초록 ▼

연구개요
주어진 디지털 형태의 정지 및 동영상 콘텐츠를 분석하여, 해당 영상콘텐츠를 획득한 알려지지 않은 개별 장치를 식별할 수 있는 다양한 특징을 생성, 추출 및 매칭하는 알고리즘을 개발. 이러한 다양한 특징을 이용하여 영상 콘텐츠가 최초 생성된 영상 획득 장치를 특정하고, 영상의 조작 여부를 판별할 수 있는 기능을 가진 다중 메트릭 디지털 영상 포렌식 기술을 개발. 또한, 비정형 패턴의 분류 및 인식을 위한 인공지능망 연구의 실효성 제고를 위해 총 100,000개 규모의 다양한 포맷의 영상 및 동영상 데이터 세트를 구축

연구개요
주어진 디지털 형태의 정지 및 동영상 콘텐츠를 분석하여, 해당 영상콘텐츠를 획득한 알려지지 않은 개별 장치를 식별할 수 있는 다양한 특징을 생성, 추출 및 매칭하는 알고리즘을 개발. 이러한 다양한 특징을 이용하여 영상 콘텐츠가 최초 생성된 영상 획득 장치를 특정하고, 영상의 조작 여부를 판별할 수 있는 기능을 가진 다중 메트릭 디지털 영상 포렌식 기술을 개발. 또한, 비정형 패턴의 분류 및 인식을 위한 인공지능망 연구의 실효성 제고를 위해 총 100,000개 규모의 다양한 포맷의 영상 및 동영상 데이터 세트를 구축

연구 목표대비 연구결과
가. 인공지능망 연구를 위한 자체 영상 데이터세트 구축
디지털카메라 및 스마트폰 카메라 37개 기종의 35,112 장의 이미지와 1,626 개의 비디오를 구축하였으며 총 용량은 188.3GB 임. 이를 활용하여 본 연구팀이 개발한 심층 신경망 기반의 카메라 식별 방법을 통해 결과를 검증하고 논문을 통해 이를 공개. 검증 후 공개 DB건수는 스마트폰 카메라 영상 20,575장, 비디오 812편, 디지털 카메라 3,394장임
나. 영상획득 장치 식별을 위한 영상 포렌식 기술 개발
o 딥러닝 기술을 활용한 뛰어난 성능을 가진 카메라 모델 식별 기술 개발
Dresden DB를 이용하여 7개 layer를 가진 비교적 간단한 심층신경망을 적용하고, 데이터 세트의 전처리와 균형 있는 분배를 통해 복잡한 GoogleNet 보다 성능이 뛰어나고 식별률 95.2%에 이르는 기술을 개발
o 딥러닝을 활용한 HDR 모드로 촬영된 사진의 카메라 식별을 위한 기반 연구
HDR 모드로 촬영시 왜곡된 영상만 가용한 점과, 각 사의 HDR 기술은 비공개인 점을 반영하여 Gaussian 왜곡에 대해 자기지도 학습 기반으로 심층 신경망을 재귀적으로 적용하여 우수한 성능을 구현함
o 응용기술 개발 : 카메라로 촬영된 동영상 정보 은닉 기술에 대한 실험 및 기술 제시
기존 연구는 압축되지 않은 동영상에 정보를 은닉한 반면, 본 연구팀은 H.264로 압축된 비트 스트림에 직접 정보를 주입하는 방식과, vector space 개념을 적용하여 최적의 은닉 위치를 지정하는 방식으로 관련 분야의 연구 결과 중 최고의 성능을 보여줌
o 지능형 소프트웨어의 안전성 확보를 위한 정책적 개선 방안 마련
한국소프트웨어정책연구소의 연구원과 공동으로 향후 인공지능 기술의 안전성을 구조적으로 확보하기 위한 권고안 10가지를 제시함

연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
o (사회적) 영상 공유 플랫폼 및 스마트폰 이용의 증가와 비례한 불법 영상물 유통 관련 범죄예방 및 범법자 검거에 활용되며, 시각 인공지능의 안전하고 신뢰성 있는 활용으로 저작권 및 다양한 응용 분야에서 안전한 한국에 기여
o (경제적) 불법 콘텐츠 유통에 따른 합법 콘텐츠를 보호하기 위한 기술에 활용. 또한 자율 주행차의 사고 감소, 합법적 영상 이용 및 공유, 각종 영상 감시 시스템의 활용도 증가 등의 분야는 이미 큰 시장 규모를 형성하고 있으며, 본 연구로 인해 보다 관련 시장이 활성화될 수 있음
o (산업적) 영상획득장치를 특정하는 분야에 있어 인공지능망 연구에 사용될 데이터가 매우 부족한 상황이므로 본 연구의 데이터셋을 공유하여 관련 분야의 연구 활성화. 자율주행 기술의 핵심인 안전 분야의 기초 기술, 인구수 이상 보급된 스마트폰 카메라 관련 기초 기술, 누구나 사용하는 콘텐츠 플랫폼 관련 기초 기술 확보로 주요 산업계에 기여

(출처 : 요약문 2p)