법정에 들어온 가짜
2026년 법정의 가장 까다로운 질문 하나. 화면에 보이는 이 영상이 정말 일어난 일인가, 아니면 AI가 만든 가짜인가. 미국, 유럽, 인도, 한국 모두 같은 질문 앞에 서 있고, 판사는 이제 영상 증거를 보는 즉시 진위를 판단해야 한다.
이 글은 법의학 전문가가 진짜와 가짜를 가르는 5가지 단서, 그리고 C2PA 같은 새 출처 표준이 어떻게 법정의 진위 판단을 바꾸는지를 검증된 출처로 차분히 정리한다.
단서 1 — 조명 불일치
첫 번째 단서는 조명이다. AI가 만든 영상은 종종 광원의 방향과 그림자의 방향이 일치하지 않는다. 사람 얼굴에는 빛이 왼쪽에서 들어오는데, 같은 화면 안의 다른 객체에는 빛이 오른쪽에서 들어오는 식의 미세한 불일치가 발생한다.
법의학 전문가는 화면을 프레임별로 분석해 이 불일치를 찾는다. 도구는 광원 추정 알고리즘, 그림자 방향 측정 도구, 다중 광원 시뮬레이션 등이다. 사람의 직관으로도 어색함을 느끼는 경우가 있지만, 정밀 분석은 광원 방향을 도 단위로 측정해 일관성을 검증한다.
단서 2 — 얼굴 미세 움직임
두 번째 단서는 얼굴의 미세 움직임이다. 사람의 얼굴은 말할 때 입술뿐 아니라 눈가, 광대, 턱 근육이 동시에 미세하게 움직인다. 미세표정 연구는 이 움직임이 사람마다 거의 고유한 패턴을 가진다는 점을 밝혔다.
AI가 만든 얼굴은 이 미세 근육 움직임이 부자연스럽거나, 입술만 움직이고 다른 부위는 정지된 형태로 나타나는 경우가 많다. 법의학 전문가는 ms 단위로 얼굴 각 영역의 움직임을 측정하고, 영역 간 동기성을 점검한다.
단서 3 — 음성-영상 동기화
세 번째 단서는 음성과 영상의 동기화다. 사람이 말할 때 입술 모양과 발음 사이에는 약 40ms 이내의 정확한 동기화가 있다. 딥페이크에서는 이 동기화가 미세하게 어긋나는 경우가 많고, 특히 한 단어 안의 자음과 모음 사이에서 입술 모양이 부자연스럽게 늘어진다.
분석 방법은 음성 파형과 영상 프레임을 시간축에 겹쳐 검토하는 방식이다. 정상 영상에서는 발음의 변화 지점과 입술 모양의 변화 지점이 ms 단위로 정확히 맞물린다. 딥페이크는 이 정합이 미세하게 늘어지거나 흔들린다.
단서 4 — 생성 아티팩트
네 번째 단서는 AI 생성 모델 특유의 아티팩트다. 얼굴 경계의 흐릿함, 머리카락의 부자연스러운 윤곽, 귀의 비대칭, 눈동자의 반사광 부재 등이 대표적이다.
이런 아티팩트는 사람 눈으로는 잘 안 보이지만, 픽셀 단위 분석에서는 특정 패턴으로 나타난다. 예를 들어 얼굴 경계의 미세한 번짐은 합성 알고리즘이 두 이미지를 이어 붙인 흔적이고, 눈동자에 반사광이 없는 것은 광원 환경을 정확히 시뮬레이션하지 못한 결과다.
단서 5 — 메타데이터 흔적
다섯 번째 단서는 영상 파일 자체의 메타데이터다. 정상 영상은 카메라 모델, 촬영 시각, GPS 좌표, 인코딩 설정 등이 일관되게 기록된다.
AI가 만든 영상은 이 메타데이터가 누락되거나, 시간과 장소 정보가 영상 내용과 모순되는 경우가 있다. 예를 들어 메타데이터의 촬영 시각은 한낮인데 영상 속 장면은 밤인 경우, 즉시 의심 신호가 된다. 메타데이터 검사는 비교적 빠르게 가능한 1차 점검이라 법의학 전문가가 가장 먼저 수행한다.
C2PA — 사전 인증의 시대
이 모든 검사를 사후 분석이 아니라 사전 인증으로 바꾸려는 시도가 C2PA(Coalition for Content Provenance and Authenticity)다. C2PA는 미디어가 생성되는 시점에 카메라나 편집 도구가 디지털 서명을 새기는 표준이다.
이 서명은 영상이 누구에 의해 어떻게 만들어졌는지, 어떤 편집을 거쳤는지를 변경 불가능한 형태로 기록한다. 어도비, 마이크로소프트, BBC 등이 채택했고, 카메라 제조사들도 단계적으로 도입 중이다. C2PA가 보편화되면, 영상을 보는 즉시 출처와 편집 이력을 확인할 수 있게 된다.
다만 현재 시점에서 C2PA는 강제 표준이 아니다. 채택한 도구로 만든 영상만 인증이 가능하고, 그렇지 않은 영상은 여전히 사후 분석이 필요하다. 따라서 향후 5년은 “사후 분석 + 사전 인증”이 병행되는 과도기가 될 것이다.
XAI — 설명 가능한 검출
법정의 또 다른 과제는 검출 결과의 설명 가능성이다. AI 검출 도구가 “이 영상은 86퍼센트 가짜”라고만 답하면, 판사는 그 결정을 신뢰하기 어렵다. 미국 Federal Rules of Evidence Rule 702에 따르면, 전문가 증언은 그 방법론이 신뢰할 수 있고 사건에 적용 가능해야 한다. 단순 확률 점수는 이 기준을 충족하기 어렵다.
그래서 등장한 것이 XAI, Explainable AI다. 검출 결과뿐 아니라 어떤 단서가 어떤 비중으로 작용했는지를 함께 보여주는 방식이다. “이 영상이 가짜라고 판단한 이유는 첫째 광원 불일치 40퍼센트, 둘째 얼굴 미세 움직임 부재 30퍼센트, 셋째 메타데이터 누락 20퍼센트”처럼 분해된 결과를 제공한다.
이는 법정의 admissibility, 즉 증거 능력 판단에 결정적이다. 분해된 근거가 있어야 변호사가 검증할 수 있고, 판사가 그 근거를 평가할 수 있기 때문이다.
한국 법정의 현재
한국 법정도 같은 문제 앞에 있다. 2024년 이후 딥페이크 관련 형사 사건이 빠르게 늘었고, 특히 딥페이크 음란물 사건이 사회적 이슈가 됐다. 국립과학수사연구원은 영상 진위 분석 부서를 별도로 운영 중이고, 일부 사건에서는 국제 협력을 통해 분석을 진행한다.
그러나 한국은 아직 C2PA 같은 사전 인증 표준이 법적으로 명문화되어 있지 않고, 사후 분석에 의존하는 단계다. 또한 형사소송법상 디지털 증거의 진위 판단 기준이 딥페이크 시대 이전의 틀에서 크게 벗어나 있지 않아, 법제 정비가 필요한 상황이다.
향후 5년의 법제 정비가 이 분야의 가장 큰 변수다. C2PA 같은 사전 인증 표준의 법적 인정, XAI 검출 결과의 증거 능력 인정, 그리고 국과수의 분석 역량 확대가 동시에 진행되어야 한다.
보는 즉시 진위를 판단하는 시대
조명, 얼굴 미세 움직임, 음성 동기화, 생성 아티팩트, 메타데이터. 다섯 가지 단서가 진짜와 가짜의 경계를 가른다. 그러나 더 중요한 변화는 사전 인증과 설명 가능한 검출이다.
C2PA가 보편화되고 XAI 검출이 법정 표준이 되면, 판사가 영상을 보는 즉시 그 진위와 출처를 확인할 수 있는 시대가 온다. 그것이 향후 5년 디지털 포렌식의 핵심 방향이다. 증거의 힘은 결국 그 증거가 얼마나 검증 가능한지에 달려 있고, 검증 가능성을 시스템적으로 보장하는 일이 다음 시대의 과제다.
