 예측하고, 예방 전략을 수립하는 데유용하게 활용될 수 있을 것으로 기대한다.
Abstract
With the recent surge in cybercrime, effective response and prediction have become increasingly important. This study proposes a predictive model for predicting cybercrime incidents and arrest counts through time series analysis. In this research, we utilized Seasonal Autoregressive Integrated Moving Average (SARIMA) and Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX) models to analyze the trends and patterns of cybercrime occurrences, applying hyperparameter tuning to identify the optimal predictive variables. To evaluate the performance of each model, we used Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), and Akaike Information Criterion (AIC) metrics to compare model accuracy and derive the optimal model. The results demonstrate that the proposed model can effectively predict cybercrime incidents and arrests, providing a valuable tool for anticipating future cybercrime risks and informing preventive strategy development.