FireShield

소방기관 사칭 사기 실시간 진위확인 시스템

2026 소방안전 빅데이터 활용 아이디어 경진대회 출품작 https://bigdata-119.kr/bbs/view?bbsctt_id=571

배경

최근 소방서·소방공무원을 사칭해 "법령 개정으로 소화기 교체가 의무화됐다", "정부 보조금이 전액 환급된다"는 명목으로 금전을 요구하는 사기가 전국적으로 발생하고 있습니다 (경북 6.3억 원, 제주 8,070만 원 피해 사례 등). 피해자 대부분은 민박·모텔·단란주점·노래연습장 같은 소규모 다중이용업소 사업주로, 사칭 여부를 확인할 수단이 없어 그대로 송금하는 경우가 많습니다.

FireShield는 송금 직전, 그 자리에서 즉시 진위를 확인할 수 있는 웹서비스입니다. 설치나 회원가입 없이 URL 접속만으로 확인할 수 있도록 만들어, 골든타임 안에 판단할 수 있도록 설계했습니다.

핵심 기능

1. 소방기관 사칭 진위확인 (/)

사용자가 입력한 발신 기관명, 담당자명, 요구 사유, 법령명, 요구받은 계좌번호를 아래 공공데이터와 실시간으로 대조하여 위험도(안전/의심/위험)를 판정합니다.

• 법제처 국가법령정보 공동활용 API — 언급된 법령이 실제로 존재하는지, 최근 개정 이력이 있는지 실시간 조회
• 소방청 소방시설업 현황 (공공데이터포털, 전국 10,465건) — 언급된 업체가 실제 등록된 소방시설업체인지 대조
• 계좌번호 사기 신고 이력 — 같은 계좌번호가 최근 90일간 3회 이상 '위험/의심'으로 조회됐는지 자체 로그로 집계(경찰청 '사이버사기 피해신고 이력조회'와 동일 기준). 계좌번호는 원문 저장 없이 단방향 키 해시로만 대조하며, 결과 화면에서 경찰청·더치트 공식 조회 페이지로 딥링크 제공
• 계좌번호 요구 여부 등 행동 패턴을 종합해 0~100점 위험 점수 산출

AI 딥러닝 판정 (로컬 LLM) + 가드레일

규칙 기반 점수와 별도로, 로컬에서 직접 구동하는 LLM(Ollama)이 신고 내용을 읽고 사칭 사기 확률을 판정합니다. 외부 API에 개인정보를 보내지 않고, GPU 없이 소형 한국어 모델(예: gemma2:2b)로 동작합니다.

로컬 모델은 확률 대신 산문을 뱉거나, 범위를 벗어난 값·NaN·깨진 JSON을 내놓는 일이 잦습니다. 이를 app/services/ai_guardrail.py가 판정 전에 걸러냅니다.

모델이 내놓은 값	가드레일 처리
NaN / Infinity / 파싱 불가능한 산문	폐기 — 규칙 점수로 폴백, 이상 징후 로깅
250, -0.4 처럼 범위 밖 숫자	0~100으로 클램프, 방향은 유지
"80%", 0.87, 73/100 등 다양한 표기	0~100 스케일로 정규화
규칙 점수와 45점 이상 상충 (예: 규칙 85 / AI 2)	폐기 — 보수적으로 규칙 점수 신뢰
40~60점 중립 구간	참고용으로만 표시, 최종 판정에는 미반영
Ollama 미기동 / 타임아웃	폐기 — 규칙 점수만으로 정상 응답

최종 위험도는 신뢰 가능한 AI 점수가 규칙 점수보다 높을 때만 보수적으로 상향(max)하며, API 응답에는 rule_score와 ai_assessment가 각각 노출됩니다. 가드레일의 모든 분기는 tests/test_ai_guardrail.py(34케이스)로, 엔드포인트 결합은 tests/test_verify_endpoint.py로 검증합니다.

# AI 판정 활성화
ollama pull gemma2:2b
# backend/.env 에서 AI_ENABLED=true (기본값). 끄면 규칙 점수만 사용.

2. 화재 위험지역 지도 (/risk-map)

소방청 전국 화재 현황 데이터를 기반으로 시/도별 위험도를 시각화하고, 특정 시/도를 선택하면 시/군/구 단위 상세 통계로 드릴다운할 수 있습니다.

데이터 처리 — 원본을 그대로 쓰지 않고 목적에 맞게 가공

이 프로젝트에서 신경 쓴 부분은 공공데이터를 그대로 붙이는 것이 아니라, 서비스 목적(사칭 판별)에 맞게 필터링하고 재구성한 것입니다.

원본 데이터	문제	처리 방식
전국 화재 현황 (연간 38,409건)	"최근 3개월"이라는 서비스 맥락에 비해 1년치 데이터라 과다	데이터 내 최신 접수일 기준으로 최근 90일만 필터링 → 실사용 맥락에 맞는 8,652건으로 축소
전국 다중이용업소 현황 (24,547건)	시/도 컬럼이 따로 없이 주소 텍스트에 섞여 있고, 폐업 이력이 필터링되지 않음	정규식으로 주소에서 시/도를 추출하고, 사용여부=Y(실제 영업 중)인 건만 필터링 후 시/도별 집계
소방시설업 현황 (10,465건)	EUC-KR 인코딩, 결측치가 NaN(float)으로 남아 DB 저장 시 타입 오류 발생	인코딩 감지 후 안전한 문자열 정규화 함수로 전처리, 업종·상호·대표자 컬럼을 인덱싱해 부분일치 검색 최적화
화재현황 + 다중이용업소현황 (독립된 두 데이터셋)	각각 별도로 제공되어 단순 합산만으로는 위험도를 판단하기 어려움	시/도 단위로 결합한 뒤, 화재 건수·사망자 수·다중이용업소 밀집도를 가중합산하여 0~100으로 정규화한 위험 점수로 재구성

기술 스택

Backend — FastAPI

• FastAPI + Python 3.12, SQLAlchemy 2.0 (async) — 법제처 API 호출과 DB 조회가 동시에 발생하는 I/O 바운드 워크로드에서 비동기 처리로 응답 지연 최소화
• Pydantic v2 — 요청 검증(계좌번호 형식, 공백 입력 방지 등)과 응답 스키마를 코드 레벨에서 강제
• PostgreSQL 16 (Docker) — 조회 로그 적재, 개인정보(계좌번호)는 AES-256-GCM으로 암호화하여 저장
• httpx — 법제처 XML API 비동기 호출 및 파싱
• pandas — 대용량 CSV(연 3만 건 이상)의 필터링·집계·정규화 배치 처리

Frontend

• Next.js 14 (App Router) + TypeScript
• Tailwind CSS — 위험도 신호등 컬러 시스템(안전/의심/위험)을 적용한 디자인 시스템
• Google Maps JavaScript API — 시/도 단위 위험지역 시각화 및 드릴다운

아키텍처

[Next.js 프론트엔드] │ REST API ▼ [FastAPI 백엔드] │ ├─ [PostgreSQL] 조회 로그(AES-256 암호화), 소방시설업 현황 캐시 │ └─ [외부 API / 데이터]

• 법제처 국가법령정보 공동활용 API (실시간)
• 소방청 소방시설업 현황 (공공데이터포털, 배치 적재)
• 소방청 전국 화재 현황 (필터링·집계 후 서빙)
• 전국 다중이용업소 현황 (필터링·집계 후 서빙)

실행 방법

Backend

cd backend
conda create -n fireshield python=3.12
conda activate fireshield
pip install -r requirements.txt

docker compose up -d                      # PostgreSQL 실행
python scripts/load_fire_businesses.py    # 소방시설업 현황 데이터 적재

uvicorn app.main:app --reload

.env 파일에 DATABASE_URL, LAW_API_KEY, ENCRYPTION_KEY 등 환경변수 설정이 필요합니다.

Frontend

cd frontend
npm install
npm run dev

.env.local에 NEXT_PUBLIC_API_BASE_URL, NEXT_PUBLIC_GOOGLE_MAPS_API_KEY 설정이 필요합니다.

향후 계획

• PostGIS 기반 공간쿼리로 다중이용업소·화재현황을 결합한 위험지역 세분화
• verify_logs 누적 데이터 기반 이상탐지 모델 도입
• 계좌 사기 이력 조회를 더치트 OpenAPI 등 외부 신고 데이터와 연동 (현재는 자체 로그 집계 + 공식 페이지 딥링크)
• AWS(ECS Fargate + RDS + Amplify) 배포