가볍게 보이는 사소한 이상 신호가 시간이 지나면 집단 피해로 번진다. 출금 지연이 하루 이틀 누적되고, 고객센터 답변이 템플릿처럼 반복되고, 커뮤니티에 비슷한 하소연이 늘면 이미 현금 흐름이 흔들렸을 가능성이 높다. 토나와에서 검증을 맡아온 입장에서 말하자면, 먹튀를 피하는 일은 직감이나 소문만으로는 불가능하다. 데이터의 축, 절차의 일관성, 기록의 추적성, 이 세 가지가 함께 돌아가야 실무에서 통한다. 이 글은 토나와가 실제로 적용하는 검증 프레임을 가능한 한 구체적으로 공개하고, 사용자가 스스로 적용할 수 있도록 기준을 풀어보려는 시도다.
왜 데이터 기반인가
먹튀 징후는 말로만 들으면 단순하다. 입금은 빠른데 출금은 느리다, 보너스 조건이 과도하다, 약관이 수시로 바뀐다. 문제는 이 신호들이 평상시에도 어느 정도는 발생한다는 점이다. 합법적이고 건실한 운영사도 정기 점검 시간에는 입출금이 느려지고, 마케팅 국면에서는 파격적인 보너스를 걸기도 한다. 여기서 피로감에 젖어 감으로 판별하면 오판이 많아진다. 그래서 우리는 각 인디케이터를 정량화하고, 시간 축과 비교 축을 두어 상대적 이상값을 찾는다. 다시 말해, 같은 업체의 과거 대비 변화 폭과 동종 업체 집단 대비 괴리를 함께 본다.
데이터는 사용자 제보, 공개 약관과 공지, 트래픽 패턴, 입출금 처리 로그, 고객센터 응대 기록, 커뮤니티 노이즈 같은 다양한 원천에서 모아진다. 원천마다 신뢰도가 다르고 변조 가능성도 다르기 때문에, 어느 한 지표로 결론을 내리지 않는다. 최소 세 개의 독립 신호가 같은 방향을 가리킬 때, 그리고 그 신호가 일정 기간 지속될 때만 위험 점수를 높인다. 이런 보수적 접근이 초기 경보를 늦추는 대가를 치르기도 하지만, 과잉 경보로 인한 혼선과 신뢰 하락을 피한다는 점에서 장기적으로 유리하다.
수집의 원칙과 데이터 위생
데이터를 모으는 일은 벌집을 건드리는 것과 비슷하다. 누군가의 경제적 이해와 맞물려 있기 때문에 왜곡과 과장이 뒤섞이기 쉽다. 실무에서는 수집 자체보다 위생 관리가 더 어렵다. 토나와에서는 다음의 원칙을 지킨다. 첫째, 제보 내용은 원본 그대로 보존하되, 분석에 쓰는 파생 필드는 별도로 저장한다. 원본을 손대지 않으면 재검증이 가능하고, 법적 요청이 들어와도 사실 관계를 명확히 제시할 수 있다. 둘째, 동일 사건의 중복 제보를 식별하기 위해 시간, 거래 아이디, 금액 범위처럼 비교 가능한 키를 만든다. 중복을 제거하지 않으면 허위 양성률이 급격히 올라간다. 셋째, 인증 불가 정보는 가중치를 낮춘다. 스크린샷은 조작 가능성이 있고, 텍스트 진술은 편향이 크다. 반대로 블록체인 트랜잭션 해시처럼 외부에서 검증 가능한 키가 붙은 데이터는 신뢰도를 높인다.
불완전한 데이터는 늘 존재한다. 예를 들어 고객센터 로그가 템플릿으로 복사돼 오면, 어떤 맥락에서 나온 답변인지 파악하기 어렵다. 이럴 때는 타임라인을 재구성해 앞뒤를 메운다. 약관 변경 공지가 있었는지, 해당 시기 다른 사용자도 같은 표현의 답변을 받았는지, 같은 날 결제 게이트웨이에 장애가 있었는지 교차 검증한다. 위생의 핵심은 결론을 서두르지 않는 토나와 인내다. 정황의 무게를 정량화할 때 조바심을 내면, 의도치 않게 데이터가 결론을 맞추기 위한 도구로 변한다.
라벨링, 회색 지대와의 싸움
지도 학습을 위해서는 라벨이 필요하지만, 먹튀 분야에서 금과옥조 같은 정답 라벨은 드물다. 신고가 많다고 먹튀는 아니다. 반대로 사건을 크게 만들지 않으려는 사용자들이 조용히 떠나는 경우도 있다. 우리는 사건의 종결 상태를 기준으로 라벨을 붙인다. 전액 출금 완료, 일부 출금 후 잔액 소멸, 장기 지연 후 처리, 약관 위반으로 상계, 그리고 미회신 종결 같은 상태 코드가 있다. 이 중에서도 회색 지대가 많다. 예를 들어 약관 위반으로 상계된 사례에는 실제로 어뷰징이 있었던 경우와 운영사가 일방적으로 해석을 확장한 경우가 섞여 있다.
이 회색을 인정한 채 모델을 설계해야 한다. 토나와는 라벨을 단일 클래스가 아니라 확률 분포로 보관한다. 사건 종결 시점의 기록, 이후 재발 여부, 빠져나간 사용자의 이탈 패턴, 고객센터의 언어 톤 변화 같은 부가 신호를 붙여 가중치를 업데이트한다. 모델이 내놓은 위험 점수는 수치지만, 그 수치의 해석에는 항상 불확실성 구간이 따라붙는다. 사람이 읽을 수 있는 설명 변수를 함께 제시해, 현업 담당자가 수치 뒤의 스토리를 파악할 수 있게 만든다.
핵심 지표, 숫자의 말과 침묵
경험적으로 의미 있었던 지표를 몇 가지 소개한다. 단, 어느 하나로 단정하지 않는 것이 중요하다. 복수 지표가 동시에 악화할 때, 특히 시간축으로 보면 하강 곡선의 기울기가 갑자기 커질 때가 위험 신호다.
출금 처리 지연 분포는 가장 먼저 본다. 평균 지연보다 분위수 지연이 크게 벌어지면 내부의 선별 지급 가능성을 의심한다. 악화 구간이 특정 요일이나 특정 시간대에 집중되면 운영 리소스 이슈일 수도 있지만, 지연 사유 설명이 매번 다르거나 지나치게 포괄적이면 리스크를 높인다.
약관 변경 빈도와 변경 폭은 규정 준수 문화의 신뢰도를 보여준다. 작은 문구 수정을 자주 하는 것은 문제되지 않지만, 핵심 조항, 예를 들어 보너스 롤오버 배수, 허용 베팅 패턴, 계정 정지 사유를 짧은 간격으로 크게 바꾸는 것은 위험하다. 변경 로그의 투명성, 버전 태깅 여부, 공지와 시행 사이의 유예 기간도 함께 본다.
고객센터 응답의 언어적 특징도 지표가 된다. 템플릿 비율이 급증하거나, 특정 구절이 반복적으로 쓰이면서도 상황 설명은 빠질 때, 내부 가이드라인이 방패로 사용되고 있을 가능성이 높다. 반대로 불리한 내용도 구체적으로 설명하고, 케이스별 차이를 인정하는 커뮤니케이션은 좋은 신호다.
결제 게이트웨이 다변화 수준은 운영 탄력성을 가늠하게 한다. 하나의 채널이 막혔을 때 대체 경로가 즉시 가동되는지, 또는 새로운 채널 도입 때 KYC 요구사항을 명확히 알리는지 본다. 채널이 너무 잦게 바뀌고, 설명은 항상 외부 탓으로만 돌려진다면 내부 통제에 구멍이 있을 수 있다.
커뮤니티 노이즈는 양적 지표만으로 보면 함정이 많다. 노출이 큰 채널에서는 부정적 글이 기하급수적으로 늘어날 수 있다. 우리는 게시 빈도가 아니라, 동일 사례의 변형 글 비율, 반론의 질, 운영사 측 해명 참여 여부를 함께 본다. 소수의 고품질 반론이 꾸준히 달리는 곳은 오보 가능성이 있다. 반대로 반론이 전무하고, 서로 비슷한 피해 유형이 독립적으로 보고될 때는 무게가 실린다.
리스크 스코어링, 단순함과 설명 가능성
토나와의 위험 점수 모델은 복잡함을 자제한다. 현업에서 쓰려면 설명 가능성이 중요하기 때문이다. 신호를 네 개 축으로 묶는다. 유동성, 규정 일관성, 커뮤니케이션, 외부 신뢰. 각 축에는 3, 4개 하위 지표가 들어간다. 지표는 표준화하고, 최근 4주 데이터를 코어로, 12주 데이터를 컨텍스트로 둔다. 코어 대비 컨텍스트의 편차가 커질수록 점수 영향력을 높인다. 예를 들어 출금 지연 분위수의 코어 값이 컨텍스트 대비 50퍼센트 이상 악화됐고, 동시에 약관 핵심 조항의 변경이 2회 이상 있었다면, 유동성과 규정 축에서 동시 경고를 점수화한다.
점수는 0에서 100 사이 연속값으로 계산한다. 40을 경계로 관심, 60을 경계로 주의, 75를 경계로 경고로 표기한다. 이 임계값은 고정이 아니라, 분기별 백테스트로 조정한다. 특정 분기에는 외부 결제 이슈가 광범위하게 발생할 수 있다. 이때 도메인 이벤트를 고려해 임계값과 가중치를 임시 조정한다. 데이터만 보면 위험한데, 업계 전반의 구조적 요인이라면 해석이 달라져야 한다.
설명 변수는 꼭 함께 보여준다. 예를 들어 현재 점수 68, 주된 기여 지표는 출금 지연 P90 상승, 보너스 롤오버 조항 변경, 고객센터의 템플릿 답변 비율 증가. 이런 식의 요약이 있으면 내부 회의에서 어떤 지점을 확인해야 하는지 빠르게 합의할 수 있다.
케이스 재구성, 수치 뒤의 맥락
숫자만으로 결정을 내리면 곧 후회한다. 사례를 재구성하는 수작업이 반드시 필요하다. 실제로, 출금 지연 지표가 급등한 사업체가 있었다. 커뮤니티에 올라온 신고도 늘어났고, 고객센터가 복사 붙여넣기 응답을 남발하고 있었다. 위험 점수는 경고에 근접했다. 팀에서 사건 타임라인을 직접 그렸다. 그 주에 해당 사업체의 결제 대행사가 정부 단속으로 일시 중단됐고, 대체 채널이 제대로 붙기까지 5일이 걸렸다. 중요한 차이는 공지였다. 해당 사업체는 프론트 공지를 늦게 올렸고, 사용자 개별 알림도 미흡했다. 운영 성실성은 있었지만, 커뮤니케이션 미숙으로 체감 리스크가 급증한 케이스였다. 위험 점수는 주의로 낮추되, 커뮤니케이션 개선 가이드를 제시했다. 이후 같은 문제가 반복되지 않았다.
반대로 수치가 평온해도 내부 위험이 쌓이는 경우도 있었다. 약관 변경 폭이 작고, 출금 지연도 평균 수준이었다. 그런데 신규 사용자 유입 대비 첫 출금 성공률이 낮았다. 초반 몇 건의 출금 승인으로 신뢰를 쌓고 나서 점차 제한을 걸어 이탈을 유도하는 형태였다. 평균 수치로는 가려지는 패턴이었다. 코호트 분석을 도입해 첫 입금군, 두 번째 입금군으로 나누고, 각 군의 출금 승인률과 처리 시간을 트래킹하니 의도가 드러났다. 이렇게 맥락을 파고들어야만 잡히는 먹튀 방식이 분명 존재한다.
실시간 모니터링, 이벤트와 판별의 거리
실시간 경보는 양날의 검이다. 빠른 대응은 강점이지만, 오경보는 신뢰를 갉아먹는다. 토나와는 실시간 스트림에서 바로 경고를 띄우기보다, 초단기 누적과 지연된 확증을 결합한다. 예를 들어 같은 시간대, 같은 지역의 제보가 3건 이상 모이면 관심 상태를 내부에만 알린다. 이어서 다음 6시간 안에 외부 지표, 예를 들어 결제 채널 공지, DNS 상태, 트래픽 급증 여부를 확인한다. 외부 지표 중 둘 이상이 이상하면 사용자 공지를 준비하고, 하나도 없으면 내부 경보를 자동 해제한다. 이 과정을 자동화하면 민첩함을 유지하면서도 경고 품질을 관리할 수 있다.
실시간 데이터는 노이즈에 취약하다. 새벽 시간대 특정 커뮤니티의 이슈가 바이럴이 되면, 유사한 문구의 제보가 연달아 쏟아진다. 텍스트 유사도와 유입 경로를 함께 보면 조직적 확산인지 어느 정도 구분이 된다. 팩트 체크에 필요한 쿨다운 시간, 최소 90분에서 최대 6시간 정도의 완충 구간이 실무에서는 꼭 필요하다.
커뮤니티 신호, 소리 크기보다 결따라 읽기
커뮤니티는 강력한 증폭기다. 정보가 빨리 퍼지는 만큼, 오보와 추측도 눈덩이처럼 커진다. 토나와는 커뮤니티 신호를 두 층으로 나눠 읽는다. 표면층은 양과 속도, 즉 게시 빈도와 리포스트 속도다. 심층은 결, 즉 이야기의 구조와 증거의 결이다. 예를 들어 피해 주장은 거세지만, 거래 로그와 계정 이력에 대한 구체 묘사가 전무하면 신뢰도를 낮춘다. 반대로 말투는 차분한데, 시간대, 금액, 담당자 닉네임, 약관 조항 번호까지 구체적으로 언급하면 신뢰도를 높인다. 또 하나는 반대편의 목소리다. 운영사 측 답변이 제때 올라오고, 틀린 정보가 정정되는 흐름이 보이면 패닉을 덜어준다. 평판은 정적이 아니라 상호작용의 과정이다.
법적, 윤리적 경계
먹튀 검증은 명예훼손 리스크와 맞닿아 있다. 토나와는 단정적 문장을 피하고, 검증 단계에 따라 표현을 구분한다. 의혹 제기 단계에서는 사실 묘사와 데이터 범위를 명확히 한다. 확인된 사실은 확인된 사실로, 추정은 추정으로 분리한다. 사용자에게 피해 예방 정보를 제공하려는 목적이 분명해야 한다. 무엇보다도, 합법과 불법의 경계가 국가마다 다른 만큼, 지역별 규제 환경을 준거로 삼아 표현 수위를 조절한다. 또한 기록 보존 기간과 접근 권한을 정책으로 고정해 남용 가능성을 줄인다.
윤리의 핵심은 균형이다. 운영사도 실수를 한다. 정전, 결제사 장애, 인력 교체 같은 외부 변수는 누구에게나 일어난다. 의도와 패턴을 구분하지 않으면, 일시적 실수도 악의로 해석될 수 있다. 데이터가 말하는 선을 넘지 않는 절제, 그리고 실제 피해가 발생했을 때는 단호한 경고, 이 두 가지가 함께 가야 한다.
토나와의 운영 절차, 현장에서 굴러가는 방식
검증의 흐름은 대략 이렇다. 평시에는 지표를 백그라운드에서 돌린다. 지표에 이상이 생기면 내부 대시보드에 붉은 점이 찍히고, 담당자에게 알림이 간다. 담당자는 사건 타임라인을 작성하고, 가설을 세운다. 결제 채널 이슈인지, 프로모션에 따른 일시적 혼잡인지, 규정 변경에 따른 마찰인지 가설을 나눈다. 이후 추가 데이터를 요청한다. 사용자 제보자에게는 로그와 스크린샷의 원본, 운영사에게는 처리 지연 사유와 예상 소요 시간, 약관 변경 로그를 받는다. 이상 신호가 상쇄되면 경보를 내리고, 누적되면 사용자 공지와 위험 레벨 표기를 준비한다.
공지의 문안은 너무 자극적이지 않게, 동시에 실질적인 조치를 유도하도록 쓴다. 예를 들어 출금 지연이 72시간 이상 다수 발생할 때는, 대규모 입금 자제, 잔액 관리, 증빙 자료 보존을 권한다. 그리고 운영사와의 대화를 열어 둔다. 해명이 합리적이고, 일정에 맞춰 복구가 진행되면 위험 레벨을 낮춘다. 복구가 지연되고, 해명이 공허하면 레벨을 올리고, 경우에 따라 차단 조치를 권고한다.
실패에서 배운 것들
초기에는 제보의 질을 과신했다. 스크린샷 몇 장과 격한 문장들에 휘둘려 섣부르게 경고를 띄운 적이 있다. 반론이 나오고, 상황이 정리되자 신뢰가 타격을 받았다. 그때부터 원본 위생과 타임라인 재구성, 라벨의 확률화에 공을 들였다. 또 한 번은 숫자에 취해 큰 그림을 놓친 적이 있다. 지표는 안정적이었지만, 프로모션 설계가 장기적으로 사용자에게 불리하게 전개될 위험이 있었다. 모델에는 잡히지 않는 문맥을 현장 인터뷰로 보완했다. 숫자와 이야기, 두 바퀴가 함께 굴러가야 비로소 길 위에서 버틴다.
사용자 관점에서 적용하는 데이터 체크리스트
토나와의 내부 도구가 모두 공개될 수는 없지만, 사용자도 스스로 적용할 수 있는 데이터적 관점이 있다. 과장된 광고나 익명의 후기보다, 확인 가능한 신호에 귀를 기울이면 위험을 크게 줄일 수 있다.
- 출금 처리 시간의 분포를 직접 기록한다. 세 번 연속 비슷한 금액, 비슷한 시간대에 요청해보고 처리 시간을 비교한다. 평균이 아니라 최댓값과 90퍼센트 분위가 늘어나는지 본다. 약관의 버전과 변경 이력을 캡처해 둔다. 특히 보너스 롤오버, 허용 베팅, 계정 제재 조항이 자주 바뀌는지, 공지와 시행 사이에 유예가 있는지 확인한다. 고객센터의 설명 수준을 본다. 정형 문구만 반복하고 구체적 근거를 제시하지 않으면 위험 신호다. 반대로 불리한 내용도 일관되게 설명하면 신뢰를 높인다. 결제 채널의 다양성과 공지 품질을 점검한다. 채널 변경 시 이유와 일정, 대체 경로 안내가 명확한지 본다. 커뮤니티 글에서 거래 로그와 약관 조항 등 구체 증거가 있는지 가려 읽는다. 소리 크기보다 내용의 결을 본다.
데이터 기반 검증의 한계와 보완
아무리 잘 만든 모델도 미래를 예언하지는 못한다. 특히 소규모 사업체는 데이터가 부족하다. 표본이 작으면 통계적 변동성이 커져 오판이 늘어난다. 이럴 때는 경향선보다 사건의 깊이를 본다. 적은 사건이라도, 약관 해석이 일방적이었는지, 해명과 복구가 투명했는지 같은 질적 요소를 비중 있게 반영한다. 또 하나의 한계는 적응적 상대다. 운영사도 검증 지표를 학습한다. 출금 처리 시간을 평균적으로 맞추되, 특정 사용자군만 선별적으로 지연시키는 식의 대응이 가능하다. 이를 막으려면 코호트 기준을 자주 섞고, 예상치 못한 지점에서 표본을 뽑아본다. 무작위성은 방어의 친구다.
사용자에게도 역할이 있다. 거래 기록을 꼼꼼히 남기고, 약관의 핵심 조항은 스스로 요약해 두자. 제보를 올릴 때는 감정보다 사실을 중심에 두자. 이런 작은 습관이 모여 데이터의 질을 끌어올리고, 결과적으로 공동체 전체의 방어력을 키운다.
토나와 방식의 강점과 트레이드오프
토나와의 검증은 보수적이다. 세 개 이상의 독립 신호가 맞물릴 때만 위험 점수를 크게 올린다. 이 방식의 장점은 과잉 경보를 줄이고, 명확한 근거로 소통할 수 있다는 점이다. 단점은 초기 대응이 늦을 수 있다는 것이다. 우리는 이 트레이드오프를 인정한다. 대신, 위험 신호가 누적되면 행동은 빠르고 단호하다. 사용자 공지, 경고 레벨 상향, 필요 시 이용 자제 권고까지 일련의 절차가 신속히 이어진다. 보수적 관찰과 신속한 실행, 두 요소의 균형이 토나와의 색깔이다.
또 하나의 강점은 설명 가능성이다. 점수가 아니라 이야기로 설득한다. 이러이러해서 위험하다고 말할 수 있어야 운영사도 피드백을 반영하고, 사용자는 스스로 판단할 수 있다. 설명 가능성은 내부 품질 관리에도 도움이 된다. 모델이 틀렸을 때, 어떤 가설이 잘못됐는지 역추적이 가능하기 때문이다.
현장에서 자주 묻는 질문, 그리고 실무적 답변
사용자들이 가장 많이 묻는 것은 딱 잘라 말해달라는 요구다. 안전한지, 아닌지. 현실에서는 흑백이 드물다. 그래서 우리는 확률과 조건을 말한다. 예를 들어 지금은 주의 단계, 출금 지연이 누적되고 있고 약관 핵심 조항이 자주 바뀌니 대규모 거래는 미루고 작은 금액으로 탐색하라는 식이다. 이런 답이 답답할 수 있다. 그러나 단정은 달콤하고, 책임은 무겁다. 판단은 결국 각자의 몫이다. 우리는 가능한 한 정확한 지도, 현재의 지형과 날씨, 바람의 방향을 그려 보여준다.
운영사가 반론을 제기할 때는 열린 자세로 임한다. 실제로 내부 통제 절차나 결제 대행사의 사정 같은 민감 정보는 외부에 다 공개하기 어렵다. 그렇다고 무조건 믿을 수는 없다. 그래서 우리는 구체성에 점수를 준다. 날짜, 부서, 조치 내용, 개선 일정이 붙은 해명은 신뢰도가 높다. 모호한 표현, 책임 전가, 일정 불명은 낮다. 가끔은 우리가 틀리기도 한다. 그럴 때는 조용히 정정하지 않는다. 같은 채널, 같은 크기의 목소리로 정정한다. 신뢰는 투명한 오류 인정에서 나온다.
사용자를 위한 간단한 실행 루틴
혼자서도 적용 가능한 간단한 루틴이 있다. 새로운 사업체를 이용하기 전, 일주일 동안 작은 금액으로만 입출금을 시도해 본다. 그 사이 약관을 버전별로 저장해 두고, 고객센터와 두세 번 대화해 본다. 광고 문구와 실제 적용 규정의 간극을 체크한다. 커뮤니티에서 피해 제보를 보더라도, 같은 내용을 다른 사용자가 독립적으로 보고했는지, 추가 증거가 붙어 있는지 본다. 이 기간 동안 조금이라도 이상이 보이면, 추가 입금은 멈춘다. 신뢰는 느리게 쌓고, 의심은 빠르게 적용한다. 단순해 보이지만, 실제 피해를 크게 줄여준다.
토나와, 그리고 앞으로의 과제
토나와는 검증의 고삐를 더 조인다. 데이터 출처를 넓히되, 위생 기준은 더 엄격히 가져간다. 사용자 제보 폼에는 메타데이터 자동 수집 기능을 붙이고, 약관 변경 감시는 크롤러에 버전 태그 인식을 강화한다. 커뮤니케이션 분석에는 언어 모델을 쓰되, 설명 가능한 피처만 위험 점수에 반영한다. 무엇보다도, 사용자가 이해할 수 있는 언어로 설명하는 루틴을 공고히 한다. 기술의 정교함이 신뢰로 곧장 이어지지 않는다. 신뢰는 설명의 축적에서 나온다.
먹튀 판별은 끝없는 추적전이다. 상대는 학습하고, 환경은 변한다. 변하지 않는 원칙만 붙들자. 사실을 분리하고, 맥락을 파악하고, 수치를 겸손하게 해석하자. 토나와가 내놓는 점수와 레벨은 나침반일 뿐이다. 방향을 정하는 것은 사용자다. 우리가 해줄 수 있는 최선은, 흔들림 없이 정확한 북극을 가리키는 일이다.
검증 단계 요약, 실무 관점의 빠른 흐름
- 평시 모니터링으로 핵심 지표를 표준화하고, 코어와 컨텍스트를 비교한다. 이상 신호 발생 시 타임라인을 재구성하고, 가설을 세운 뒤 교차 검증 데이터를 수집한다. 세 개 이상의 독립 신호가 일치할 때 위험 레벨을 상향하고, 사용자 공지를 준비한다. 운영사 해명과 복구 상황을 일정 단위로 재평가해 레벨을 상향 또는 하향 조정한다. 사건 종결 후 라벨과 설명 변수를 업데이트해 모델을 백테스트하고 임계값을 조정한다.
정교함을 향한 길은 멀다. 그래도 방향은 분명하다. 데이터가 말하게 하고, 사람이 맥락을 덧붙인다. 토나와의 검증 프로세스는 그 균형 위에 서 있다.