인공지능 기반 디지털증거 분석 및 LLM 포렌식 아티팩트 추출

AI-Assisted Digital Evidence Analysis and LLM Forensic Artifact Extraction

연구 내용

LLM 응용 환경에서 생성·축적되는 포렌식 아티팩트를 구조화하여 증거로 활용 가능한 형태로 추출하는 연구

LLM 기반 서비스 이용 과정에서 남는 채팅 기록, 업로드 파일, 생성 파일, 모델 설정 이력 등 포렌식 아티팩트를 체계적으로 수집·분류·재구성하는 연구를 수행합니다. 응용 환경을 백엔드 런타임, 클라이언트 인터페이스, 통합 플랫폼으로 나누어 증거가 되는 흔적의 위치와 형태를 예측하고, 사건 맥락에 맞게 추출 절차를 표준화합니다. 또한 A2P 메시지처럼 반정형 텍스트에 대해서는 프롬프트 엔지니어링과 LLM 분석을 결합해 정보 구조를 정규화하고 사건 관련 단서를 도출합니다. 이를 위해 포렌식 아티팩트 기반 학습데이터 세트를 구축해 자동화 정확도를 높입니다.

관련 프로젝트

3건

연구 흐름

2019~2025년 기간의 디지털증거 분석 기획을 바탕으로, 인공지능 기술을 활용한 포렌식 아티팩트 기반 분석 체계를 개발하는 방향으로 연구가 진행되었습니다. 2022년에는 한국형 참조데이터 세트와 학습데이터 세트를 중심으로 디지털 증거의 특징을 모델이 학습하도록 구성했습니다. 2024년에는 실제 사건에 활용 가능한 형태로 추출·재구성 절차를 다듬는 연구를 수행했습니다. 2025년에는 LLM 애플리케이션 포렌식에서 아티팩트를 구조화하는 프레임워크와 도구를 제안하고, A2P 메시지에서 사용자 행위를 재구성하는 방법으로 확장했습니다. 최근에는 LLM 생성물의 사건성 판별과 재현 가능한 수집 파이프라인 구축에 집중하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

LLM 아티팩트 자동 수집기
LLM 포렌식 환경 분류기
A2P 메시지 구조화 엔진
프롬프트 기반 증거 추출기
포렌식 아티팩트 분류 모델
증거 재구성 워크플로
조사자용 분석 리포트 생성
포렌식용 참조 데이터 세트
사건 맥락 질의용 검색 모듈
LLM 생성물 추적 도구