과거 3년간의 검역 단속 정보 빅데이터 기반으로 검역물품 반입 항공기 예측 모델과 효율적 탐지견 운영 알고리즘 개발 결과를 현장에 적용하여 사전 예방 중심의 과학적 국경검역 및 단속강화에 활용

올 가을 휴가를 활용하여 해외에 다녀온 순돌씨는 현지에서 소시지를 맛본 후 그 맛에 반해 귀국길 짐 가방에 구매한 소시지 몇 개를 집어넣었다. 인천국제공항에 도착하여 짐 가방을 찾으려는 순간, 탐지견이 달려와 가방 속 소시지를 귀신같이 찾아냈다.

순돌씨는 소시지 반입을 후회하면서도 쉴 새 없이 도착하는 비행기 중에서 왜 본인 가방이 검색된 건지 궁금해졌다. 나중에 뉴스를 통해, 인공지능 검역관이 농축산물 밀반입 가능성이 높은 비행 편을 지목하여 수색을 지시하고 탐지견이 해당 편을 집중적으로 검역했다는 것을 알 수 있었다. 이를 알게 된 순돌씨, 본인은 물론이고 주변 지인에게도 소시지 등 불법 휴대물품은 반입 할 생각도 하지 말라고 당부하고 있다.

최근, 중국 여행객이 국내에 들여오려던 축산물에서 아직 백신조차 개발되지 않은 아프리카돼지열병 바이러스 유전자가 검출되어 양돈농가와 방역당국에 비상이 걸렸다. 출입국자 ‘8천만명’ 시대를 맞이하여 우리국민은 이러한 위협에 상시 노출되어 있는 것이다.

이와 같이 출입국자 증가와 가축 전염병 발생 등 국민의 건강과 안전을 위협하는 요인이 지속적으로 증가함에 따라, 검역당국은 검색을 강화하고 탐지견과 검역관을 집중 투입하는 등 긴장의 끈을 늦추지 않고 있다. 인천국제공항의 여행객이나 보따리상에 의한 밀반입 적발건수는 ‘15년 이후 매년 12% 이상 증가하고 있고, 적발에 따른 과태료 부과 역시 매년 30% 증가하였다.

참고) 휴대물품 적발 건수: (’15년) 10.3만건→(’16년) 12.2만건→(’17년) 13만건, 불법 휴대물품 과태료 부과 내역: (‘15년) 약 2.6억원→(’17년) 약 4.4억원

이에 검역당국은 데이터 기반의 국경검역 체계를 강화하여, 검역자원(검역관, 탐지견 등)의 운영 효율을 극대화하고, 과태료 부과 등 사후처벌 위주에서 벗어나 사전예방 중심의 과학적 국경검역 기반구축이 필요하다고 여기고 행정안전부 책임운영기관인 국가정보자원관리원(원장 김명희, 이하 관리원)과 농림축산검역본부 인천공항지역본부(본부장 남태헌, 이하 검역본부)는 과학적이고 효율적인 국경검역 강화 방안을 마련하기 위해 손을 맞잡았다.

특히 인천국제공항은 국내 제1의 관문으로 전체 출입국자의 72%이상을 차지하는 국경검역 최일선인 곳이다. 관리원은 검역본부로부터 인천국제공항의 과거 3년(’15년~’17년)간 여객기 입항정보(약50만건), 검역단속 현황(약37만건), 탐지견 운영 현황 등을 제공받아 기계학습으로 분석하였으며, 그 결과 중점 검역 대상 항공기를 예측하고, 전체 검역 실적의 약 30%를 차지하는 탐지견의 효율적 운영방안을 제시한 것이다.

예측모델링 결과에 항공기 운항정보, 탐지견 운영조건을 반영하여 탐지견 스케줄을 자동으로 지정하는 알고리즘 개발
예측모델링 결과에 항공기 운항정보, 탐지견 운영조건을 반영하여 탐지견 스케줄을 자동으로 지정하는 알고리즘 개발

먼저 휴대물품 밀반입 현황(‘17년 기준)을 살펴보면, 국가별로는 중국(약6만건, 46%), 베트남(약3만건, 23.7%)이 월등히 많았고, 편당 평균 적발 건수로는 우즈베키스탄(약13건), 몽골(약7건), 카자흐스탄(약3건) 순으로 나타났다. 특히 망고 등 베트남 노선을 통한 밀반입 건수가 ‘15년 2만건에서 ’17년 3.1만건(55%↑)으로 크게 증가하였다.

식물의 경우 망고(약15천건, 19%), 사과(약9천건, 12%) 순이었으며, 축산물은 소시지(약2만건, 41%), 소고기류(약1만건, 21%)가 압도적이었다. 특히 망고는 1~8월, 사과는 9~12월 반입이 높은 편인데, 이로 인해 각각의 주요 수입국인 베트남은 상반기에, 중국은 하반기에 밀반입이 높은 것으로 나타났다.

다음으로 인공지능 알고리즘을 활용하여 휴대물품 밀반입 가능성이 높은 항공기를 선별하고, 불법 휴대물품 반입 위험도를 예측했다. 관리원은 선형 Ridge 회귀, 신경망 회귀, 랜덤 포레스트(Random Forest) 회귀, 신경망 분류, 랜덤 포레스트 분류 등 5종의 인공지능 알고리즘을 테스트하여 최적의 예측모델(Random Forest 분류)을 선정하고, 데이터 학습 및 검증 과정을 수차례 반복하여 높은 정확도(92.4%)의 인공지능 예측모델을 구축하였으며, 불법 휴대물품 반입 위험도가 높은 항공기 정보를 탐지견 운영 계획에 자동 반영하는 “탐지견 최적 배정 알고리즘”도 함께 개발해 테스트 결과 기존 경험에 의한 것보다 약 24.4% 높은 단속률을 나타냈다.

머신러닝 기반 회귀모델(Ridge, Neural Network, Random Forest) 및 분류모델(Neural Network, Random Forest) 테스트를 통해 최적모델 선정
머신러닝 기반 회귀모델(Ridge, Neural Network, Random Forest) 및 분류모델(Neural Network, Random Forest) 테스트를 통해 최적모델 선정

검역본부는 이번 분석결과를 과학적 검역정책 수립과 검역업무 효율화에 적극 반영한다는 방침으로 우선 기존 경험에 기초해 작성하던 탐지견 운영계획을 인공지능 기반의 “탐지견 최적 배정 알고리즘”이 작성한 계획을 반영하여 탐지견 운영의 시의적절성과 효율성을 높일 계획이며, 세관(관세청)과 분석결과를 공유하여 밀반입 가능성이 높은 항공기에 대해 X-ray 검사를 집중 실시하는 등 공항 검역을 강화하고, 분석결과를 기반으로 해외 여행객 및 입국 외국인에 대한 국가·시기별 맞춤형 홍보 방안도 마련할 계획이다.

한편 농림축산검역본부는 “현재 아프리카돼지열병이 중국 및 러시아 등 우리나라 인근 국가에서 급속히 확산되어 국내 유입 우려가 매우 높아지고 있는 가운데, 이번 빅데이터 분석은 과학적 국경검역 구축 기반을 마련한 좋은 협업 사례가 될 것이며, 분석결과의 적극적 활용을 통해 해외 악성 가축전염병 및 식물병해충의 국내유입을 효과적으로 차단할 수 있도록 최선을 다하겠다.”라고 밝혔다.

저작권자 © 인공지능신문 무단전재 및 재배포 금지