오픈소스 인텔리전스에서 의사결정까지 하이브리드 접근법

초록

본 논문은 약하게 구조화된 분야에서 전문가 지식과 오픈소스 데이터를 결합한 하이브리드 의사결정 지원 방법을 제시한다. 정보작전 목표를 계층적으로 분해하고, 각 요인의 강도·지연·지속시간을 가중 그래프로 모델링하여 목표 달성 정도를 정량화한다. 우크라이나 국과학원에 대한 명예훼손 작전을 사례로 실제 적용 과정을 보여준다.

상세 분석

이 연구는 현재 자연어 처리(NLP) 기술이 전문가 지식의 완전한 자동 대체에 미치지 못한다는 전제 하에, 오픈소스 정보(OSINT)와 전문가 의견을 동시에 활용하는 혼합형 의사결정 지원 체계를 설계한다. 핵심 아이디어는 ‘주 목표’를 계층적 하위 목표와 영향 요인으로 분해하고, 이를 가중 그래프 형태의 지식베이스로 구현하는 것이다. 그래프의 각 노드는 특정 요인(예: 소셜 미디어 확산, 언론 보도, 외부 조직의 개입 등)을 의미하고, 엣지는 요인 간 인과관계를 나타낸다. 가중치는 세 가지 차원—강도(intensity), 지연(delay), 지속시간(duration)—으로 정의되어, 시간에 따른 영향 변화를 정량적으로 추적할 수 있다. 이러한 다중 파라미터 모델링은 전통적인 의사결정 트리나 단일 가중치 네트워크보다 복합적인 동적 현상을 더 정확히 포착한다는 장점을 가진다.

데이터 수집 단계에서는 웹 크롤링, SNS API, 뉴스 피드 등 다양한 공개 채널을 통해 텍스트와 메타데이터를 확보한다. 수집된 원시 데이터는 토픽 모델링, 감성 분석, 엔터티 추출 등 최신 NLP 파이프라인을 통해 전처리된다. 그러나 논문은 현재 NLP 기술이 아직 전문가 수준의 의미 해석을 완전히 대체하지 못한다는 점을 강조하며, 전문가와 지식 엔지니어가 결과를 검증·보정하는 절차를 유지한다.

구축된 지식베이스는 계층적 목표 달성도 계산에 활용된다. 각 요인의 강도는 정규화된 점수로 변환되고, 지연과 지속시간은 시간 가중 함수(예: 지수 감쇠 함수)를 적용해 목표 달성도에 누적 영향을 미친다. 최종적으로 목표 달성도는 그래프 전체의 가중 합산값으로 산출되며, 이는 실시간 대시보드에 시각화되어 의사결정자가 현재 상황을 한눈에 파악하도록 돕는다.

사례 연구에서는 우크라이나 국과학원(NASU)에 대한 명예훼손 작전을 탐지·모니터링한다. 오픈소스 데이터에서 ‘NASU’를 언급하는 부정적 게시물, 해시태그, 외부 블로그 글 등을 수집하고, 전문가 인터뷰를 통해 주요 공격 벡터(예: 가짜 뉴스, 조작된 이미지, 조직적 캠페인)를 정의한다. 이렇게 도출된 요인들을 그래프에 매핑하고, 각 요인의 강도·지연·지속시간을 추정해 목표 달성도 변화를 시계열로 기록한다. 결과적으로 특정 시점에 급격히 상승한 부정적 언급이 목표 달성도에 큰 영향을 미쳤으며, 이를 기반으로 대응 전략(예: 공식 입장 발표, 사실 검증 캠페인)을 신속히 전개할 수 있었다.

이 논문의 주요 기여는 (1) 약하게 구조화된 도메인에 적용 가능한 계층적 가중 그래프 모델을 제시한 점, (2) OSINT와 전문가 지식을 통합하는 데이터 파이프라인을 설계한 점, (3) 시간적 파라미터(지연·지속시간)를 포함해 동적 의사결정 지원을 구현한 점이다. 또한 실제 사례 적용을 통해 모델의 실효성을 검증했으며, 향후 자동화 수준을 높이기 위한 NLP 기술 발전 방향도 제시한다.