가짜 저자를 신고한 연구 논문 두 편이 모두 구두 발표로 채택됨 — 학술 AI 남용의 현실과 심사 체계의 한계
1. 사건의 개요: 학회 3곳에서 발견된 조작 흔적
2025년 학회 심사 데이터를 분석한 결과, NeurIPS·WACV·ECCV TerraBytes 워크숍에서 심사한 22편의 논문 중 15편(약 68%)에 조작된 인용, 조작된 저자 목록, 또는 명백한 LLM 생성 문장이 포함돼 있었습니다. 특히 눈에 띄는 것은 가짜 저자를 신고한 두 편의 논문도 참고문헌 수정이라는 조건만 붙여 그대로 구두 발표 슬롯에 채택됐다는 점입니다.
이 조사는 단순한 의심이 아니라 제출된 PDF 원문, 참고문헌 메타데이터, 등록된 저자 이메일 패턴을 자동으로 교차 검증한 결과입니다. 2025년 한 해에만 학술 문헌에 약 14만 6,900건의 환각 인용이 등장했다는 통계도 같은 흐름을 보여줍니다.
2. 어떻게 가짜 저자가 심사망을 통과했나
가짜 저자가 통과한 경로는 크게 세 갈래였습니다.
- 조작된 인용: 존재하지 않거나 전혀 관련 없는 논문을 참고문헌에 섞어 넣고, 자동으로 채워진 것처럼 보이게 함
- 조작된 저자 목록: 실제 동의하지 않은 유명 연구자의 이름을 ORCID·이메일과 함께 등록
- LLM 생성 문장: 표준적이지 않은 문장 구조, 환각 출처, 일관성 없는 인용 패턴이 본문 전체에 균일하게 나타남
흥미로운 점은 가짜 저자 신고가 들어온 두 편 모두 참고문헌 수정이라는 조건으로 구두 발표가 허용됐다는 사실입니다. 학회 운영진 입장에서는 '취소보다 교정이 더 빠른 길'이라는 실무적 판단이었던 것으로 보이지만, 이는 사실상 학술적 무결성에 대한 검증 실패로 기록될 수밖에 없습니다.
3. 68%라는 숫자가 말해주는 것
22편 중 15편이라는 비율은 우연의 영역이 아닙니다. 같은 시기에 발표된 다른 워크숍에서도 50~70% 대의 LLM/조작 흔적 비율이 보고되고 있습니다. 이는 두 가지를 동시에 시사합니다.
- AI 생성 도구의 사용 자체가 비정상화된 것은 아니지만, 그 사용 흔적을 식별하는 자동화 도구가 아직 표준화되지 않았음
- 학술 출판 파이프라인의 전 단계(예: 원고 점검, 참고문헌 검증, 저자 동의 확인)에서 자동화된 교차 검증이 필수
2025년 한 해 동안 14만 6,900건의 환각 인용이 학술 문헌에 등장했다는 통계는, 이 문제가 특정 학회나 워크숍에 국한된 사건이 아니라 학계 전반의 구조적 결함임을 보여줍니다.
4. 운영자가 현장에서 적용할 수 있는 검증 루틴
# 1) 참고문헌 DOI/링크 무결성 검사 (Python 예시)
import requests, re
refs = re.findall(r"https?://doi\.org/10\.\d{4,9}/[^\s]+", paper_text)
for doi in refs:
r = requests.get(doi, headers={"User-Agent": "Mozilla/5.0"}, timeout=10,
allow_redirects=True)
if r.status_code != 200:
print(f"[BROKEN] {doi} -> {r.status_code}")
# 2) LLM 생성 흔적 휴리스틱: 균일한 문장 길이 + 환각 패턴
avg_len = sum(len(s) for s in re.split(r"[.!?]\s+", paper_text)) / max(1, paper_text.count("."))
if 18 <= avg_len <= 24:
print("[WARN] 평균 문장 길이 LLM-typical 구간")이 코드 블록은 두 가지 핵심 점검을 자동화합니다. 첫째, DOI 링크가 살아있는지 실시간으로 확인해 환각 인용을 걸러냅니다. 둘째, 평균 문장 길이가 LLM이 선호하는 18~24자 구간에 몰려 있는지 확인해 LLM 생성 비율을 추정합니다. 운영 중인 저널 시스템이라면 이 두 가지 점검을 CI에 박아두는 것이 현실적인 첫걸음입니다.
5. 향후 1년의 과제
가짜 저자 두 편이 구두 발표에 채택된 사건은 단순한 일회성 사고가 아닙니다. AI 도구가 보편화된 환경에서 학술 무결성을 어떻게 유지할 것인가는 학회·출판사·연구자 세 주체가 함께 풀어야 할 과제입니다. 학회 쪽에서는 참고문헌 자동 검증과 저자 동의 워크플로우의 표준화가 필요하고, 출판사 쪽에서는 DOI 메타데이터 품질 관리에 더 많은 자원을 투입해야 하며, 연구자 개인 차원에서는 LLM 사용 내역의 투명한 공개 습관이 요구됩니다.
요약
- NeurIPS·WACV·ECCV TerraBytes 22편 중 15편(68%)에 조작 흔적 발견
- 가짜 저자 신고 논문 두 편도 참고문헌 수정 조건으로 구두 발표 채택
- 2025년 한 해 학술 문헌에 약 14만 6,900건의 환각 인용 발생
- DOI 무결성 + 평균 문장 길이 기반 자동 검증이 현장 적용의 첫걸음