정부 보이스피싱 종합대책 1년 만에 피해액이 43% 줄어든 배경에 있는 AI 통화 탐지·연합학습 모델·긴급차단 시스템의 작동 원리를 정리했다.
10개월 동안 20,900건이던 보이스피싱이 12,554건으로 줄었다. 피해액은 1조1,137억원에서 6,324억원으로, 거의 절반 가까이 떨어졌다. 2026년 9월 2일, 정부서울청사에서 열린 '보이스피싱 대응 범정부 TF' 회의가 공개한 수치다. 눈에 띄는 건 이 감소가 단속 강화가 아니라 AI 탐지 시스템과 초고속 차단 인프라의 결합에서 나왔다는 점이다. 어떻게 작동하길래 43%라는 숫자가 나왔을까.
보이스피싱은 기술 취약점이 아니라 사람의 판단을 노린다. 방화벽으로 막을 수 없고, 패치로 고칠 수 없다. 유일한 방어선은 "이 전화가 사기라는 걸 피해자보다 먼저 알아채는 것"인데, 사람이 실시간으로 통화 내용을 판단하기엔 너무 늦다. 이미 통화가 시작된 순간 피해자는 심리적으로 통제된 상태이기 때문이다.
그래서 방어의 축이 "사후 신고·수사"에서 "통화 중 실시간 개입"으로 옮겨갔다. AI가 통화 내용을 실시간으로 분석해 위험 신호를 잡아내고, 탐지된 번호는 최대한 빠르게 통신망에서 차단하는 구조다. 정부가 2025년 8월 발표한 '보이스피싱 근절 종합대책'이 1년 만에 이 구조를 실제로 가동시킨 결과가 이번 발표다.
이 체계는 크게 세 축으로 나뉜다.
① 통신사 AI 통화 앱: SKT '에이닷전화', KT '후후', LGU+ '익시오'가 각각 통화 중 실시간으로 위험 신호를 탐지한다. ② 은행권 공동 AI 탐지 모델: 금융보안원이 카카오뱅크·토스뱅크·케이뱅크와 함께 개발한 연합학습 기반 모델이 계좌 단위로 이상 거래를 잡아낸다. ③ 긴급차단 인프라: 경찰청 통합대응단과 중앙전파관리소가 통신사와 실시간으로 연동해 의심 번호를 정지시킨다.
세 축은 독립적으로 작동하지 않는다. 통화 중 탐지(①)가 신고로 이어지면 차단 인프라(③)가 번호를 정지시키고, 그 데이터가 다시 은행권 모델(②)의 학습 자료로 들어간다. 정부가 발표한 '의심정보 46만3,000건 공유, 663억6,000만원 사전 차단'이라는 수치는 이 세 축이 데이터를 주고받은 결과다.
통화 중 탐지: STT와 위험 발화 감지
SKT 에이닷전화는 통화 중 음성을 실시간 텍스트 변환(STT)한 뒤 자연어처리(NLP)로 분석한다. "안전 계좌로 옮겨주세요", "수사에 협조해달라" 같은 보이스피싱 특유의 발화 패턴이 잡히면 화면에 경고 팝업을 띄운다. 신고 이력이 없는 낯선 번호라도 통화 흐름 자체의 패턴(예: 일방적으로 송금을 유도하는 대화 구조)으로 사전 탐지가 가능하다. KT 후후는 여기에 화자 인식과 '딥보이스 탐지'를 추가했고, LGU+ 익시오는 음성 데이터를 서버로 보내지 않고 단말기 안에서 바로 분석하는 온디바이스 AI 방식의 안티딥보이스 기능을 세계 최초로 상용화했다. 서버 전송이 없다는 건 대화 내용이 외부로 나가지 않는다는 뜻이라, 사생활 문제와 실시간성 문제를 동시에 해결하는 설계다.
연합학습: 데이터는 안 섞고 모델만 합친다
은행권 AI 모델의 핵심은 '연합학습(federated learning)'이라는 방식이다. 보통 여러 기관이 AI를 공동 개발하려면 각자의 거래 데이터를 한곳에 모아야 하는데, 금융권에서는 이게 불가능하다 — 개인정보보호법상 은행 간 거래 데이터 공유 자체가 제한된다. 연합학습은 이 문제를 데이터가 아니라 '모델'만 공유하는 방식으로 풀었다. 카카오뱅크·토스뱅크·케이뱅크는 각자 자기 데이터로 모델을 학습시킨 뒤, 원본 데이터가 아니라 학습된 모델(가중치)만 금융보안원에 보낸다. 금융보안원은 이 모델들을 하나로 합쳐 하나의 공동 탐지 모델을 만든다. 결과적으로 어느 은행도 다른 은행의 거래 내역을 보지 않았는데도, 세 은행의 사기 패턴을 모두 학습한 모델이 만들어진다. 이 방식으로 개별 은행 모델 대비 탐지 성능이 최대 205% 향상됐다고 금융보안원은 밝혔다. 2026년 4분기에는 이 모델을 정보공유·분석 플랫폼(ASAP)에 얹어 제2금융권까지 확장할 계획이다.
긴급차단: 2~3일에서 실시간으로
번호가 의심스럽다고 판단되면, 예전에는 경찰청·지자체·금융감독원이 각자 통신사에 수작업으로 확인·요청을 넣어야 했다. 어느 통신사 번호인지부터 확인하는 데만 시간이 걸려 차단까지 2~3일이 걸렸다. 2026년 8월, 중앙전파관리소 시스템이 개편되면서 불법 의심 번호의 소속 통신사를 실시간으로 식별하고, 경찰청 통합대응단의 통합분석대응시스템과 API로 직접 연결됐다. 정부 발표는 이 차단 소요 시간을 10분 이내로, 관련 기술 보도는 시스템 전체 처리 기준으로 24시간 이내를 언급하고 있어 정확한 병목 구간별 소요 시간까지는 원문 대조가 더 필요하지만, 방향은 분명하다 — 수작업 확인 절차를 API 연동으로 대체해 일 단위였던 대응을 시간 단위로 줄였다는 것이다. 차단은 즉시 완전 정지가 아니라 7일 임시 차단 후 완전 이용중지로 넘어가는 2단계 구조다. 이 체계로 종합대책 시행 이후 누적 11만5,088건의 번호가 차단됐다.
방어가 정교해지면 공격 수법도 함께 진화한다. 가장 오래된 우회법은 발신번호 변작이다. 선불 유심을 '심박스(SIM box)'라는 장비에 여러 개 꽂아 해외나 인터넷전화 발신을 국내 010번호처럼 위장한다. 정부는 이 변작 중계기 자체의 제조·수입·유통·판매·대여를 금지하는 개정 전기통신사업법을 2026년 5월 19일부터 시행했다 — 탐지 기술이 아니라 유통 자체를 끊는 접근이다.
더 정교한 수법은 신뢰 자체를 조작하는 것이다. 범죄조직은 검찰·경찰·금융감독원의 실제 전화번호 수십 개를 확보해두고, 피해자가 의심스러워 직접 그 번호로 확인 전화를 걸어도 조직이 받도록 우회 연결을 조작한 사례가 확인됐다. "직접 확인해보라"는 통상적인 조언 자체가 무력화되는 지점이다.
AI 탐지망을 정면으로 우회하려는 시도도 나타났다. 감정 표현까지 자연스러운 음성합성(딥보이스)으로 가족의 목소리를 흉내 내고, 여기에 얼굴까지 합성한 영상 딥페이크를 결합하는 사례가 보고된다. 2024년 5월 부산에서는 60대 여성이 딸 목소리를 흉내 낸 AI 음성에 속아 2천만원을 건네려다 은행원의 제지로 미수에 그쳤다. 2025년 4월 서울 지하철에서는 "엄마 살려줘"라는 AI 음성에 속아 송금하려던 시민을 지하철 직원이 막아선 사례도 있었다. 두 사례 모두 AI 탐지 시스템이 아니라 사람의 개입으로 막혔다는 공통점이 있다 — 딥보이스처럼 완전히 새로운 변조 패턴은 기존 학습 데이터에 없어 AI 모델이 놓칠 가능성이 구조적으로 남아있다는 뜻이다.
참고로 미국은 STIR/SHAKEN이라는 표준으로 VoIP 통화의 발신자 신원을 암호학적 인증서로 검증하는 방식을 2021년부터 의무화해 발신번호 변작 자체를 원천 차단하려 한다. 한국의 현재 체계는 변작을 사후에 탐지·차단하는 쪽에 가까워, 접근 방식의 차이가 있다.
보이스피싱 방어는 사후 수사에서 실시간 AI 개입으로 축이 옮겨갔고, 그 결과가 10개월간 피해액 43% 감소로 나타났다. 핵심 동력은 통신사 3사의 실시간 통화 분석과, 개인정보를 공유하지 않고도 은행 3사의 데이터를 합친 연합학습 모델이다. 다만 6,324억원이라는 잔여 피해와 딥보이스·심박스 같은 우회 수법은, 이 탐지망이 완성형이 아니라 계속 갱신되어야 하는 방어선이라는 걸 보여준다.
AI 활용 안내 이 글은 AI(Claude)의 도움을 받아 작성되었습니다. 인용된 통계와 사례는 참고 자료에 명시된 출처에 근거하며, 설명을 위한 일부 표현은 각색되었습니다.
면책 조항 본 글은 보안 인식 제고를 위한 교육 목적으로 작성되었습니다. 언급된 공격 기법을 실제로 시도하는 행위는 「정보통신망법」, 「형법」 등에 따라 처벌받을 수 있으며, 본 블로그는 이에 대한 법적 책임을 지지 않습니다.