기계학습을 이용한 단일 관련자극 P300기반 숨김정보검사 = One-probe P300 based concealed information test with machine learning
저자
발행사항
서울 : 고려대학교 대학원, 2023
학위논문사항
학위논문(박사)-- 고려대학교 대학원 : 심리학과 생물심리학 전공 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
159 p ; 26 cm
일반주기명
지도교수: 김현택
UCI식별코드
I804:11009-000000271140
DOI식별코드
소장기관
국내 형사소송절차에서 진술의 진위여부 확인을 위해 사용하는 도구는 폴리그래프검사, 진술타당도분석, P300기반 숨김정보검사 등이 있다. 폴리그래프검사는 수사기관에서 주로 사용되며 다른 도구들에 비하여 사용빈도도 매우 높다. 하지만, 검사결과를 뒷받침해 줄 수 있는 근거가 부족하여 재판과정에서 증거로 인정되는 빈도는 낮다. 이러한 폴리그래프검사의 제한점을 보완해줄 수 있는 방법으로 P300기반 숨김정보검사가 주목을 받고 있다.
P300기반 숨김정보검사는 사건관련 정보에 대한 재인검사로, 폴리그래프검사와 동일한 논점으로 검사가 가능하며 검사 결과를 뒷받침할 수 있는 사전연구가 많다. 따라서 P300기반 숨김정보검사와 폴리그래프검사를 함께 사용할 경우, 진술의 진위여부 확인 및 재판과정에서 증거채택에 도움을 줄 수 있을 것으로 기대되지만 P300기반 숨김정보검사의 사용에는 두 가지 제한점이 있다. 첫째, 검사에 필요한 관련자극을 다수 요구하기 때문에 실제 사건에서 활용도가 낮다. 기존의 P300기반 숨김정보검사 프로토콜에서는 관련자극으로 사용하기 위한 미공개 된 정보가 3가지 또는 6가지가 필요하다. 하지만 실제 사건에서는 수사과정을 통해서 대부분의 사건관련 정보들이 사전에 공개되기 때문에, 미공개 된 사건관련 정보를 3가지 또는 6가지 확보하는데 어려움이 있다. 둘째, 기존의 P300기반 숨김정보검사 프로토콜에서는 관련자극과 무관련자극에 대한 P300요소 전위값을 명확하게 구분하기 위하여 오드볼패러다임을 사용하지만, 무관련자극의 수가 관련자극의 수보다 4배 많기 때문에 무관련자극에 대한 P300요소 전위값이 과소 추정될 수 있다. 본 연구에서는 이러한 두 가지 제한점을 극복하기 위하여 단일 관련자극을 사용하는 수정된 P300기반 숨김정보검사 프로토콜을 탐색하였고, 오드볼패러다임의 문제점을 보완하기 위하여 다양한 기계학습의 분류 알고리즘을 비교하였다.
연구결과 단일 관련자극으로 여성과 남성의 얼굴자극을 사용할 경우, 자극은 400ms 지속시간으로 60회 제시하고, 절단값을 유죄집단은 90%로 무죄집단은 30%로 하여 정점-정점 방법으로 P300요소 전위값을 분석하는 것이 적합함을 확인하였다. 단어자극의 경우, 지속시간을 300ms로 60회 제시하고, P300요소 전위값 분석방법은 얼굴자극과 동일하게 시행하는 것이 적합하다는 것을 확인하였다. 또한 관련자극과 무관련자극에 대한 정점-정점 P300요소 전위값을 기계학습 분류 알고리즘의 로지스틱 회귀(LR), 선형 판별 분석(LDA), K-최근접 이웃(KNN) 알고리즘을 통해서 관련자극과 무관련자극 클래스로 분류할 수 있음을 확인하였다.
본 연구를 통해 기계학습을 이용한 단일 관련자극 P300기반 숨김정보검사가 형사소송절차에서 활용이 가능하다는 것을 확인하였다. 향후 더욱 다양하고 많은 사건에서 실제 사건 데이터를 축적하고, 검사 프로토콜 및 기계학습 알고리즘을 정교화한다면, 형사소송절차와 재판과정에서 폴리그래프검사와 함께 진술의 진위여부 확인에 많은 도움을 줄 것으로 기대된다.
Polygraph examination, statement validity analysis and P300-based concealed information test are major three examination tools, which are use to determine a person's truthfulness and credibility in criminal procedure. Although polygraph examination is most common in criminal procedure, but it has little admissibility of evidence due to the weakness of scientific basis. In 1990s to support the weakness of scientific basis about polygraph, Farwell and Donchin proposed the P300-based concealed information test technique. The P300-based concealed information test has two strong points. First, the P300-based concealed information test is easy to conduct with polygraph. Second, the P300-based concealed information test has plentiful scientific basis. Nevertheless, the utilization of P300-based concealed information test is infrequent, because of the quantity of probe stimulus. The probe stimulus contains closed information that is relevant to the crime or other investigated situation. In tradition P300-based concealed information test protocol, three or more probe stimuli are necessarily needed. But it is hard to acquire three or more probe stimuli, because most of the crime relevant information is opened in investigative situation. In addition, P300-based concealed information test uses oddball paradigm, and oddball paradigm makes imbalance between the number of probe and irrelevant stimulus. Thus, there is a possibility that the unbalanced number of probe and irrelevant stimulus caused systematic underestimation of P300 amplitude of irrelevant stimuli. To overcome the these two limitation of P300-based concealed information test, one-probe P300-based concealed information test protocol is explored with various machine learning algorithms.
According to this study, parameters of the modified one-probe protocol are as follows. In the condition of female and male face stimuli, the duration of stimuli are encouraged 400ms, the repetition of stimuli are encouraged 60 times, the analysis method of P300 amplitude is encouraged peak to peak method, the cut-off of guilty condition is encouraged 90% and the cut-off of innocent condition is encouraged 30%. In the condition of two-syllable word stimulus, the duration of stimulus is encouraged 300ms, the repetition of stimulus is encouraged 60 times, the analysis method of P300 amplitude is encouraged peak to peak method, the cut-off of guilty condition is encouraged 90% and the cut-off of innocent condition is encouraged 30%. It was also conformed that the logistic regression (LR), linear discriminant analysis (LDA), K Neighbors (KNN) algorithms were probable methods for analysis of P300 amplitude.
The one-probe P300-based concealed information test with machine learning protocol is helpful to increase utilization of P300-based concealed information test, and supports to determine a person's truthfulness and credibility with the polygraph examination in criminal procedure.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)