오픈소스 조사의 새로운 무기, 턴스톤

국제 탐사보도 전문 매체 벨링캣이 항공 데이터를 시각화하고 분석할 수 있는 새로운 도구 '턴스톤(Turnstone)'을 공개했다. 이 도구는 하루 10만 건에 달하는 전 세계 항공편 데이터에서 비정상적인 패턴을 탐지하고, 역사적 추세를 파악할 수 있도록 설계됐다.

턴스톤은 자동종속감시방송(ADS-B) 데이터를 기반으로 작동한다. ADS-B는 대부분의 민간 항공기에 탑재된 기술로, 항공기의 식별 정보, 기종, 정확한 위치, 속도, 고도 등을 실시간으로 송출한다. 다만 국가별 규정 차이가 있으며, 군용기는 송출하지 않는 경우도 있다.

기존 도구와의 차별점

플라이트레이더24(Flightradar24)나 ADS-B 익스체인지(ADS-B Exchange) 같은 기존 항공 추적 웹사이트들은 특정 시간대나 개별 항공기의 과거 데이터만 제공한다. 반면 턴스톤은 여러 항공기의 데이터를 장기간에 걸쳐 집계하고, 두 개의 관심 지역을 동시에 검색할 수 있는 기능을 제공한다.

사용자는 항공기 기종, 지리적 영역, 비행 방향 등 다양한 매개변수로 데이터를 필터링할 수 있다. 이를 통해 오픈소스 조사관들은 특정 항공기 움직임이 어떤 맥락에서 발생했는지 더 정확하게 파악할 수 있게 된다.

실제 사례: 이란 공습 전 미군 급유기 이상 징후 포착

턴스톤의 활용 가능성을 보여주는 대표적 사례가 있다. 2026년 2월 28일, 미국과 이스라엘은 이란에 대한 합동 공습을 단행해 이란 지도부 인사를 포함한 1,000명 이상이 사망한 것으로 알려졌다. 이는 2025년 6월 이란 핵시설 3곳에 대한 폭격 이후 극적인 긴장 고조를 의미했다.

벨링캣은 턴스톤을 활용해 두 차례 공습 이전 시점의 항공 데이터를 분석했다. 북대서양 지역을 관심 영역으로 설정하고, 항공기 유형을 급유기로, 비행 방향을 동쪽으로 필터링한 결과, KC-135와 KC-46A 같은 미군 공중급유기들이 대서양을 횡단해 이란 방향으로 대량 이동하는 패턴이 포착됐다. 공중급유기는 장거리 전투 임무에 필수적인 항공기로, 이러한 이상 징후는 대규모 군사 작전의 전조로 해석될 수 있다.

검색 결과 4만 건 이상의 항공기 위치 데이터가 필터 조건에 부합했으며, 추가로 "United States"를 입력해 미국 소속 급유기만 추출하는 것도 가능했다.

이 흐름은 언제부터? 오픈소스 인텔리전스의 부상

오픈소스 인텔리전스(OSINT)는 2014년 우크라이나 말레이시아 항공기 격추 사건 조사를 계기로 국제적 주목을 받기 시작했다. 벨링캣은 당시 SNS 게시물과 위성사진을 분석해 러시아군의 개입을 입증했고, 이후 OSINT의 대표 주자로 자리매김했다.

2022년 러시아의 우크라이나 전면 침공 이후 OSINT의 중요성은 더욱 부각됐다. 일반 시민들도 공개된 항공 데이터, 위성 영상, SNS 정보 등을 조합해 군사 동향을 분석하는 '시민 정보 분석가' 역할을 수행하기 시작했다. 턴스톤의 출시는 이러한 OSINT 도구의 진화 과정에서 최신 단계에 해당한다.

도구의 한계와 접근 방식

벨링캣은 턴스톤의 몇 가지 한계도 명시했다. 항공기 범주 분류에는 대규모언어모델(LLM)인 클로드 소넷 4.0이 활용됐는데, LLM 특성상 잘못된 분류가 발생할 수 있다. 또한 소유권 데이터가 최신 상태가 아닐 수 있으며, 신규 등록 항공기는 데이터가 없을 수도 있다.

턴스톤의 소스 코드는 벨링캣 깃허브(GitHub)에 공개돼 있어 누구나 자체 호스팅이 가능하다. 웹 기반 버전도 존재하지만, 데이터 호스팅 및 처리 비용 문제로 기자와 학술 연구자에게 선별적으로 접근 권한이 부여된다. 벨링캣의 목표에 부합하는 오픈소스 조사를 수행하는 연구자에게 우선권이 주어진다.

앞으로의 전망 [AI 분석]

턴스톤과 같은 도구의 등장은 오픈소스 조사의 민주화를 더욱 가속화할 가능성이 높다. 과거에는 정보기관만 접근 가능했던 수준의 항공 데이터 분석이 이제 언론인, 연구자, 시민단체에도 열리게 됐다.

이는 양면적 함의를 지닌다. 긍정적으로는 권력 감시와 투명성 제고에 기여할 수 있다. 군사 작전이나 비밀 활동의 징후를 사전에 포착함으로써 언론과 시민사회가 정부 발표에만 의존하지 않고 독자적 검증을 수행할 수 있게 된다.

반면 이러한 도구의 확산은 국가 안보 측면에서 우려를 낳을 수 있다. 군사 작전의 보안 유지가 어려워질 수 있으며, 악의적 행위자가 동일한 도구를 역으로 활용할 가능성도 배제할 수 없다.

향후 OSINT 도구들은 인공지능(AI) 기술과의 결합을 통해 더욱 정교해질 것으로 예상된다. 대량의 데이터에서 패턴을 자동 탐지하고 이상 징후를 실시간 알림하는 기능이 강화될 가능성이 높다. 다만 LLM 기반 분류의 정확성 문제, 데이터 접근 비용, 윤리적 사용 가이드라인 마련 등 해결해야 할 과제도 남아 있다.