Glossary
용어집Glossary
분야 핵심 용어를 정의·중요성·실무 적용과 함께 정리했습니다.Key terms in the field, with definitions, importance, and practical application.
용어 퀴즈 풀어보기Take the term quiz- Ethic Code Engineering
- 윤리경영·컴플라이언스의 추상적 원칙을 탐지 규칙과 코드로 구현해 부정·비위 리스크를 상시 모니터링하는 접근.An approach that implements the abstract principles of business ethics and compliance as detection rules and code, continuously monitoring fraud and misconduct risk.
- 왜 중요한가Why it matters컴플라이언스를 규정집에만 두면 형식적 점검에 그친다. 코드로 구현하면 365일 24시간 자동 감시가 가능해지고, 담당자가 바뀌어도 규칙이 살아 있다.Keeping compliance only in a policy manual leads to checkbox auditing. Implementing it as code enables 24/7 automated monitoring — and the rules persist even when personnel change.
- 실무 적용In practice이해충돌·우회 승인·한도 초과 등 윤리 규정을 SQL/파이썬 탐지 규칙으로 변환해 ERP·데이터웨어하우스에 연동하고, 위반 건을 자동 경보·기록한다.Translating ethics rules — conflict of interest, unauthorized approvals, over-limit transactions — into SQL/Python detection rules connected to ERP/data-warehouse systems to auto-alert and log violations.
- Ethic Code Engineering 전문성Ethic Code Engineering Expertise →
- 연계보관성Chain of Custody
- 디지털 증거가 수집 시점부터 분석·보고까지 변조 없이 관리되었음을 입증하는 기록 체계. 증거능력의 전제 조건.A record system proving that digital evidence was managed without tampering from collection through analysis and reporting — a prerequisite for admissibility.
- 왜 중요한가Why it matters법원·징계위원회는 연계보관성이 끊기면 증거를 채택하지 않는다. 아무리 명확한 부정 증거도 보관 기록이 없으면 무효가 될 수 있다.Courts and disciplinary bodies reject evidence when chain of custody is broken. Even the clearest fraud evidence can be invalidated without proper custody records.
- 실무 적용In practice증거 수집 즉시 SHA-256 등 해시값을 기록하고, 이동·분석마다 서명·타임스탬프를 남겨 변조 가능성을 차단한다.Recording hash values (e.g., SHA-256) immediately on collection, then adding signatures and timestamps at every transfer and analysis step to preclude tampering.
- AI 디지털 포렌식 전문성AI Digital Forensics Expertise →
- LLMLarge Language Model
- 방대한 텍스트로 학습한 거대 언어모델. 문서·메신저 분석, 증거 선별·요약, 감사 자동화에 활용되어 사람이 일일이 읽기 어려운 대량 자료에서 위험 신호를 끌어낸다.A large language model trained on vast text. Used for document/chat analysis, evidence triage and summarization, and audit automation, it surfaces risk signals from large volumes of material that humans cannot read one by one.
- LLM·AI 기반 내부감사LLM & AI-Driven Internal Audit
- LLM·AI로 전수 데이터의 이상행위·부정 패턴을 자동 탐지하고 대량 문서를 분석해 표본 감사의 한계를 보완하는 감사 방식.An audit method that uses LLM·AI to automatically detect anomalies and fraud patterns across full-population data and analyze large document sets, overcoming the limits of sampling-based audit.
- 왜 중요한가Why it matters표본 감사는 전체 거래의 5% 미만만 검토한다. AI를 활용하면 100% 전수 데이터에서 숨겨진 부정 패턴을 찾아낼 수 있다.Sampling-based audit reviews less than 5% of all transactions. AI enables finding hidden fraud patterns across 100% of full-population data.
- 실무 적용In practice구매·지급·비용처리 전 거래를 LLM이 분류·요약하고, 이상행위 탐지 규칙이 선별한 건을 감사자가 우선순위 순으로 검토하는 Human-in-the-Loop 구조로 운영한다.LLM classifies and summarizes all purchasing, payment, and expense transactions; detection rules triage the results; auditors review flagged items in priority order — a Human-in-the-Loop workflow.
- AI 내부감사 전문성AI Internal Audit Expertise →
- 이상행위 탐지Anomaly Detection
- 정상 패턴에서 벗어난 거래·행동을 통계·머신러닝·LLM 등 AI로 식별하는 기법. 부정 탐지의 핵심 도구.A technique that uses AI — statistics, machine learning, LLMs — to identify transactions and behaviors that deviate from normal patterns. A core tool for fraud detection.
- 외부 제보채널Whistleblowing Channel
- 조직 구성원·이해관계자가 비위·부정·괴롭힘을 익명으로 안전하게 신고할 수 있도록 외부에 둔 신고 창구. 윤리경영의 출발점이자, 운영 기록이 ESG 거버넌스의 핵심 증거가 된다. ‘ListenTips’가 AI 기반 제보채널의 예.An externally hosted reporting channel that lets members and stakeholders report misconduct, fraud, and harassment safely and anonymously. It is the starting point of business ethics, and its operating records become key evidence for ESG governance. ‘ListenTips’ is an example of an AI-powered whistleblowing channel.
- 왜 중요한가Why it matters내부 채널만으로는 상급자 연루 부정이나 구조적 비위를 신고하기 어렵다. 외부 독립 채널이 있을 때 제보 건수와 적발률이 크게 높아진다.Internal channels alone make it hard to report fraud involving superiors or structural misconduct. An independent external channel significantly increases reporting rates and detection.
- 실무 적용In practiceAI 분류기로 접수 즉시 사안 유형(부정·괴롭힘·컴플라이언스 위반)을 자동 분류하고 담당 조직에 배정해 처리 지연을 방지하며, 전수 기록을 ESG 보고에 활용한다.An AI classifier instantly categorizes incoming reports (fraud, harassment, compliance breach) and routes them to the responsible team, preventing delays — and full records feed ESG reporting.
- Ethic Code Engineering 전문성Ethic Code Engineering Expertise →
- ESG 경영ESG Management
- 환경(E)·사회(S)·지배구조(G) 관점에서 기업의 지속가능성과 비재무 리스크를 관리하는 경영. 내부신고 제도·윤리경영·반부패 통제는 사회(S)·지배구조(G)의 핵심 평가 지표다.Managing a company's sustainability and non-financial risk across Environmental (E), Social (S), and Governance (G) dimensions. Internal-reporting systems, business ethics, and anti-corruption controls are core assessment metrics for the Social (S) and Governance (G) pillars.
- 설명가능한 AIExplainable AI (XAI)
- AI가 내린 판단의 근거와 과정을 사람이 이해·검증할 수 있게 하는 기술과 원칙. AI 기반 감사에서는 ‘왜 의심스러운가’를 설명할 수 있어야 결과가 징계·수사·소송에서 증거능력을 갖는다.Techniques and principles that let humans understand and verify the basis and process of an AI’s decisions. In AI-driven audit, being able to explain ‘why it is suspicious’ is what gives results admissibility in discipline, investigation, or litigation.
- 왜 중요한가Why it matters블랙박스 AI가 ‘의심스럽다’고만 하면 당사자는 반박할 수 없고 결과가 법적 효력을 갖기 어렵다. 설명이 있어야 방어권이 보장되고 증거 능력이 생긴다.If a black-box AI simply flags something as ‘suspicious’ with no explanation, the subject cannot mount a rebuttal and the finding struggles to hold legal weight. Explainability enables due-process rights and evidentiary standing.
- 실무 적용In practiceLLM이 이상 거래를 탐지하면 ‘판단 근거(관련 문서·규정·패턴)’를 자동 생성해 감사 보고서에 포함시키고, 감사자가 이를 검토·서명해 책임을 명확히 한다.When an LLM flags an anomalous transaction, it auto-generates a rationale (related documents, rules, patterns); auditors review and sign off, making accountability explicit.
- AI 내부감사 전문성AI Internal Audit Expertise →
- 검색증강생성Retrieval-Augmented Generation (RAG)
- LLM이 답변 전에 신뢰할 수 있는 원문·데이터를 검색해 근거로 삼게 하는 방식. 감사·포렌식에서 환각을 줄이고 인용 가능한 근거를 남기는 데 쓰인다.An approach where an LLM retrieves trusted source documents and data to ground its answer before responding. Used in audit and forensics to reduce hallucination and leave citable evidence.
- 환각Hallucination
- LLM이 사실이 아닌 내용을 그럴듯하게 만들어 내는 현상. 부정 탐지에서 가장 위험한 오류로, 모든 AI 경고는 원문 근거로 교차검증해야 한다.When an LLM fabricates plausible but false content. The most dangerous error in fraud detection — every AI alert must be cross-checked against original-source evidence.
- 상시감사Continuous Auditing
- 거래·로그·문서를 실시간 또는 주기적으로 자동 분석해 위험을 상시 감시하는 감사 방식. 표본·사후 감사를 넘어 예방적 통제로 이동한다.An audit approach that automatically analyzes transactions, logs, and documents in real time or periodically to monitor risk continuously — moving beyond sampling and after-the-fact review toward preventive control.
- AI 거버넌스AI Governance
- 조직이 AI의 위험·편향·책임을 관리하기 위한 정책과 통제 체계. ISO/IEC 42001, NIST AI RMF, EU AI Act 등이 기준으로 쓰이며, AI 감사의 점검 대상이다.An organization's policies and controls for managing AI risk, bias, and accountability. Standards such as ISO/IEC 42001, the NIST AI RMF, and the EU AI Act serve as benchmarks and are a subject of AI audits.
- 내부통제Internal Control
- 조직이 부정·위법을 예방하고 목표를 효과적으로 달성하기 위해 두는 규정·절차·체계. 내부감사가 그 설계와 운영의 적정성을 점검한다.The rules, procedures, and systems an organization establishes to prevent fraud and violations and to achieve its objectives effectively. Internal audit examines the adequacy of their design and operation.
- 컴플라이언스Compliance
- 법령·규제·내부 규정을 준수하도록 관리하는 활동과 체계. 부패방지·이해충돌·개인정보 등 영역별 프로그램으로 운영되며, 윤리경영의 실행 축이다.Activities and systems for ensuring adherence to laws, regulations, and internal rules. Operated through programs for anti-corruption, conflicts of interest, and data privacy — the executional axis of business ethics.
- 이해충돌Conflict of Interest
- 직무상 의무와 개인의 사적 이익이 충돌하는 상황. 부정·부패의 주요 신호로, 거래·관계 데이터에서 탐지 규칙으로 상시 감시한다.A situation where one's official duties conflict with private interests. A key signal of fraud and corruption, monitored continuously via detection rules over transaction and relationship data.
- 부정 트라이앵글Fraud Triangle
- 부정이 발생하는 세 가지 조건 — 기회·압력(동기)·합리화 — 을 설명하는 고전 이론. 부정 위험을 진단하고 통제를 설계하는 출발점이다.A classic theory explaining the three conditions under which fraud occurs — opportunity, pressure (motivation), and rationalization. A starting point for diagnosing fraud risk and designing controls.
- e-Discoverye-Discovery (전자증거개시)
- 소송·조사에서 이메일·문서·메신저 등 전자적으로 저장된 정보를 식별·수집·검토·제출하는 절차. 방대한 데이터를 다뤄 AI·LLM 선별이 점차 핵심이 된다.The process of identifying, collecting, reviewing, and producing electronically stored information — emails, documents, chats — in litigation or investigation. As data volumes grow, AI/LLM triage is increasingly central.
- 부정 탐지Fraud Detection
- 조직 내 부정행위를 예방·조기 발견하기 위한 기법의 총칭. 규칙 기반 탐지, 통계 분석, 머신러닝, LLM을 결합해 의심 거래·행위를 선별한다.A collective term for techniques that prevent and early-detect fraud within an organization. Combines rule-based detection, statistical analysis, machine learning, and LLMs to triage suspicious transactions and behaviors.
- 왜 중요한가Why it mattersACFE 2026 보고서에 따르면 조직 부정은 평균 12개월 후에야 발견된다. 자동화된 상시 탐지는 이 공백을 줄여 피해 규모를 크게 낮춘다.According to the ACFE 2026 Report to the Nations, occupational fraud goes undiscovered for an average of 12 months. Automated continuous detection closes this gap and significantly reduces losses.
- 실무 적용In practice지급·구매·비용 전체 데이터에 탐지 규칙을 적용하고, LLM이 이상 건을 요약하면 감사자가 우선순위 건부터 확인하는 Human-in-the-Loop 방식으로 운영한다.Applying detection rules across all payment, procurement, and expense data; LLM summarizes flagged items; auditors review in priority order — a Human-in-the-Loop workflow.
- AI 내부감사 전문성AI Internal Audit Expertise →
- 디지털 증거 무결성Digital Evidence Integrity
- 디지털 증거가 수집·이송·분석 전 과정에서 변조·삭제 없이 원본 그대로 유지되었음을 보증하는 원칙과 절차.The principles and procedures guaranteeing that digital evidence remains unaltered and undeleted — in its original state — throughout collection, transfer, and analysis.
- 왜 중요한가Why it matters법원·징계위원회는 무결성이 입증되지 않은 증거를 채택하지 않는다. 해시 불일치 하나로 수개월의 조사 결과가 무효가 될 수 있다.Courts and disciplinary bodies do not admit evidence whose integrity cannot be proven. A single hash mismatch can invalidate months of investigation.
- 실무 적용In practice포렌식 이미징 직후 SHA-256 해시를 기록하고, 분석 전후에 재검증해 원본과 동일함을 로그로 남긴다. 이 기록이 법정에서 증거능력의 근거가 된다.Recording SHA-256 hash values immediately after forensic imaging, re-verifying before and after analysis, and logging the match. These records are the foundation of admissibility in court.
- AI 디지털 포렌식 전문성AI Digital Forensics Expertise →
- Human-in-the-LoopHuman-in-the-Loop (HITL)
- AI가 자동으로 최종 결론을 내리지 않고 중요 판단 지점마다 사람의 검토·승인을 거치도록 설계하는 AI 운영 방식.An AI operating model designed so that the AI does not reach final conclusions automatically, but instead passes through human review and approval at every critical decision point.
- 왜 중요한가Why it mattersAI 탐지 결과를 징계나 법적 절차에 활용하려면 사람이 개입한 판단 기록이 필수다. HITL은 오탐을 줄이고 AI 결정의 책임 귀속을 명확히 한다.Using AI-detected findings in disciplinary or legal proceedings requires a record of human judgment. HITL reduces false positives and clarifies accountability for AI decisions.
- 실무 적용In practiceAI가 위험 신호를 선별하면 감사자가 원문 근거를 확인하고 '동의/기각/보류'를 기록하는 워크플로로 운영한다. AI는 보조 도구, 최종 판단은 사람이 한다.AI surfaces risk signals; auditors verify original evidence and record 'agree / dismiss / hold' decisions in a workflow. AI is the assistant — humans make the final call.
- AI 내부감사 전문성AI Internal Audit Expertise →
- 해시값Hash Value
- 파일 내용을 일정한 수학 함수(SHA-256 등)에 넣어 얻는 고정 길이의 값. 파일의 '디지털 지문'으로, 내용이 1비트만 바뀌어도 완전히 다른 값이 나온다.A fixed-length value produced by running a file's contents through a mathematical function such as SHA-256 — the file's 'digital fingerprint'. Changing even one bit yields a completely different value.
- 왜 중요한가Why it matters수집 시점의 해시값과 나중의 해시값이 같으면 그 사이에 파일이 바뀌지 않았음을 보여 줄 수 있다. 디지털 증거의 무결성을 입증하는 가장 기본적인 수단이다.If the hash at collection matches the hash later, it shows the file was not altered in between — the most basic means of proving the integrity of digital evidence.
- 실무 적용In practice증거 파일을 받으면 바로 해시값을 계산해 수집 일시·수집자와 함께 기록하고, 분석·제출 전에 다시 계산해 일치 여부를 확인한다.Compute the hash as soon as evidence is received, record it with the collection time and collector, and recompute before analysis or submission to confirm it still matches.
- 증거 파일 해시 검증기Evidence hash tool →
- 디지털 아티팩트Digital Artifact
- 운영체제와 프로그램이 사용 과정에서 자동으로 남기는 기록. USB 연결 기록, 파일 변경 기록, 바로가기, 프로그램 실행 흔적, 브라우저 기록 등이 있다.Records that the operating system and applications leave automatically during use — USB connection history, file change journals, shortcuts, program execution traces, browser history and more.
- 왜 중요한가Why it matters사용자가 파일을 지우거나 이름을 바꿔도 다른 아티팩트에 흔적이 남는 경우가 많아, 여러 기록을 교차하면 행위를 시간순으로 재구성할 수 있다.Even when a user deletes or renames files, traces often remain in other artifacts, so cross-checking several records lets investigators reconstruct actions in time order.
- 실무 적용In practice정보유출 조사에서 USB 연결 기록으로 장치를, 파일 변경 기록으로 복사 시각을, 바로가기로 원래 경로를 확인하는 식으로 서로 다른 기록을 맞춰 본다.In a data-leak investigation, investigators match different records — the device from USB history, the copy time from the file change journal, the original path from shortcuts.
- 포렌식 수사 챌린지Forensic challenge →
- USBSTORUSBSTOR (USB Storage Registry)
- 윈도우 레지스트리에 USB 저장장치의 제품명·시리얼 번호·연결 정보가 기록되는 위치. 흔히 'USB 연결 기록'이라 부른다.The Windows registry location where USB storage devices' product names, serial numbers and connection details are recorded — commonly called 'USB connection history'.
- 왜 중요한가Why it matters회사 지급이 아닌 개인 USB가 언제 처음 연결됐는지 보여 주어, 반출 경로를 특정하는 출발점이 된다.It shows when a personal (non-company) USB device was first connected, making it the starting point for identifying an exfiltration route.
- 실무 적용In practice사건 당일 새로 연결된 장치의 시리얼 번호를 확인하고, 같은 시리얼이 다른 PC에 연결된 이력이 있는지 대조해 장치 주인을 좁힌다.Investigators note the serial number of a device first connected on the incident day and check whether the same serial appears on other PCs to narrow down its owner.
- 포렌식 수사 챌린지Forensic challenge →
- USN JournalUSN Journal (NTFS Change Journal)
- NTFS 파일시스템이 파일의 생성·이름 변경·삭제 같은 변경 사항을 자동으로 적어 두는 일지.A journal in which the NTFS file system automatically records changes such as file creation, renaming and deletion.
- 왜 중요한가Why it matters파일이 언제 USB로 복사됐는지, 이름을 바꿔 위장했는지를 보여 주어 정보유출 조사의 핵심 근거가 된다.It shows when a file was copied to USB or renamed to disguise it — a core basis in data-leak investigations.
- 실무 적용In practice의심 시간대의 생성·이름 변경 기록을 시간순으로 읽고, USB 연결 기록·바로가기와 맞춰 행위 흐름을 재구성한다.Read creation and rename entries in the suspect time window in order, and match them with USB history and shortcuts to reconstruct the sequence of actions.
- 포렌식 수사 챌린지Forensic challenge →
- LNK 파일LNK File (Windows Shortcut)
- 윈도우에서 파일을 열 때 자동으로 만들어지는 바로가기 파일. 원래 파일의 이름·경로·크기·시각 정보가 담긴다.A shortcut file Windows creates automatically when a file is opened. It stores the original file's name, path, size and timestamps.
- 왜 중요한가Why it matters원본 파일을 지우거나 이름을 바꿔도 바로가기에 원래 경로가 남아, 위장된 파일의 정체를 밝혀 준다.Even if the original is deleted or renamed, the shortcut keeps the original path, revealing what a disguised file really was.
- 실무 적용In practice의심 파일 이름의 바로가기를 찾아 원래 경로(예: 공유 폴더의 고객 명단)를 확인하고, 파일 변경 기록과 대조한다.Find the shortcut for a suspicious file name, read its original path (e.g. a customer list on a shared drive), and compare it with the file change journal.
- 포렌식 수사 챌린지Forensic challenge →
- PrefetchPrefetch
- 윈도우가 프로그램을 빨리 실행하려고 남기는 기록. 어떤 프로그램이 언제, 몇 번 실행됐는지가 담긴다.Records Windows keeps to launch programs faster. They show which programs ran, when, and how many times.
- 왜 중요한가Why it matters프로그램을 삭제한 뒤에도 실행 흔적이 남을 수 있어, 잠깐 쓰고 지운 전송·압축 도구를 찾아내는 데 쓰인다.Execution traces can remain after a program is deleted, which helps uncover transfer or compression tools that were used briefly and removed.
- 실무 적용In practice사건 시간대에 실행된 메일·클라우드·압축·익명 브라우저 프로그램을 확인하고 이벤트 로그와 교차한다.Check which mail, cloud, compression or anonymizing browser programs ran in the incident window, and cross-check with event logs.
- 포렌식 수사 챌린지Forensic challenge →
- KOLAS 인정 시험기관KOLAS-accredited Testing Laboratory (ISO/IEC 17025)
- 국가기술표준원이 운영하는 한국인정기구(KOLAS)가 국제표준 ISO/IEC 17025에 따라 조직·시설·인력·시험 역량을 평가해 공인한 시험기관.A testing laboratory accredited by KOLAS (Korea Laboratory Accreditation Scheme, operated by the Korean Agency for Technology and Standards) after assessment of its organization, facilities, staff and testing competence under ISO/IEC 17025.
- 왜 중요한가Why it matters법원은 디지털 증거에 대해 프로그램의 신뢰성과 분석자의 기술능력·정확성을 요구한다(대법원 2007. 12. 13. 선고 2007도7257 판결). 인정 시험기관의 제3자 검증은 이를 객관적으로 보여 주는 확실한 방법이다. 다만 KOLAS 인정 자체가 법적 의무는 아니다.Courts require reliability of the programs and the technical competence and accuracy of the examiner for digital evidence (Supreme Court of Korea, 2007Do7257, 13 Dec 2007). Third-party verification by an accredited laboratory is a reliable way to demonstrate this — although KOLAS accreditation itself is not a legal requirement.
- 실무 적용In practice징계·소송에 쓸 디지털 증거나, AI로 만든 자체 분석 도구의 결과를 검증받을 때 디지털포렌식 분야 인정 시험기관에 분석·검증을 의뢰한다.Commission analysis or verification from a digital-forensics accredited laboratory when evidence will be used in discipline or litigation, or when results come from in-house AI-built analysis tools.
- AI 디지털 포렌식 전문성AI Digital Forensics Expertise →
- 가명처리Pseudonymization
- 개인정보의 일부를 삭제하거나 일부 또는 전부를 대체하는 등의 방법으로 추가 정보가 없이는 특정 개인을 알아볼 수 없도록 처리하는 것(개인정보 보호법 제2조 제1호의2).Processing personal data — by deleting or replacing part or all of it — so that a specific individual cannot be identified without additional information (Personal Information Protection Act of Korea, Article 2(1-2)).
- 왜 중요한가Why it matters감사 자료·제보 내용을 AI에 넣거나 외부와 공유하기 전에 필요하다. 다만 다른 정보와 쉽게 결합해 알아볼 수 있으면 여전히 개인정보다(같은 법 제2조 제1호 나목).Needed before putting audit material or whistleblower reports into AI tools or sharing them externally. Data that can easily be combined with other information to identify someone is still personal data (same Act, Article 2(1)(b)).
- 실무 적용In practice이름·연락처·주민등록번호 등을 라벨이나 가명으로 바꾸고, 원본과의 대응표는 따로 안전하게 보관한다. 부서·직급·날짜 조합처럼 맥락으로 알아볼 수 있는지 사람이 마지막에 확인한다.Replace names, contact details, resident registration numbers and the like with labels or pseudonyms, keep the mapping table separately and securely, and have a person check last whether context (department + title + date) still identifies someone.
- 개인정보 가리개PII masking tool →