부패범죄에 AI 범죄예측 시스템 적용의 문제점과 개선방안

김병수

추천

검색

자료유형: 학술저널

저자정보: 김병수 (동의과학대학교)

저널정보: 한국부패학회 한국부패학회보 한국부패학회보 제27권 제2호

발행연도: 2022.6

수록면: 121 - 144 (24page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

부패범죄는 한 행위자의 일탈에 그치는 것이 아니라 사회구조를 무너뜨릴 수 있는 파괴력을 지니는 범죄이기에 한 국가의 문제만이 아니라 전 세계적으로도 심각한 문제로 여겨지고 있다. 이러한 부패범죄를 감소시키는데 국가와 사회가 많은 노력을 기울이고 있지만, 부패범죄가 가지고 있는 은밀성과 관행성 때문에 쉽게 적발되지도 않을 뿐만 아니라 완전히 근절되기도 어렵다. 이에 AI 범죄예측 시스템을 도입하여 부패범죄를 줄일 수 있는 효과적인 방안이 없을지 모색할 필요가 있다. 이미 많은 나라에서 AI 범죄예측 시스템을 도입하여 범죄율이 감소하는 긍정적인 효과를 보고 있기 때문이다. 그런데 AI 범죄예측 시스템을 부패범죄에 적용할 수 있을지 그리고 적용한다면 어떠한 문제점이 있는지를 검토할 필요가 있다. 나아가 부패범죄에 AI 범죄예측 시스템을 적용하기 위한 개선방안이 무엇인지 모색하고자 한다. 부패범죄가 가지고 있는 국가와 사회에 대한 심각성과 은밀성과 관행성 때문에 AI 범죄예측 시스템을 적용하여 부패범죄를 줄일 수 있는 효과적인 방안을 모색할 필요가 있다. AI 범죄예측 시스템은 필연적으로 개인의 권리를 침해할 수 있으므로 개인정보보호법에 의하여 개인정보를 보호하여야 한다. 알고리즘의 불투명성을 해결하기 위해서는 알고리즘의 설계자나 알고리즘을 사용하는 기업은 그 알고리즘 내부 논리에 대해 감사기관 등에게 설명할 수 있어야 한다. 알고리즘의 부정확성 해결방안으로 미국의 과학수사기법의 신뢰성에 관한 Daubert 기준을 사용할 필요가 있다. 알고리즘의 편향성을 극복하기 위해서는 궁극적으로는 알고리즘의 설계자나 개발자가 알고리즘을 편향되게 설계하지 않도록 하여야 한다. 이를 위해 설계과정이나 개발과정에서 알고리즘의 요소 및 매트릭스(metrics)를 투명하게 공개하여야 한다. AI 범죄예측 시스템의 개인통제기능을 제한하기 위해서는 AI 범죄예측 시스템도 대상자의 권리침해를 최소화하기 위하여 비례성의 원칙을 적용하여야 한다. AI 범죄예측 시스템의 이용을 비례성의 원칙에 의하여 제한하더라도 그 대상이 되는 사람들은 감시와 통제를 받는다는 사회적 거부감과 공식적인 부패조사에 대한 반감이 필연적으로 존재할 수밖에 없다. AI 범죄예측 시스템의 이용을 위한 부패조사를 거부감 없이 수용하기 위해서는 성숙한 시민의식의 제고와 함께 부패범죄가 없는 세상을 위한 사회적 공감대가 형성되는 것이 필요할 것이다.

Corruption crime is not limited to the deviance of one actor, but is a crime with destructive power that can destroy the social structure. Although the state and society are making great efforts to reduce corruption crime, it is not easily detected or completely eradicated due to the confidentiality and customary nature of corruption crime. Therefore, it is necessary to explore whether there is an effective way to reduce corruption by introducing an AI crime prediction system. This is because many countries are already seeing a positive effect of reducing the crime rate by introducing AI crime prediction systems. However, it is necessary to examine whether the AI crime prediction system can be applied to corruption crimes and what problems there are if it is applied. Furthermore, we intend to explore the improvement measures for applying the AI crime prediction system to corruption crimes. AI crime prediction systems that handle personal information can infringe on individual rights. And the algorithm of AI crime prediction system has problems of opacity, inaccuracy, and bias. AI crime prediction systems are becoming a new means of control for citizens, such as ‘Big Brother’. As a solution to bias and inaccuracy, the AI crime prediction system should be descriptive, accurate, and audited by an objective agency. In order to limit the individual control function of the AI crime prediction system, the AI crime prediction system must also apply the principle of proportionality to minimize the infringement of the subject's rights (the principle of minimal infringement). And AI crime prediction systems should be used as a last resort (principle of complementarity). It should be used individually according to the subject's risk of recidivism (principle of individuality). The AI crime prediction system should not be implemented by administrative disposition, but should be imposed by judicial review of the court (principle of judicial control). If the analysis of the AI crime prediction system is applied according to the principle of imposition of such security measures, the individual control function of the AI crime prediction system can be limited as much as possible and the efficiency as a control method for corruption crimes can be increased.

#부패범죄 #범죄예측 시스템 #인공지능 #부패범죄 유발인자 #알고리즘 #범죄예방 #corruption crime #crime prediction system #artificial intelligence #causes of corruption crimes #algorithm #crime prevention

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김병수

소속기관 동의과학대학교

주요연구분야 사회과학 > 법학 사회과학 > 행정학

논문수 5 이용수 253

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)