테러 재난 뒤에 숨겨진 은밀한 연결망을 파헤치는 방법

이 논문은 테러와 같은 인재(人災) 재난 배후의 은밀한 사회 연결망 기반을 분석하고 약화시키는 것을 장기적 목표로 삼으며, 이를 위한 구체적인 방법론을 제안하고 검증한다. 서론에서는 테러 재난 대응의 특수성(숨은 의도 해석, 장기적 기반 약화 필요)과 데이터의 한계(드물고 비정형적이며 감시 데이터가 제한적)를 지적하며, 기존 자동화 기법의 적용 한계를 설명한다. 이에 대응하여 전문가 지식, 그래프 이론 통찰, 데이터 처리의 삼위일체적 접근법을 채택한다. 본론에서는 먼저 '노드 발견 문제'를 정의한다. 이는 관찰 가능한 통신 기록(예: 회의 또는 이메일 참여자 목록)으로부터 추출된 클러스터 구조 사이에 존재할 것으로 추정되지만, 직접 관찰되지 않은 핵심 인물(노드)을 찾아내는 문제이다. 이를 해결하기 위한 인터랙티브 프로세스를 제시하는데, 핵심은 '계산적 데이터 처리' 단계이다. 이 단계에서는 Jaccard 계수 기반의 k-medoids 클러스터링 알고리즘으로 개인들을 그룹화한 후, 여러 클러스터에 속한 인원을 동시에 포함하는 기록에 주목하는 다양한 랭킹 함수를 적용하여 '의심스러운 기록'과 해당 클러스터의 '게이트웨이 인물'을 선별한다. 이 결과는 빨간색 노드와 링크로 강조된 사회 네트워크 다이어그램으로 시각화된다. 전문가는 이 시각화 결과와 자신의 사전 지식을 대조하며, 네트워크의 공백 영역에 대한 새로운 가설을 수립하게 된다. 제안 방법의 타당성을 검증하기 위해 2001년 9/11 테러 공격의 사회 연결망(19명의 하이재커와 18명의 공모자로 구성)을 사례 연구로 활용한다. 해당 네트워크의 구조적 특성(평균 연결도 4.6, 클러스터링 계수 0.6 등)을 분석하며, 이 네트워크가 '중심-주변' 구조보다는 '클러스터-다리' 구조를 가질 가능성이 있음을 시사한다. 방법론의 실험적 성능 평가에서는, 9/11 네트워크 데이터를 기반으로 생성된 가상의 통신 기록을 입력으로 사용하여, 알고리즘이 공모자 노드(예: 자금 조달자)를 '의심스러운 기록'으로 식별해낼 수 있음을 시뮬레이션을 통해 보여준다. 이는 제안된 랭킹 함수가 은밀한 조정자의 존재를 암시하는 단서를 효과적으로 찾아낼 수 있음을 의미한다. 결론적으로, 이 연구는 데이터가 불완전한 환경에서도 복잡한 사회 연결망의 숨은 구조를 추론하는 방법론을 제시했다는 점에서 의의가 있다. 이는 보안 및 수사 분석 분야에 실용적인 도구와 프레임워크를 제공하며, 인간과 컴퓨터의 협력을 통한 지식 발견 프로세스를 구체화한 사례이다.