Statistical AI for Forensic Explainability in Handwriting (SAFE-H)
딥러닝 기반 정량 연산과 설명 가능한 AI(XAI)를 융합하여,
불확실성까지 정량화하는 최고 수준의 사법 활용형 평가 체계를 세웁니다.
단순한 '일치/불일치' 결정을 넘어, 법정에서 증거력을 발휘할 수 있는 통계적 신뢰성을 제시합니다.
다국어 필적 데이터를 기반으로 경량화된 딥러닝 매칭 알고리즘 설계. 유사도와 차이를 수치로 산출하여 평가의 객관성을 확보합니다.
AEV, Vector SHAP 등 XAI 기술을 활용. 판정 근거를 획(Stroke) 단위로 시각화하여 사법적 해석이 가능하게 지원합니다.
불확실성 지표 계산 및 부트스트래핑(Bootstrapping) 기반 우도비(LR) 추정으로 통계적 의사결정의 무결성을 증명합니다.
전통적 감정 체계를 혁신하는 4단계 기술 융합 파이프라인
한글 및 다국어 필적 기초. LDA-Tuning 기법을 적용하여 파라미터 효율을 극대화한 경량 딥러닝 정합 알고리즘을 구축합니다.
Vector SHAP 및 AEV(Alphabet Expression Value) 기반 설명 추적 기법을 통해 어떤 특징이 판별에 기여했는지를 직관적인 히트맵으로 시각화합니다.
결과의 베이지안 불확실성(Uncertainty)을 정량화하고 점수 기반 우도비(SLR)의 95% 신뢰 구간을 시뮬레이션하여 법정에서 안전한 지표를 제공합니다.
다중 인스턴스 학습(MIL)과 시계열 속도망을 활용. 획의 필압, 리듬 등 동역학 정보를 분해하여 문서 특정 부위의 정밀 변조(Forgery)를 탐지해 냅니다.
현장 실효성 검증과 국내외 글로벌 표준화(ISO/IEC 등) 체계를 확립하기 위한 유기적 Glocal 융합 R&D 파트너십
통계학적 무결성과 딥러닝 혁신을 조화하는 최고 전문가
연구책임자 (PI)
부산대학교 통계학과
미국 CSAFE Post-doc 출신. 범죄 패턴 증거 분석 알고리즘, 이미지 분석 선도 전문가. 족적 및 필적 딥러닝 매칭 알고리즘의 법사법 실제 판례 적용 성과 보유.
공동연구원 (Co-PI)
국립부경대학교 통계·데이터사이언스학과
시계열 분석 및 딥러닝 전문가. Vector SHAP, Bootstrapping 기반 검출 및 다변량 수리 통계 모형 설계, 필적 동역학 연구 총괄.
Science & Justice | 박소영 외 3명 | K-Forensic 패턴 인식을 위한 데이터 생성 및 정합 연구
Statistical Analysis and Data Mining | 박소영 외 3명 | 딥러닝의 잠재 특징 벡터를 활용한 투명한 객관적 필적 유사도 정량 논문
Journal of Forecasting | 최지은 외 3명 | 설명 가능한 모델을 위한 새 시계열 해석 프레임워크 기술, 부분 위조 탐지의 코어 이론
Statistical Analysis and Data Mining | 박소영 외 3명 | Shoe-MS 기반 범죄 현장과 패턴의 정교한 분류.