극단주의 선전 전염 역학: ISIS 트위터 활동의 네트워크·시간 분석

초록

본 연구는 수동 검증된 25,000여 명의 ISIS 지지자 계정을 대상으로 트위터 데이터(3.4백만 트윗)를 수집·분석한다. 동적 활동‑연결성 지도와 전염 모델을 이용해 계정 간 영향력 구조와 정보 확산 특성을 규명하고, 일반 사용자에게 전파된 선전 콘텐츠의 확산 규모를 정량화한다. 결과는 소수의 고활동·고연결 계정이 ‘고감염성’ 전염 사슬을 형성하며, 팔로워·팔로잉 조작을 통해 가시성을 인위적으로 높였음을 보여준다.

상세 분석

이 논문은 기존 연구가 키워드 기반 샘플링에 의존해 나타내는 편향을 극복하기 위해, ‘Lucky Troll Club’이 제공한 수동 검증된 ISIS 지지자 계정 리스트를 출발점으로 삼았다. 25,538개의 계정을 2014년 1월부터 2015년 6월까지 OSoMe 스트림(전체 트위터의 약 10% 샘플)에서 추출한 3,395,901개의 트윗과 리트윗, 멘션 데이터와 매칭하였다. 데이터의 92% 이상이 아랍어이지만, 언어‑의존적 분석을 회피하고 네트워크 구조와 시간적 활동 패턴에 초점을 맞춘 점이 특징이다.

동적 활동‑연결성 지도(DACM)는 두 차원, 즉 ‘활동성(activity)’과 ‘연결성(connectivity)’을 정량화한다. 활동성은 일정 기간 내 생성된 트윗·리트윗 수로, 연결성은 팔로워·팔로잉 수와 계정 간 상호작용(리트윗, 멘션) 빈도로 측정한다. 이 지도에서 고활동·고연결 영역에 위치한 소수 계정이 ‘슈퍼스프레더’ 역할을 수행한다는 것이 확인되었다. 특히, 팔로잉 수가 100~1,000 사이에서 급증하는 비정상적 패턴은 계정 간 상호 팔로우를 통한 인위적 가시성 강화 전략을 시사한다.

전염 모델링 측면에서는, 각 트윗을 감염 사건으로 보고, 이를 리트윗·멘션을 통해 전파된 ‘감염 사슬’로 정의한다. 전파 규모는 전형적인 감염 곡선(S형)을 보였으며, 2015년 3월 이후 트윗 양이 급증하면서 전염률이 급격히 상승했다. 이는 트위터가 대규모 계정 정지(특히 4월 2일에 10,000여 계정 정지)와 동시에 발생한 현상으로, 플랫폼 차원의 억제 조치가 전염 확산을 단기적으로 억제했음을 암시한다.

통계적으로, ISIS 계정의 평균 팔로워 수는 516명(표준편차 1,727)이며, 중앙값은 130명으로 대부분 계정이 제한된 팔로워를 보유했다. 그러나 상위 사분위수(>400명)와 일부 수천 명에 달하는 계정이 존재해, 소수 고연결 계정이 네트워크 중심성을 크게 좌우함을 보여준다. 트윗·리트윗 분포는 전형적인 파워‑로우 형태를 띠어, 1%의 계정이 전체 트윗의 30% 이상을 생성했으며, 이는 자동화된 봇 활동 가능성을 뒷받침한다.

결론적으로, 이 연구는 (1) 수동 검증된 사용자 리스트 기반 데이터 수집이 편향을 최소화한다는 방법론적 교훈, (2) 고활동·고연결 계정이 전염성 선전의 핵심 동인이라는 실증적 증거, (3) 팔로워·팔로잉 조작을 통한 가시성 강화 전략이 존재한다는 정책적 시사점을 제공한다. 이러한 인사이트는 온라인 급진화 방지를 위한 조기 탐지 시스템 설계와 플랫폼 차원의 대응 전략 수립에 직접 활용될 수 있다.