[논문]Hashing을 이용한 불법 복제 콘텐츠 검출을 위한 내용 기반 영상 검색

손희수; 변성우; 이석필

doi:10.5370/kiee.2018.67.10.1358

문제 정의

본 논문에서는 공격이 발생할 수 있는 다양한 환경에서의 검출율을 계산하기 위해, 네 가지의 다른 환경에서 실험을 진행하였다. 실험 조건은 1) 원본 그대로의 사용, 2) 노이즈 삽입 후 사용, 3) 텍스트 삽입 후 사용, 4) 해상도 변경 후 사용으로 설정한 다.
본 논문에서는 기존 방식들의 단점을 보완하여 외부의 공격에도 강인한 불법콘텐츠 검출방법을 제안한다. Near-duplicate 비디오 검색 방법은 주어진 쿼리 비디오에 대해 비디오 데이터 셋에서 검색 및 연산을 통해 유사한 데이터를 검출해내는 방법이다.
점차 교묘해지는 공격에 쉽게 취약해지기 때문에 안전성면에서의 단점이 있다. 본 논문에서는 디지털저작물 중 이미지에 대한 불법 콘텐츠 검출방법을 제안하였다. 나아가 기존의 보호방법 중 대표적인 디지털 워터마킹 방식과 비교하여 외부의 공격에도 강인한 불법 콘텐츠 검출 방법을 제안하였다.
도출된 결과로는 모든 환경에서 워터마킹보다 제안된 방법이 더 높은 정확성을 보였다. 향후에는 노이즈가 발생한 이미지에서의 검출 율을 보다 개선하여, 외부의 공격에도 강인한 불법 콘텐츠 검출 프로그램을 만들고 디지털 워터마킹 기법과의 복합사용을 통해 불법 콘텐츠 검출 효율을 더욱이 높일 것을 목표로 한다.

가설 설정

ii)와 같이 포인트들의 거리가 2L 이라면, 0°부터 90° 사이에서 60°~90° 사이에서 같은 partition에 할당될 수 있으므로, 확률은 1/3이 된다.

제안 방법

본 논문에서는 디지털저작물 중 이미지에 대한 불법 콘텐츠 검출방법을 제안하였다. 나아가 기존의 보호방법 중 대표적인 디지털 워터마킹 방식과 비교하여 외부의 공격에도 강인한 불법 콘텐츠 검출 방법을 제안하였다. 본 연구에서는 원본을 포함한 노이즈, 텍스트와 같은 외부의 공격이 발생한 4가지의 환경에서 제안된 방법과 워터마킹 방식 모두 실험을 진행하여 그 결과를 비교하였다.
실험 조건은 1) 원본 그대로의 사용, 2) 노이즈 삽입 후 사용, 3) 텍스트 삽입 후 사용, 4) 해상도 변경 후 사용으로 설정한 다. 네 가지 조건에서 기존에 불법 콘텐츠 검출을 위해 사용되 었던 워터마킹 기법[5]과의 검출율 비교를 진행한다. 이전 연구에서 제안된 방법은 디지털 영상에 대한 2차원 이산 웨이블릿 변환의 주파수 특성을 이용하며, 전역적 데이터에 디지털 워터마크를 삽입하는 방법을 제안하였다.
네 번째 실험인 해상도 변경 후 불법적 사용은 검색의 대상이 되는 영상 데이터 셋들의 해상도를 절반만큼 저하시켜 실험을 진행하였다. 실험에 사용될 데이터는 총 500개로 300개의 불법 콘텐츠와 200개의 합법 콘텐츠로 정의한다.
유사도 및 거리 계산의 대상의 범위를 Candidate pair로 한정하기 때문에, 계산 대상의 개체의 수가 줄어들어 계산 속도가 빨라지게 된다. 본 연구에서는 실험 데이터들 중 특징의 표준 편차가 적은 특징을 제거 하는 전처리 과정을 거쳤으며, 기존 연구에서 사용된 코사인 유사도 기반의 hashing 방법과의 검색 속도비교 실험을 하였다. 실험 데이터는 MNIST 데이터 셋을 사용하였으며, 1개의 쿼리 이미지에 대해서 55000개의 이미지 중 가장 유사한 이미지를 검색하는데 걸리는 시간을 비교하였다.
나아가 기존의 보호방법 중 대표적인 디지털 워터마킹 방식과 비교하여 외부의 공격에도 강인한 불법 콘텐츠 검출 방법을 제안하였다. 본 연구에서는 원본을 포함한 노이즈, 텍스트와 같은 외부의 공격이 발생한 4가지의 환경에서 제안된 방법과 워터마킹 방식 모두 실험을 진행하여 그 결과를 비교하였다. 도출된 결과로는 모든 환경에서 워터마킹보다 제안된 방법이 더 높은 정확성을 보였다.
본 연구에서는 실험 데이터들 중 특징의 표준 편차가 적은 특징을 제거 하는 전처리 과정을 거쳤으며, 기존 연구에서 사용된 코사인 유사도 기반의 hashing 방법과의 검색 속도비교 실험을 하였다. 실험 데이터는 MNIST 데이터 셋을 사용하였으며, 1개의 쿼리 이미지에 대해서 55000개의 이미지 중 가장 유사한 이미지를 검색하는데 걸리는 시간을 비교하였다. 표 1 에 나타난 것과 같이 결과는 비교되는 다른 방법들보다 속도가 개선됨을 볼 수 있다.
가우시안 노이즈는 평균과 표준 편차에 따라 임의로 발생 시켰다. 실험 조건으로는 3단계로 나누어 평균은 0, 표준편차 3, 5, 10의 가우시안 노이즈를 발생시켰다.
워터마킹 기술과의 불법 콘텐츠 검출 비교 실험을 위해 각 500 개의 영상에 대한 500개의 키 프레임 이미지 셋을 구축하였으며, 3가지 외부 공격에 대한 검출 실험을 진행하였다. 실험 조건은 원본 그대로의 사용, 노이즈 삽입 후 사용, 텍스트 삽입 후 사용, 해상도 변경 후 사용으로 설정하였다.
고차원의 특징 벡터의 유사도 계산의 속도를 줄이기 위해 유클리디안 공간 기반의 Hashing 기법을 사용하였으며 기존 연구의 코사인 유사도 기반의 Hashing 기법[4]와 속도 비교 실험을 하였다. 워터마킹 기술과의 불법 콘텐츠 검출 비교 실험을 위해 각 500 개의 영상에 대한 500개의 키 프레임 이미지 셋을 구축하였으며, 3가지 외부 공격에 대한 검출 실험을 진행하였다. 실험 조건은 원본 그대로의 사용, 노이즈 삽입 후 사용, 텍스트 삽입 후 사용, 해상도 변경 후 사용으로 설정하였다.
저작권 보호가 필요한 콘텐츠들의 대하여 원본 그대로 사용했을 때의 검출 율 비교 실험을 진행하였다. 사용된 데이터로는 저작권 보호가 필요한 300개의 영상데이터와 저작권 보호가 필요 없는 합법 영상 데이터 200개를 사용하였으며, 워터마킹 방법의 경우 300개의 영상 데이터에 사전에 워터마크를 삽입하여 진행하였다.

대상 데이터

저작권 보호가 필요한 콘텐츠들의 대하여 원본 그대로 사용했을 때의 검출 율 비교 실험을 진행하였다. 사용된 데이터로는 저작권 보호가 필요한 300개의 영상데이터와 저작권 보호가 필요 없는 합법 영상 데이터 200개를 사용하였으며, 워터마킹 방법의 경우 300개의 영상 데이터에 사전에 워터마크를 삽입하여 진행하였다.
네 번째 실험인 해상도 변경 후 불법적 사용은 검색의 대상이 되는 영상 데이터 셋들의 해상도를 절반만큼 저하시켜 실험을 진행하였다. 실험에 사용될 데이터는 총 500개로 300개의 불법 콘텐츠와 200개의 합법 콘텐츠로 정의한다.
실험에 사용될 데이터로 서로 다른 500개의 영상 데이터 셋을 구축하였다. 원본 데이터 셋 중 300개는 불법복제가 의심되는 디지털저작물로, 나머지 200개의 이미지는 보호가 필요 없는 일반 콘텐츠로 정의하고.
실험에 사용될 데이터로 서로 다른 500개의 영상 데이터 셋을 구축하였다. 원본 데이터 셋 중 300개는 불법복제가 의심되는 디지털저작물로, 나머지 200개의 이미지는 보호가 필요 없는 일반 콘텐츠로 정의하고. 조사가 필요한 데이터 셋은 300개의 불법 복제 콘텐츠, 200개의 합법 콘텐츠로 정의한다.
조사가 필요한 데이터 셋은 300개의 불법 복제 콘텐츠, 200개의 합법 콘텐츠로 정의한다. 원본을 그대로 하는 첫 번째 실험 조건과 노이즈를 추가한 두 번째 실험, 그리고 해상도를 변경한 네 번째 실험 조건에서는 500개의 데이터로 실험을 진행하였고, 텍스트가 추가된 세 번째 실험 조건에서는 100 개의 데이터로 실험을 진행하였는데, 60개는 각각 디지털저작물과 불법복제 콘텐츠로 하고, 40개는 각각 일반 콘텐츠와 합법 콘텐츠로 한다. 실험에 사용된 데이터들은 그림 6에서 보이는 것과 같다.
노이즈 삽입 후 불법적 사용은 워터마크를 파괴 또는 불법적 사용 검출을 피하기 위해 비디오 영상에 노이즈를 삽입한 후 사용한 것을 의미한다. 위 실험과 동일하게 저작권 보호가 필요한 300개의 영상 데이터의 경우 워터마크를 삽입하였으며, 실험에 사용될 500개의 영상 데이터에 가우시안 노이즈를 발생시켰다. 가우시안 노이즈는 평균과 표준 편차에 따라 임의로 발생 시켰다.
원본 데이터 셋 중 300개는 불법복제가 의심되는 디지털저작물로, 나머지 200개의 이미지는 보호가 필요 없는 일반 콘텐츠로 정의하고. 조사가 필요한 데이터 셋은 300개의 불법 복제 콘텐츠, 200개의 합법 콘텐츠로 정의한다. 원본을 그대로 하는 첫 번째 실험 조건과 노이즈를 추가한 두 번째 실험, 그리고 해상도를 변경한 네 번째 실험 조건에서는 500개의 데이터로 실험을 진행하였고, 텍스트가 추가된 세 번째 실험 조건에서는 100 개의 데이터로 실험을 진행하였는데, 60개는 각각 디지털저작물과 불법복제 콘텐츠로 하고, 40개는 각각 일반 콘텐츠와 합법 콘텐츠로 한다.
텍스트 삽입 후 불법적 사용에서는 기존의 저작물로 정의된 키 프레임 데이터 300개 중 60개의 이미지를 추출하고, 새로운 데이터 200개중 40개를 추출하여 총 100개의 이미지 파일을 입력데이터로 한다. 100개의 데이터는 전부 동일한 텍스트가 임의의 지점에 삽입되어있다.

데이터처리

디지털 워터마크를 삽입 하는 방법은 간단한 양자화 인덱스 변조(Quantization Index Modulation, QIM) 방법을 사용하였다. 두 방법의 검출율 비교를 위해서 실험 결과에서 정밀도(precision)-재현율(recall) 그래프를 사용하여 나타낸다. 통계적 분류 분야에서 정밀도와 재현율은 다음과 같이 정의된다.

이론/모형

영상 내에 존재하는 정보를 추출하는데 사용되는 주된 특징으로는 형태 (shape), 색상(color), 질감(texture) 등이 있다.[9] 본 논문에서는 기존의 NDVR 연구에서 일반적으로 많이 사용되는 HSV, LBP 히스토그램을 사용한다.
본 논문에서 Near-Duplicate 비디오 검출을 위해 추출한 특징으로는 가장 일반적으로 사용되는 이미지의 전역 특징인 HSV 히스토그램, 지역 특징인 LBP 히스토그램 특징을 사용하였다[3]. 고차원의 특징 벡터의 유사도 계산의 속도를 줄이기 위해 유클리디안 공간 기반의 Hashing 기법을 사용하였으며 기존 연구의 코사인 유사도 기반의 Hashing 기법[4]와 속도 비교 실험을 하였다. 워터마킹 기술과의 불법 콘텐츠 검출 비교 실험을 위해 각 500 개의 영상에 대한 500개의 키 프레임 이미지 셋을 구축하였으며, 3가지 외부 공격에 대한 검출 실험을 진행하였다.
이전 연구에서 제안된 방법은 디지털 영상에 대한 2차원 이산 웨이블릿 변환의 주파수 특성을 이용하며, 전역적 데이터에 디지털 워터마크를 삽입하는 방법을 제안하였다. 디지털 워터마크를 삽입 하는 방법은 간단한 양자화 인덱스 변조(Quantization Index Modulation, QIM) 방법을 사용하였다. 두 방법의 검출율 비교를 위해서 실험 결과에서 정밀도(precision)-재현율(recall) 그래프를 사용하여 나타낸다.
이 기술은 비디오 검색, 비디오 저작권 보호, 비디오 추천, 비디오 모니터링 등의 다양한 분야에서 연구가 진행되고 있다[3,8]. 본 논문에서 Near-Duplicate 비디오 검출을 위해 추출한 특징으로는 가장 일반적으로 사용되는 이미지의 전역 특징인 HSV 히스토그램, 지역 특징인 LBP 히스토그램 특징을 사용하였다[3]. 고차원의 특징 벡터의 유사도 계산의 속도를 줄이기 위해 유클리디안 공간 기반의 Hashing 기법을 사용하였으며 기존 연구의 코사인 유사도 기반의 Hashing 기법[4]와 속도 비교 실험을 하였다.
본 논문에서는 그 중 가장 간단한 초기 방법인 3×3 사각 LBP를 사용하였다.
해싱 기술은 비디오간의 유사도 계산을 빠르게 하여 대규모의 검색을 가능하게 하는 이유로 많은 양의 멀티미디어 데이터 검색에서 해싱기술이 주목받고 있다. 본 연구에서 사용된 해싱 방법은 유클리디안 공간 기반의 해싱 방법을 사용하고 그림 4는 그 예시를 나타낸다. hash 함수를 통해 생성된 특징 벡터들은 좌표축의 partition에 그림 4 (a)과 같이 할당된다.

성능/효과

4) Rotation-invariant LBP, 5)Uniform&Rotation-invariant LBP가 있다.
결과는 그림 9와 같이 워터마킹 방식은 약 87%, 제안된 방법은 약 95%의 정확성을 보인다.
그림 7은 검출율 실험 결과를 나타낸다. 결과에 따르면 워터 마킹 방법을 사용한 검출 방법의 경우 99%의 검출 율을 보였고, 제안된 방법은 100%의 검출 율을 보였다.
그림 10과 같이 해상도가 저하된 조건에 대한 실험 결과는 워터마킹 방법을 사한 검출 방법의 경우 약 69%의 검출 율을 보였고, 제안된 방법은 약 93%의 검출 율을 보였다.
그림 8과 같이 각 실험 조건에 대하여 차례대로 워터마킹 방식은 약 83%, 75%, 70% 그리고 제안된 방법은 약 90%, 85%, 77% 의 검출 율을 보였다.
본 연구에서는 원본을 포함한 노이즈, 텍스트와 같은 외부의 공격이 발생한 4가지의 환경에서 제안된 방법과 워터마킹 방식 모두 실험을 진행하여 그 결과를 비교하였다. 도출된 결과로는 모든 환경에서 워터마킹보다 제안된 방법이 더 높은 정확성을 보였다. 향후에는 노이즈가 발생한 이미지에서의 검출 율을 보다 개선하여, 외부의 공격에도 강인한 불법 콘텐츠 검출 프로그램을 만들고 디지털 워터마킹 기법과의 복합사용을 통해 불법 콘텐츠 검출 효율을 더욱이 높일 것을 목표로 한다.

핵심어	질문	논문에서 추출한 답변
	DRM이란?	DRM은 디지털 콘텐츠의 지적재산권의 관리와 투명하고 신뢰성 있는 유통 환경을 보장해 주는 기술 및 서비스 체계라고 할수 있다. DRM을 구성하는 가장 기본적이고 핵심적인 요소는 사용자(User), 콘텐츠(Contents), 사용권한(Permission), 사용조건 (Condition)으로 네 가지 이다.
	DRM을 구성하는 핵심요소는 무엇인가?	DRM은 디지털 콘텐츠의 지적재산권의 관리와 투명하고 신뢰성 있는 유통 환경을 보장해 주는 기술 및 서비스 체계라고 할수 있다. DRM을 구성하는 가장 기본적이고 핵심적인 요소는 사용자(User), 콘텐츠(Contents), 사용권한(Permission), 사용조건 (Condition)으로 네 가지 이다. DRM 기술은 이 핵심 요소들 간의 연관성을 통해 콘텐츠의 생명주기가 사라지지 않는 한 지속적 으로 보호 될 수 있어야 하고, 시스템적으로 처리 가능하도록 하여야 하며, 명시된 권리에 따라서 통제될 수 있음을 주장한다.
	불법복제를 막기 위한 또 다른 방법은 무엇인가?	또 다른 방법으로, 워터마킹 기술은 멀티미디어 콘텐츠에 소유 권자의 저작권 정보를 워터마크로 삽입하고 불법 복제된 콘텐츠 에서 워터마크를 다시 추출함으로써 소유권을 주장할 수 있도록 하는 기술로서 저작권자 또는 판매권자의 정보를 멀티미디어 콘텐츠 내에 삽입하여 추후 발생하게 될 지적 재산권 분쟁에서 정당함을 증명하는데 사용된다.[7] 워터마킹 기술이 실질적으로 적용되기 위한 몇 가지 요구사항들은 (1) Imperceptibility, (2) Robustness, (3) Payload size, (4) 원본의 사용여부, (5) Multiple watermarks, (6) Security 등이 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Hashing을 이용한 불법 복제 콘텐츠 검출을 위한 내용 기반 영상 검색
Content-based Video Retrieval for Illegal Copying Contents Detection using Hashing 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Hashing을 이용한 불법 복제 콘텐츠 검출을 위한 내용 기반 영상 검색 Content-based Video Retrieval for Illegal Copying Contents Detection using Hashing 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

변성우 (8) 이석필 (18)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Hashing을 이용한 불법 복제 콘텐츠 검출을 위한 내용 기반 영상 검색
Content-based Video Retrieval for Illegal Copying Contents Detection using Hashing 원문보기

AI 본문요약
AI-Helper