[논문]불법저작물 유포자 행위분석 프로파일링 기술 연구

김진강; 황찬웅; 이태진

doi:10.7472/jksii.2021.22.3.75

불법저작물 유포자 행위분석 프로파일링 기술 연구
Research on illegal copyright distributor tracking and profiling technology 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.22 no.3, 2021년, pp.75 - 83

김진강 (Department of Information Security, Hoseo University) , 황찬웅 (Department of Information Security, Hoseo University) , 이태진 (Department of Information Security, Hoseo University)

초록
AI-Helper

IT 산업의 발달과 문화 활동의 증가로 저작물에 대한 수요가 증가하고 온라인 환경에서 쉽고 편리하게 이용할 수 있다. 이에 따른 저작물 복제 및 유통이 용이하여 저작권 침해가 심각하게 일어나고 있다. 일부 특수한 유형의 온라인 서비스 제공업체(OSP)는 저작권을 보호하기 위해 필터링 기반 기술을 사용하기만 쉽게 우회할 수 있으며, 모든 불법 저작물을 차단하기에는 한계가 있어 저작권을 보호하기는 갈수록 힘들어지고 있다. 최근 불법저작물 유포자 대부분은 특정 소수이며, 다수 OSP와 다수 ID를 통해 불법저작물을 유포하여 이득을 취한다. 본 논문에는 불법저작물을 바탕으로 주요 분석대상인 대량의 불법저작물 유포자인 대량 유포자(Heavy Uploader) 프로파일링 기술을 제안한다. 이 프로파일링 기술은 불법저작물 전반에 대한 정보가 담긴 특징(Feature)을 생성하고 주요대량 유포자를 식별한다. 이 중 동일인으로 추정되는 대량 유포자를 식별하기 위해 클러스터링 기술을 사용한다. 또한, 불법저작물 유포자 추적과 행위분석을 통해 우선순위가 높은 대량 유포자를 분석할 수 있다. 향후, 대량의 불법저작물을 유포하는 대량 유포자를 식별하고 차단한다면 저작권 피해를 최소화할 것으로 기대한다.

Abstract ▼ AI-Helper

With the development of the IT industry and the increase of cultural activities, the demand for works increases, and they can be used easily and conveniently in an online environment. Accordingly, copyright infringement is seriously occurring due to the ease of copying and distribution of works. Some special types of Online Service Providers (OSP) use filtering-based technology to protect copyrights, but they can easily bypass them, and there are limits to blocking all illegal works, making it increasingly difficult to protect copyrights. Recently, most of the distributors of illegal works are a certain minority, and profits are obtained by distributing illegal works through many OSP and majority ID. In this paper, we propose a profiling technique for heavy uploader, which is a major analysis target based on illegal works. Creates a feature containing information on overall illegal works and identifies major heavy uploader. Among these, clustering technology is used to identify heavy uploader that are presumed to be the same person. In addition, heavy uploaders with high priority can be analyzed through illegal work Distributor tracking and behavior analysis. In the future, it is expected that copyright damage will be minimized by identifying and blocking heavy uploader that distribute a large amount of illegal works.

주제어

표/그림 (11)

그림 (그림 1) 필터링 기술별 특징 (Figure 1) Features by filtering technology
그림 (그림 2) 기술적 조치 개념도(핑거프린팅 기반 필터링) (Figure 2) Technical action conceptual diagram (Filtering based on fingerprinting)
그림 (그림 3) 기술 구조도 (Figure 3) Technology Structure Chart
그림 (그림 4) Feature Engineering 의사코드 (Figure 4) Feature Engineering Pseudo-Code
그림 (그림 5) 불법저작물 유포자 이동현황 분석 예시 (Figure 5) Example of analysis of illegal work movement status
그림 (그림 6) 불법저작물 유포자 행위 분석 유형 (Figure 6) Types of illegal work distributor behavior analysis
표 (표 1) Feature engineering 결과 예시 (Table 1) Example of the feature engineering results
표 (표 2) 동일 Heavy Uploader 유포저작물 비교 (Table 2) Comparison of distributed works of the same Heavy Uploader
표 (표 3) 동일 OSP에서 다른 ID 결과 예시 (Table 3) Example of different ID result in same OSP
표 (표 4) 다른 OSP 에서 동일 ID 결과 예시 (Table 4) Example of same ID result in different OSP
표 (표 5) 다른 OSP 에서 다른 ID 결과 예시 (Table 5) Example of different ID results in different OSP

AI 본문요약
AI-Helper

문제 정의

과거 불특정 다수가 불법저작물을 유포하였으나, 최근 특정 소수가 대량으로 유포하여 이득을 챙기는 영리적인 목적을 가지는 대량 유포자가 증가하였다. 본 논문에서는 식별된 불법저작물과 유포저작물을 사용하여 대량 유포자를 식별 및 추적하여 해당 OSP/ID를 탐지하는 것이 목표이다. 제안하는 불법저작물 유포자 프로파일링을 통해 식별된 단일/동일 대량 유포자의 OSP/ID로 차단한다면 저작권 피해가 대폭 감소할 것으로 예상된다.

제안 방법

표 2에는 저작물 제목에 대한 정규화된 예시를 보여준다. 또한, 공공데이터도 동일한 정규화를 통해 크롤링 데이터와 공공 데이터의 유사도 비교를 통해 유사한 공공 데이터가 존재하면 이를 불법저작물로 간주하였다.
불법저작물 유포자 이동현황 분석을 위해 OSP/ID 별 저작물 유포날짜를 기준으로 주차별 유포저작물 개수를 산출했다. 분석 기간은 저작물 유포날짜를 기준으로 자동 산출되며 2020년도 3월 1주 차부터 2020년도 7월 5주 차까지로 기록했다.
장의 결과로 저작물기반 특징(Feature)을 추출한다. 불법저작물과 유포저작물로 간주된 데이터의 메타데이터를 활용하여 유포 사이트(OSP)/유포게시자(ID)별 feature engineering을 통해 유포저작물 기반의 특징들을 추출하고, 유포저작물 개수와 불법저작물 개수를 측정한다. feature engineering 은 정규화된 저작물 제목 기반 해시 함수를 통해 해시값을 계산하고 모듈러 연산 결과에 대한 인덱스 1을 더하여 N개의 특징값을 생성할 수 있다.
탐지된 불법저작물을 통해 불법저작물 유포자 프로파일링을 진행한다. 제안하는 불법저작물 유포자 프로파일링을 위해서는 각각의 OSP/ID별 불법저작물 전반에 대한 정보가 담긴 특징을 생성한다. 생성된 특징들을 사용하여 대량 유포자를 식별한다.
이는 육안으로도 동일인으로 추정할 수 있으며, 동일 클러스터로 식별할 수 있다. 지금까지 제안한 불법저작물 유포자 프로파일링을 통해 대량 유포자 식별 및 불법저작물 유포자 이동현황분석 결과로 불법저작물 유포자 행위 유형에 따라 불법저작물 유포자를 탐지한다.
웹하드에서 크롤링한 데이터가 저작권이 존재하는 공공데이터와의 유사도 기반 불법저작물을 탐지한다. 탐지된 불법저작물을 통해 불법저작물 유포자 프로파일링을 진행한다. 제안하는 불법저작물 유포자 프로파일링을 위해서는 각각의 OSP/ID별 불법저작물 전반에 대한 정보가 담긴 특징을 생성한다.

대상 데이터

실험에 사용된 데이터셋은 모바일 포함 47개 웹하드에서 수집한 164, 382개의 크롤링 데이터와 저작권이 존재하는 17, 605개의 공공데이터를 사용하였다. 크롤링 데이터의 필드는 제목, OSP, ID, URL, 유포날짜, 고유번호등이 있다.

이론/모형

이와 달리 클러스터링 기반 동일 대량 유포자 탐지 방법은 유사한 저작물을 유사하게 유포한 OSP/ID를 동일 대량 유포자로 간주한다. 클러스터링은 거리 기반의 K-means 알고리즘을 사용하여 그룹화한다. K-means 알고리즘은 k개의 그룹 중심을 임의로 지정하고, 그룹 중심과 데이터 간의 거리가 최소화될 때까지 그룹 중심을 이동하며, 더 이상 변하지 않을 때까지 반복함으로써 그룹화한다.

성능/효과

현재 불법저작물 유포를 모니터링하고 대응하는 불법복제물 추적관리시스템이 존재하고 있으나, 대부분의 대량 유포자들은 기존 필터링 시스템을 우회하기 위해 띄어쓰기, 문자 변형, 특수문자 삽입 등의 노이즈를 삽입한다. 과거 불특정 다수가 불법저작물을 유포하였으나, 최근 특정 소수가 대량으로 유포하여 이득을 챙기는 영리적인 목적을 가지는 대량 유포자가 증가하였다. 본 논문에서는 식별된 불법저작물과 유포저작물을 사용하여 대량 유포자를 식별 및 추적하여 해당 OSP/ID를 탐지하는 것이 목표이다.
이 중에서 단일 대량 유포자를 식별하기 위해 유포저작물 대비 불법저작물 개수로 10% 이상일 경우 단일 대량 유포자로 간주하였다. 실험 결과 총 225개의 단일 대량 유포자를 확인할 수 있었다. 동일 대량 유포자 식별은 OSP/ID별 생성된 feature set을 사용하여 클러스터링하였다.
인터넷의 발달로 PC뿐만 아니라 모바일 환경에서도 온라인으로 저작물을 간편하고 빠르게 이용할 수 있지만, 이에 따른 웹하드, P2P, 토렌트 등에서 불법저작물 유포수도 증가하였다. 현재 불법저작물 유포를 모니터링하고 대응하는 불법복제물 추적관리시스템이 존재하고 있으나, 대부분의 대량 유포자들은 기존 필터링 시스템을 우회하기 위해 띄어쓰기, 문자 변형, 특수문자 삽입 등의 노이즈를 삽입한다.

후속연구

본 논문에서는 식별된 불법저작물과 유포저작물을 사용하여 대량 유포자를 식별 및 추적하여 해당 OSP/ID를 탐지하는 것이 목표이다. 제안하는 불법저작물 유포자 프로파일링을 통해 식별된 단일/동일 대량 유포자의 OSP/ID로 차단한다면 저작권 피해가 대폭 감소할 것으로 예상된다. 향후, 제안 방법 이외에 대량 유포자를 대상으로 저작권 보호를 위한 연구를 이어 나아갈 것이다.

참고문헌 (17)

Jin-Gang Kim, Chan-Woong Hwang, Tae-jin Lee, "Research on heavy uploader profiling technology for illegal works", Proceedings of the 2020 Fall Conference of the korean society for Internet Information, Vol. 21, No. 2, 2020, pp. 45-46, 2020. https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE10510257
Seung-Woo Son, "Copyright Protection on Artficial Intelligence(AI) generated Works", Journal of the Korea Association For Infomedia Law, Vol. 20, No. 3, pp. 83-110, 2017. http://www.kafil.or.kr/board/view?board_namejournal&article_no282&page3
Bong-Gi Kim, Hae-Seok Oh, "A Feature-Based Retrieval Technique for Image Database", The transactions of the Korea Information Processing Society, Vol. 5, No. 11, pp. 2776-2785, 1998. https://doi.org/10.3745/KIPSTE.1998.5.11.2776
Young-mo Kim, Dongmyoung Shin, "Feature-Based Filtering Technology Performance Evaluation Trend", Korea Institute of Information Technology Magazine, Vol. 11, No. 2, pp. 1-7, 2013. https://api.semanticscholar.org/CorpusID:162419384
Yeong-Woo Oh, Gye-Hyun Jang, Hun-Yeong Kwon, Jong-In Lim, "A Study on the Copyright Protection Liability of Online Service Provider and Filtering Measure", Journal of the Korea Institute of Information Security & Cryptology, Vol. 20, No. 6, pp. 97-109, 2010. https://www.koreascience.or.kr/article/JAKO201015037858304.page
Young-Tae Kim, "Measures to Improve for Liable System ofOnline Service Providers - Focused on Technical Measures, CorrectiveOrder and Recommendation", Dankook Law Riview, Vol. 40, No. 1, pp. 213-236, 2016. https://doi.org/10.17252/dlr.2016.40.1.008

상세보기
Sang-Hoon Oh, "A Study on the Copyright New Service Model Using Blockchain Technology", Korea Copyright Commission, pp. 1-174, 2018. https://www.copyright.or.kr/information-materials/publication/research-report/view.do?brdctsno42013
Jung-sik Hwang, Hyun-Gon Kim, "Blockchain-based Copyright Management System Capable of Registering Creative Ideas", The Korea Society of Science & Art, Vol. 20, No. 5, 2019, pp. 57-65, 2019. https://doi.org/10.7472/jksii.2019.20.5.57

원문보기 상세보기
Jung-Jae Lee, "A Study on Music Copyright Management Model Using Block Chain Technology", The Korea Society of Science & Art, No. 35, pp. 341-351, 2018. https://doi.org/10.17548/ksaf.2018.09.30.341

상세보기
Ju-Seop Kim, Je-Ho Nam, "Analysis of illegal content filtering technology trends", Broadcasting and Media Magazine, Vol. 12, No. 4, pp. 53-63, 2007. https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cnJAKO200709905991795&dbtNART
Chen Li, Jiaheng Lu, Yiming Lu, "Efficient Merging and Filtering Algorithms for Approximate String Searches", IEEE 24th International Conference on Data Engineering 2008, pp. 257-266, 2008. https://doi.org/10.1109/ICDE.2008.4497434
Jong-An Kim, Jong-Heum Kim, Jin-han Kim, Yong-min Chin, "Development of the filtering technology of illegal IPTV contents", Korea Institute of Information & Telecommunication Facilities Engineering, pp. 108-111, 2009. http://203.250.216.22/article/CFKO200931559921808.page
Hyeon-Gu Son, Ki-su Kim, Young-Seok Lee, "A File Name Identification Method for P2P and Web Hard Applications through Traffic Monitoring", Journal of KIISE, Vol. 37, No. 6, pp. 477-482, 2010. https://api.semanticscholar.org/CorpusID:63915099
Youngho-Suh, Won-young Yoo, Young-mo Kim, Won-Gyum Kim, "A Study of Copyright Infringement and Technology Measures in a Mobile Environment", Korea Institute of Information Technology Magazine, Vol. 19, No. 4, pp. 133-142, 2019. http://www.riss.kr/link?idA100853072
Chan-Woong Hwang, Ji-Hee Ha, Tea-Jin Lee, "Modified File Title Normalization Techniques for Copyright Protection", Journal of Information and Security, Vol. 13, No. 1, pp. 19-25, 2015. https://doi.org/10.33778/kcsa.2019.19.4.133

원문보기 상세보기
Sung-Yong Kim, Ji-Hong Kim, "An Analysis on the Error Probability of A Bloom Filter", Journal of The Korea Institute of Information Security & Cryptology, Vol. 24, No. 5, pp. 809-815, 2014. https://doi.org/10.13089/JKIISC.2014.24.5.809

원문보기 상세보기
Chan-Woong Hwang, Jin-Gang Kim, Yong-Soo Lee, Hyeong-Rae Kim, Tea-jin Lee, "High-Speed Search for Pirated Content and Research on Heavy Uploader Profiling Analysis Technology", Journal of the Korea Institute of Information Security & Crypthlogy, Vol. 30, No. 6, 2020, pp. 1067-1075, 2020. https://doi.org/10.13089/JKIISC.2020.30.6.1067

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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