그래프 데이터베이스와 AI를 활용한 가상자산 조세포탈 대응 방안
Analysis of Tax Evasion through Virtual Asset based on Graph Database and AI
장희원(국세청 과학조사담당관실)
12호, 77~115쪽
초록
가상자산(Virtual Asset)은 본질적으로 내재된 익명성(Anonymity)과 탈중앙성(Decentralization) 특성으로 인하여 불법 자금세탁, 조세포탈, 테러 자금 조달 등 다양한 범죄 수단으로 악용되는사례가 급증하고 있다. 이러한 문제에 대응하기 위해 우리나라는 2021년 ｢특정 금융거래정보의보고 및 이용 등에 관한 법률｣ 개정을 통해 가상자산 거래자 신원 확인 제도(Know Your Customer, KYC)를 도입하여 시행하고 있다. 가상자산 거래자 신원 확인 제도의 시행에 따라 중앙화 거래소(Centralized Exchange, CEX)를경유하는 가상자산 거래에 대해서는 거래자의 신원을 확인할 수 있는 법적 근거가 마련되었다. 그러나 중앙화 거래소와 직접적으로 연결되지 않은 탈중앙화 거래소(Decentralized Exchange, DEX) 거래, 개인 간 직접 거래(Peer-to-Peer Transaction), 그리고 프라이버시 코인(Privacy Coin) 등을 활용한 가상자산 거래는 여전히 익명성 문제가 해결되지 않아 규제의 사각지대로 남아있는 실정이다. 이러한 규제 사각지대에서 발생하는 조세포탈 목적의 가상자산 거래를 식별하기 위해서는 블록체인 상에 기록되는 트랜잭션 데이터를 체계적으로 분석하여 활용하는 것이 필요하다. 그러나 현재까지 블록체인 트랜잭션 데이터를 활용한 가상자산 조세포탈 탐지 및 대응 방안에 관한 학술적연구는 매우 제한적이며, 실무적 적용 방안에 대한 체계적인 연구는 부족한 실정이다. 본 연구는 이러한 연구 공백을 해결하기 위해 블록체인 트랜잭션 데이터를 그래프 데이터베이스(Graph Database)로 모델링하고, 인공지능(Artificial Intelligence) 기술을 활용하여 분석하는방법론을 제시한다. 특히 본 연구에서는 그래프 데이터베이스로 모델링된 거래 내역에서 조세포탈 거래를 직접적으로 예측하는 접근법보다는 지갑 주소별 이상 거래 패턴(Anomalous Transaction Pattern)을 탐지하는 간접적 접근법을 채택하였다. 또한 탐지된 이상 거래 패턴의 발생 원인을머신러닝(Machine Learning) 기법을 통해 정량적으로 수치화하여 분석함으로써 조세포탈과의연관성을 체계적으로 해석하고, 실증 사례를 수집하여 분석하였다. 이를 바탕으로 그래프 데이터베이스와 인공지능을 기반으로 한 조세포탈 위험도 분석 방법론을 개발하여 효과적인 가상자산조세포탈 대응방안을 제시하는 것을 연구의 목적으로 한다.
Abstract
Virtual assets are increasingly being exploited as instruments for various criminal activities, including illegal money laundering, tax evasion, and terrorist financing, due to their inherent characteristics of anonymity and decentralization. In response to these emerging challenges, South Korea implemented the Know Your Customer (KYC) system for virtual asset traders in 2021 through amendments to the “Act on Reporting and Using Specified Financial Transaction Information.” The implementation of the virtual asset trader identification system has established a legal framework for identifying the identities of traders in virtual asset transactions conducted through centralized exchanges (CEX). However, virtual asset transactions that are not directly connected to centralized exchanges—including decentralized exchange (DEX) transactions, peer-to-peer transactions, and transactions utilizing privacy coins—continue to present anonymity challenges, remaining in regulatory blind spots. To identify virtual asset transactions for tax evasion purposes occurring within these regulatory blind spots, it is necessary to systematically analyze and utilize transaction data recorded on blockchain networks. However, academic research on the detection and countermeasures for virtual asset tax evasion utilizing blockchain transaction data remains extremely limited to date, and systematic research on practical application approaches is insufficient. This study aims to address this research gap by proposing a methodology that models blockchain transaction data using graph databases and analyzes it through artificial intelligence (AI) technology. Specifically, this research adopts an indirect approach that detects anomalous transaction patterns by wallet address rather than directly predicting tax evasion transactions from transaction records modeled in graph databases. Furthermore, the study quantitatively analyzes the underlying causes of detected anomalous transaction patterns through machine learning techniques to systematically interpret their correlation with tax evasion, and collects and analyzes empirical cases. Based on these findings, the research objective is to develop a risk analysis methodology for tax evasion based on graph databases and artificial intelligence, thereby presenting effective countermeasures for virtual asset tax evasion.
- 발행기관:
- 대검찰청
- 분류:
- 과학기술과법