〈 (왼쪽부터) 강지현,문승민,지상근 박사과정, 이흥규 교수 〉
우리 대학 전산학부 이흥규 교수 연구팀이 인공신경망을 이용해 워터마크를 영상에 삽입 및 검출하는 기술을 개발했다.
인공신경망 기반 워터마킹 기술은 3일부터 홈페이지를 통해 시범 운영되고 있다.( http://watermark.kaist.ac.kr )
이번 웹 서비스는 연구실 수준으로만 진행되던 기술들을 다년간의 연구개발을 통해 일반에 공개함으로써 특정 조건의 실험실 환경이 아닌 조건이 변화하는 실제 환경에서 적용된다.
이를 통해 인공신경망을 기반으로 하는 새로운 접근 기법의 성능을 검증하고 기존 한계점을 극복할 수 있는 연구 방향을 제시하는 초석이 될 것으로 기대된다.
현재까지 개발된 기존 워터마킹 기술은 모두 공격 유형, 세기 등 특정 조건을 사전에 정하고 이를 만족시키도록 설계 및 구현됐다. 따라서 다양한 공격 유형이 존재하는 실제 환경에 사용하기에는 실용적 측면, 기술 확장성, 유용성 등에 한계가 있었다.
또한 워터마크 제거, 복사, 대체 등의 해킹 기술 발전으로 인해 기술 자체의 보안 취약성에도 문제가 있었다.
연구팀의 웹 서비스에서는 ▲인공신경망 학습을 통한 새로운 공격에 대응하고 ▲인공신경망의 비선형적인 특성을 통해 높은 보안성을 가진 인공신경망 기반 2D 영상 워터마킹 기법 ▲다양한 시점 변환이 발생하더라도 영상 보호가 가능한 DIBR 3D 영상 워터마킹 기법 ▲워터마크 삽입으로 인한 시각피로도 상승을 최소화하는 S3D 영상 워터마킹 기법을 제공한다.
연구팀은 다수의 연구 결과들을 기반으로 해당 웹 서비스 기술을 구현했다. 연구팀의 2D 영상 워터마킹 기법은 최초의 인공신경망 기반 워터마킹 기법으로 이미지에 가해질 수 있는 다양한 공격을 이용해 인공신경망을 학습함으로써 강인성을 획득한다.
동시에 인공신경망의 심층구조를 통해 워터마크 해킹 공격에 대한 높은 보안성을 획득함으로써 기존의 보안 취약점을 대폭 개선했다. 고부가가치를 가지는 3D 영상 보안을 위한 워터마킹 기법도 개발해 웹 서비스로 제공한다.
사용자는 2D 영상 또는 3D 영상을 웹 서비스에 업로드 해 워터마크를 삽입하고 추후 필요시 삽입한 워터마크를 검출함으로써 각종 분쟁 해결에 활용할 수 있다.
또한 이 기술은 압축 등의 공격을 가상으로 진행하는 시뮬레이션 툴과 워터마크 삽입 세기 조절, 그리고 워터마크 삽입으로 인한 영상품질 비교 등의 서비스를 함께 제공한다.
이번 연구는 기술 활용 모델에 따라 요구되는 다양한 견고성에 따라 유연하게 추가 수정(修正) 구현 가능하고 해킹에 견고하게 설계됨으로써 워터마킹 기술 유용성을 극대화했다.
이에 따라 개발 기술은 향후 인증, 진위 판별, 유통 추적이나 저작권 분야 등에서 다양한 콘텐츠를 사용한 활용이 가능하다. 향후 각종 영상물들의 불법 활용으로 인해 발생하는 사회경제적 손실을 줄이고 콘텐츠 산업의 성장과 디지털 사회 선진화에 기여할 것으로 기대된다.
연구팀은 개발된 기술은 다양한 공격 유형에 적응적으로 대응하며 상용 가능한 수준의 기술 신뢰도를 보인다고 밝혔다.
이흥규 교수는 “영상 관련 각종 분쟁들이 저작권에 국한되던 종전의 범위를 넘어 최근 가짜 영상 유통에 따른 진위 판별, 인증, 무결성 검사, 유통 추적 등으로 관심 분야가 급속히 커지고 있다”며 “인공지능 기술을 활용해 기존 워터마킹 기법들의 기술적인 한계점을 해결할 수 있는 디지털 워터마킹 연구를 선도하겠다”고 말했다.
이번 연구는 한국연구재단이 추진하는 중견연구지원사업의 지원으로 수행됐다.
□ 그림 설명
그림1.2D 영상 워터마킹 기법을 이용한 영상 예제
그림2.S3D 영상 워터마킹 기법을 이용한 영상 예제
우리 연구진이 현재 반도체 산업체에서 사용되는 실리콘 소재 및 공정만을 사용해 초소형 진동 신경망을 구축하여 경계선 인식 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제*를 해결했다. *그래프 색칠 문제: 그래프 이론에서 사용되는 용어로, 그래프의 각 정점에 서로 다른 색을 할당해야 하며, 이러한 색깔 구분 문제는 방송국 주파수가 겹쳐 난시청 지역이 발생하지 않도록 주파수를 할당하는 문제 등과도 유사해 다양하게 응용되고 있음 우리 대학 전기및전자공학부 최양규 교수 연구팀이 실리콘 바이리스터 소자로 생물학적 뉴런의 상호작용을 모방한 뉴로모픽 진동 신경망을 개발했다고 3일 밝혔다. 빅데이터 시대가 도래하면서 인공지능 기술이 예전과 비교할 수 없을 만큼 비약적으로 발전하고 있다. 인간의 뇌 기능을 모사하는 뉴로모픽 컴퓨팅 중 하나인 상호 간 결합된 진동 신경망(oscillatory neural network)은 뉴런의 상호작용을 모방한 인공 신경망이다. 진동 신경망은 기
2024-04-03우리 대학 신소재공학과 김경민 교수 연구팀이 다양한 멤리스터* 소자를 이용한 설명 가능한 인공지능 (XAI) 시스템을 구현하는데 성공했다고 25일 밝혔다. *멤리스터 (Memristor): 메모리 (Memory)와 저항 (Resistor)의 합성어로, 입력 신호에 따라 소자의 저항 상태가 변하는 소자 최근 인공지능 (AI) 기술의 급속한 발전이 다양한 분야에서 성과를 이루고 있다. 이미지 인식, 음성 인식, 자연어 처리 등에서 AI의 적용 범위가 확대되며 우리의 일상생활에 깊숙이 자리 잡고 있다. AI는 인간의 뉴런 구조를 모방해 만든 ‘인공신경망’을 기반으로, 적게는 수백만 개에서 많게는 수조 개에 달하는 매개변수를 통해 데이터를 분석하고 의사 결정을 내린다. 그러나 이 많은 매개변수로 인해 AI 모델의 동작 원리를 정확하게 이해하기 어렵고, 이는 통상적으로 블랙박스에 비유되곤 한다. AI가 어떤 기준으로 결정을 내는지 알 수 없다면, AI에 결함이나
2024-03-25음악은 세계 공통어로 불릴만큼 문화적 보편 요소로 알려졌다. 그렇다면 어떻게 다양한 문화권의 환경 차이에도 불구하고, ‘음악적 본능’은 어느 정도 공유될 수 있는 것일까? 우리 대학 물리학과 정하웅 교수 연구팀이 인공신경망 모델을 활용해, 사람 뇌에서 특별한 학습 없이도 음악 본능이 나타날 수 있는 원리를 규명했다고 16일 밝혔다. 기존 학자들은 다양한 문화권에 존재하는 음악의 보편성과 차별성을 규명하고, 어떻게 이런 공통성이 나타날 수 있는지에 대해 이해하고자 시도해 왔다. 2019년 세계적인 과학 저널 ‘사이언스’에 게재된 연구를 통해 민족지학적으로 구분된 모든 문화에서 음악을 만들어 내고, 유사한 형태의 박자와 멜로디가 사용된다는 것이 발견됐다. 또한, 신경과학자들은 우리 뇌의 청각 피질(Auditory cortex)에 음악 정보처리를 담당하는 특정한 영역이 존재한다는 것을 밝혀냈다. 연구팀은 인공신경망을 사용해, 음악에
2024-01-16우리 대학 기계공학과 황보제민 교수 연구팀이 모래와 같이 변형하는 지형에서도 민첩하고 견고하게 보행할 수 있는 사족 로봇 제어기술을 개발했다고 26일 밝혔다. 황보 교수 연구팀은 모래와 같은 입상 물질로 이루어진 지반에서 로봇 보행체가 받는 힘을 모델링하고, 이를 사족 로봇에 시뮬레이션하는 기술을 개발했다. 또한, 사전 정보 없이도 다양한 지반 종류에 스스로 적응해가며 보행하기에 적합한 인공신경망 구조를 도입해 강화학습에 적용했다. 학습된 신경망 제어기는 해변 모래사장에서의 고속 이동과 에어 매트리스 위에서의 회전을 선보이는 등 변화하는 지형에서의 견고성을 입증해 사족 보행 로봇이 적용될 수 있는 영역을 넓힐 것으로 기대된다. 기계공학과 최수영 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 로보틱스(Science Robotics)' 1월 8권 74호에 출판됐다. (논문명 : Learning quadrupedal locomotion on deformabl
2023-01-26우리 대학 기계공학과 유승화 교수 연구팀이 능동-전이 학습 (active-transfer learning)과 데이터 증강기법(Data augmentation)에 기반해, 심층신경망 초기 훈련에 쓰인 소재들과 형태와 조합이 매우 다른 우수한 특성을 지닌 소재를 효율적으로 탐색하고 설계하는 방법론을 개발했다고 16일 밝혔다. 인공신경망에 기반해 방대한 설계 공간에서 새로운 소재를 찾기 위한 역설계 연구는 최근 매우 활발하게 진행되고 있다. 하지만 이러한 기존 설계 방식은 목표로 하는 소재의 형태와 조합이 심층신경망 훈련에 활용된 소재들과 매우 다를 때 인공신경망이 가지는 낮은 예측능력으로 인해 극히 많은 수의 소재 데이터 검증이 요구되며, 이에 따라 제한적으로만 활용이 가능하다. 연구팀은 이번 연구에서 이를 극복하기 위해 초기 훈련 데이터 영역에서 벗어나 우수한 소재를 효율적으로 탐색할 수 있는 인공신경망 기반 전진 설계 (Forward design) 방법론을 제안했다.
2021-09-16