Community연구 & 데이터 분석github.com

경쟁 가설 분석 (ACH)

CTI 생애주기 각 단계를 위한 사이버 위협 인텔리전스 스킬입니다.

경쟁 가설 분석 (ACH)란 무엇인가요?

ACH(경쟁 가설 분석)는 사이버 위협 인텔리전스(CTI) 분석가가 인지 편향, 특히 확인 편향의 영향을 줄이면서 모든 중요한 증거를 모든 가능한 가설에 대해 체계적으로 평가할 수 있도록 돕는 구조화된 분석 기법입니다. 이 기술은 귀인( attribution ), 모호한 상황, 고위험 평가, 그리고 분석가 간 의견 충돌이 있는 경우에 특히 유용합니다. 사용자는 최소 3개의 가설을 생성하고, 증거의 신뢰도를 평가한 후 일관성 매트릭스를 구축하여 각 가설과 증거 간의 일치 여부(C, I, NA)를 표시합니다. ACH의 핵심은 가설을 입증하는 것이 아니라 반증에 초점을 맞추는 것이며, 분석가가 최종 보고서에 가장 유력한 가설, 민감도 분석, 기각된 가설의 이유를 명확히 제시하도록 합니다. 이 스킬은 모든 LLM 기반 도구(Claude Code, Cursor, Codex 등)에서 사용할 수 있으며, 마크다운 형식의 단계별 절차와 템플릿을 제공하여 분석 프로세스를 표준화합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add Liberty91LTD/cti-skills

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

경쟁 가설 분석 (ACH)은(는) 무엇을 하나요?

ACH는 CTI를 위한 가장 중요한 구조화된 분석 기법입니다. 이 기법은 모든 중요한 증거를 모든 타당한 가설에 대해 평가하도록 강제하여 인지 편향, 특히 확인 편향의 영향을 줄여줍니다.

ACH를 사용해야 하는 경우

  • 귀인 질문: "이 캠페인의 배후는 누구인가?"
  • 모호한 상황: 여러 가지 그럴듯한 설명이 존재하는 경우
  • 고위험 평가: 잘못된 판단이 심각한 결과를 초래하는 경우
  • 논쟁이 되는 분석: 분석가들이 결론에 동의하지 않는 경우

단계별 절차

1단계: 가설 생성

모든 합리적인 가설을 나열하세요. 가능성 없는 가설도 포함하세요 — 핵심은 조기에 범위를 좁히지 않는 것입니다.

규칙:

  • 최소 3개의 가설 (2개만 있다면 이진 사고를 하고 있는 것입니다)
  • 최소한 하나는 당신의 초기 직관에 도전하는 가설을 포함하세요
  • 가능한 경우 가설은 상호 배타적이어야 합니다
  • 적절한 경우 "알려지지 않은 행위자" 또는 "우연"을 가설로 포함하세요

2단계: 중요한 증거 나열

가설과 관련된 모든 증거와 논거를 열거하세요.

각 증거에 대해 다음을 기록하세요:

  • 증거에 대한 설명
  • 출처 (해군성 척도(Admiralty Scale) 등급 포함)
  • 직접 증거, 정황 증거, 또는 증거 부재 여부

3단계: 일관성 매트릭스 구축

각 셀을 다음과 같이 표시하세요:

  • C (일관됨, Consistent) — 증거가 이 가설을 지지함
  • I (일관되지 않음, Inconsistent) — 증거가 이 가설과 모순됨
  • NA (해당 없음, Not Applicable) — 증거가 이 가설과 관련 없음

매트릭스 템플릿

| 증거 | 출처 등급 | H1: [이름] | H2: [이름] | H3: [이름] | H4: [이름] |
|----------|:---:|:---:|:---:|:---:|:---:|
| E1: [설명] | B2 | C | I | C | NA |
| E2: [설명] | A1 | C | C | I | C |
| E3: [설명] | C3 | I | C | C | NA |
| E4: [설명] | B2 | C | I | I | C |
| E5: [설명] | D4 | C | C | C | I |
| **불일치 수** | | **1** | **2** | **2** | **1** |

4단계: 매트릭스 분석

핵심 원칙: 가설을 입증하는 것이 아니라 반증(disproving)하는 데 초점을 맞추세요.

확인 편향은 우리가 선호하는 가설을 확증해 주는 증거를 찾도록 만듭니다. ACH는 불일치에 초점을 맞춤으로써 이를 상쇄합니다.

  • 각 가설의 불일치 수를 세세요
  • 증거 품질에 따라 불일치에 가중치를 두세요 (A1 등급 불일치가 D4 등급보다 중요함)
  • 불일치가 가장 적고 (그리고 가장 약한) 가설이 가장 유력합니다

5단계: 민감도 평가

각 증거에 대해 다음을 질문하세요:

  • 이 증거가 틀렸다면 순위가 바뀌겠습니까?
  • 어떤 증거 항목이 "핵심" 증거입니까? (이를 제거하면 결론이 바뀝니까?)
  • 핵심 항목이 단일 출처에서 비롯된 것입니까?

6단계: 결론 도출

  • 가장 유력한 가설을 신뢰 수준과 함께 명시하세요
  • 대안 가설이 기각된 이유를 설명하세요 (어떤 증거가 모순되는지)
  • 가설 간을 가장 강력하게 구별하는 증거를 식별하세요
  • 핵심 증거와 그 신뢰성을 기록하세요
  • 결론이 하나 또는 두 개의 증거에 민감한 경우 이를 표시하세요

7단계: 보고

## ACH 분석: [질문]

### 평가된 가설
1. H1: [설명]
2. H2: [설명]
3. H3: [설명]

### 일관성 매트릭스
[3단계의 매트릭스]

### 평가
[가장 유력한 가설과 신뢰 수준 및 근거]

### 주요 구별 증거
[가설을 가장 강력하게 구분하는 증거]

### 민감도 분석
[어떤 증거가 핵심인가? 무엇이 결론을 바꿀 수 있는가?]

### 기각된 가설
- H2 기각 이유: [특정 증거가 모순됨]
- H3 기각 이유: [특정 증거가 모순됨]

### 주의사항
[한계점, 정보 격차, 가정]

흔한 실수

  • 가설이 너무 적음 — 2개의 가설은 이진 사고이지 ACH가 아닙니다
  • 표시에서의 확인 편향 — 선호하는 가설에 대해 "C"를 너그럽게 부여하는 것
  • 증거 부재를 무시함 — "짖지 않은 개"가 중요할 수 있습니다
  • 동등한 가중치 부여 — A1 등급 불일치가 D4 등급보다 더 중요하게 평가되어야 합니다
  • 너무 일찍 중단 — ACH는 새로운 증거가 나타날 때 매트릭스를 재검토할 때 가장 효과적입니다
  • 투표로 취급 — ACH는 일관성 개수가 아닌 불일치에 관한 것입니다

관련 스킬