이미지와 영상뿐 아니라 CCTV 비디오 변형 여부 분석 가능
카이캐치 앱에 업로드해 위변조 여부 간단하게 확인할 수 있어
(내외방송=정지원 기자) 영상 내 정보와 주파수 정보를 함께 활용해 변형 영역을 더욱 정밀하게 탐지할 수 있는 인공지능 엔진 기술이 학계 처음으로 개발됐다.
KAIST는 13일 "이흥규 전산학부 교수 연구팀이 새로운 인공지능 구조와 학습 방법론, 그리고 실험실 환경에서는 구하기 힘든 고급 변형 이미지 영상들을 사용해 영상 이미지 위변조 탐지 소프트웨어인 '카이캐치(KaiCatch)'의 영상 이미지 정밀도와 정확도를 크게 높일 뿐만 아니라 비디오 편집 변형도 탐지할 수 있는 카이캐치 2.1버전을 새로 개발했다"고 밝혔다.
카이캐치는 이미지와 영상뿐만 아니라, CCTV 비디오 변형 여부도 분석할 수 있다.
카이캐치 소프트웨어는 '이상 유형 분석 엔진'과 '이상 영역 추정 엔진' 이렇게 두 개의 인공지능 엔진으로 구성된다.
이상 유형 분석 엔진은 ▲블러링 ▲노이즈 ▲크기 변화 ▲명암 대비 변화 ▲모핑(이미지 변환 시 공백 채우기 위해 사용) ▲리샘플링 등을 필수 변이로 정의해 이를 탐지한다.
이상 영역 추정 엔진은 ▲이미지 짜깁기 ▲잘라 붙이기 ▲복사 붙이기 ▲복사 이동 등을 탐지한다.
이번에 새로 개발한 기술은 이상 영역 추정 엔진으로 기존 기술에서는 이상 영역 탐지 시 그레이 스케일(회색조)로 이상 유무를 탐지했으나 분석 신호의 표현력이 낮고 탐지 오류가 많아 위변조 여부 판정에 어려움이 많았다.
이번에 개발된 기술은 색상 정보와 주파수 정보를 함께 활용해 정밀도와 재현율이 크게 향상되고 변형 영역을 컬러 스케일로 표현함으로써 해당 영역의 이상 유무뿐만 아니라 위변조 여부도 더욱 명확하게 판별이 가능해졌다.
연구팀은 이번 연구에서 영상 생성 시 발생하는 흔적과 압축 시 발생하는 흔적 신호들을 함께 분석하기 위해 색상 정보와 주파수 정보를 모두 활용하는 접근 방법을 학계 처음으로 제시했다.
또, 이러한 방법론을 설계하고 구현하기 위해 주파수 정보를 하나의 분할 네트워크에서 직접 입력으로 받아들이는 방식의 '압축 왜곡 신호 탐지 네크워크(Compression Artifact Tracing Network, 이하 CAT-Net)'를 학계 최초로 개발했다.
기존 기법들과 비교할 때 특히 원본과 변형본을 판별하는 평가 척도인 F1 점수와 평균 정밀도에서 대단히 뛰어나 실환경 위변조 탐지 능력이 크게 강화됐다.
비디오 편집 변형의 경우도 프레임 삭제나 추가 등에 의한 편집 변형이 흔히 CCTV 비디오 등에서 발생하는 것에 착안해 비디오 편집 변형을 탐지하는 기능 역시 이번 카이캐치 2.1 버전에 탑재됐다.
이번에 개발된 기술은 기존 기술보다 정밀도와 정확도를 크게 높여 위변조 탐지 기술의 기술 유용성을 일정 수준 확보할 수 있는 기반을 제공한다는 점에서 의미가 크다고 분석된다.
카이캐치 2.1 소프트웨어를 연구하고 개발한 이흥규 교수는 "영상 이미지 위변조 소프트웨어인 카이캐치를 휴대폰에 탑재되는 안드로이드 앱 형태로 지난해 소개한 이후 900건 이상의 위변조 분석 의뢰 등을 받았다"고 말했다.
이어 "이번에 개발한 카이캐치 2.1은 CAT-Net이라는 새로운 네트워크 구조와 학습 방법론, 그리고 색상 및 주파수 영역 왜곡 흔적 동시 분석이라는 첨단 기술을 사용해 정밀도를 높여 명확한 판별이 가능해졌다"며 "최근 CCTV 비디오 편집 여부에 대한 분쟁이 많아 크게 도움을 줄 수 있을 것으로 기대한다"고 덧붙였다.
카이캐치 소프트웨어는 안드로이드 기반 스마트폰의 구글 플레이스토어에서 앱을 다운받아 설치한 후 영상 이미지들을 카이캐치에 업로드하면 위변조 여부를 간단하게 테스트해 볼 수 있다.
이 연구는 한국연구재단 창의도전연구기반지원사업지원과 KAIST 창업기업인 (주)디지탈이노텍의 산학협력 연구로 수행됐다.
제1저자로 참여한 권명준 KAIST 전기및전자공학부 박사와 김창익 교수, 남승훈 박사와 유인재 박사 등과 공동으로 수행된 이 연구는 '스프링거 네이처(Springer Nature)'에서 발간하는 컴퓨터 비전 분야 국제저널인 '국제 컴퓨터 비전 저널(International Journal of Computer Vision, IF 7.410)'에 지난달 25일 온라인에 게재됐다(논문명: Learning JPEG Compression Artifacts for Image Manipulation Detection and Localiztion).
