<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:itunes="http://www.itunes.com/dtds/podcast-1.0.dtd" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>경찰 증거분석과 인공지능</title>
    <description>경찰 증거분석과 인공지능. 인공지능의 변화와 현장 활용을 살펴봅니다.</description>
    <link>https://kimkj.com/podcast/police-evidence-ai</link>
    <language>ko</language>
    <atom:link href="https://kimkj.com/podcast/police-evidence-ai/feed.xml" rel="self" type="application/rss+xml"/>
    <itunes:author>김경진</itunes:author>
    <itunes:owner><itunes:name>김경진</itunes:name><itunes:email>kimkj008@gmail.com</itunes:email></itunes:owner>
    <itunes:image href="https://kimkj.com/podcast/police-evidence-ai/cover.jpg"/>
    <itunes:category text="Science"><itunes:category text="Social Sciences"/></itunes:category>
    <itunes:type>episodic</itunes:type>
    <itunes:explicit>false</itunes:explicit>
    <item>
      <title>경찰 증거분석과 인공지능 | 2026-10-31</title>
      <description>김경진 변호사가 제공한 자료를 바탕으로 원문 소개·해설 중심으로 구성한 2026년 10월 31일 한국어 합본입니다.

1. 로잔대와 벨기에 왕립군사학교, 휴대용 근적외선 분광과 계층형 머신러닝으로 현장 폭발물을 식별하다
2. 앙카라대, 법의인류학 신원 감정을 위한 YOLOv12 기반 골절 자동 검출을 검증하다
3. 잉크, 수면유도제, 대마 성분까지, 분광 데이터와 머신러닝을 결합한 법과학 화학 분석 연구 세 건
4. 유락, 도쿄 위기관리 박람회에서 AI 멀티모달 디지털 포렌식 솔루션 디파스를 시연하다

각 소주제는 해당 자료 한 개만 선택한 Brief 형식으로 따로 생성한 뒤 순서대로 이었습니다. 프로그램 소개는 첫 부분에만 있습니다. 자료의 주장, 수치, 평가는 각 출처에 귀속되며 김경진 변호사의 직접 취재나 저술이 아닙니다.

음원은 AI로 생성했습니다. 마지막의 제공 고지는 AI 음성입니다.</description>
      <enclosure url="https://kimkj.com/podcast/police-evidence-ai/ep/20261031.mp3" length="13034727" type="audio/mpeg"/>
      <guid isPermaLink="false">kimkj-police-evidence-ai-20261031</guid>
      <pubDate>Sat, 31 Oct 2026 09:03:56 +0900</pubDate>
      <itunes:duration>543</itunes:duration>
      <itunes:explicit>false</itunes:explicit>
    </item>
    <item>
      <title>경찰 증거분석과 인공지능 | 첫 시험 회차 2026-10-29</title>
      <description>경찰 증거 분석과 인공지능. 김경진 변호사가 제공한 공개 기술·정책·학술자료를 소개한 한국어 합본입니다. 실제 비공개 수사자료나 개인을 식별하는 사건정보는 사용하지 않았습니다.

1. 스위스 모르주 지역경찰의 Trinity 보고서 초안 작성과 담당자 검토·서명 절차
2. 중국 진장시 공안국의 자첸사오(诈前哨): 맞춤형 사기예방 권고, 경찰·은행 연계 지급정지, 기관 발표 성과
3. 스마트폰 이미지 기반 구개주름 성별 추정 연구와 국과수 ATRIP 단락흔 감정 플랫폼: 연구와 현장 운영의 구분
4. 남아공 경찰의 바디캠·대시캠 AI 조달 공고와 원문에 제기된 데이터 연계·프라이버시 논의

소개한 수치의 범위를 구분했습니다. 구개주름 정확도77%는18~40세 생존 성인240명 시험집단의 결과이지 시신 신원을 확정하는 지표가 아닙니다. ATRIP의3~4주에서 수시간으로의 단축은 증거 채취부터 회보까지 전체 감정절차끼리의 비교이며 감정관의 최종 판단을 거칩니다. 남아공 사례는 조달 단계이지 운영 성과 발표가 아닙니다. 논문을 소개한 보도일을 논문 게재일로 단정한 부분과 원자료에 없는 사기방지 절차·성과 수치, 수상을 실효성 입증으로 바꾼 표현은 삭제했습니다.

자료별 원문에 포함된 연구 한계·검토 절차·정책 논란은 남기고, 별도의 일반적 AI 훈계나 반문을 덜어냈습니다. 소주제별로 해당 자료 하나만 선택한 Brief를 합쳤습니다. AI 생성·편집 음원입니다. 기존 회차의 GUID와 게시일을 유지하고 새 버전 음원으로 교체했습니다.</description>
      <enclosure url="https://kimkj.com/podcast/police-evidence-ai/ep/20261029-trial-r2.mp3" length="11127579" type="audio/mpeg"/>
      <guid isPermaLink="false">kimkj-police-evidence-ai-20261029-trial</guid>
      <pubDate>Thu, 29 Oct 2026 14:28:04 +0000</pubDate>
      <itunes:duration>464</itunes:duration>
      <itunes:explicit>false</itunes:explicit>
    </item>
  </channel>
</rss>
