RemTraceNet: 워터마크 제거 흔적의 포렌식 탐지 연구
RemTraceNet: Few-Shot Forensic Detection of Invisible Watermark Attacks
arXiv워터마크 제거가 포렌식적으로 완벽하게 은폐되는 것은 불가능합니다. 연구진은 이 '제거 과정의 흔적' 자체를 탐지하는 RemTraceNet 모델을 개발했습니다.
- RemTraceNet은 잔여물, 국소 관계, FFT/Haar 통계 등 다양한 정보를 원본 해상도에서 융합 분석하여 기존 최고 성능 대비 평균 10~15%p 높은 탐지율을 기록했습니다.
- 이는 단순한 워터마크 유무를 넘어 자료가 어떻게 변조되었는지 그 과정을 추적해, 콘텐츠의 진위와 소유권(Provenance)까지 강력하게 검증할 수 있음을 의미합니다.
- 다만, 본 연구의 높은 탐지율은 '제한적인 지도 학습(Few-Shot)' 환경과 동일한 실험 프로토콜이 유지될 때 달성된 결과입니다.
를 제거하는 것과 그 제거 과정 자체를 포렌식적으로 완벽하게 은폐하는 것은 별개의 목표입니다. 기존 방법들은 주로 워터마크 억제나 지각 품질 평가에 초점을 맞추었으며, 제거 흔적(removal traces)을 통한 포렌식 탐지 가능성은 충분히 다루어지지 않았습니다. 본 연구는 알려진 파이프라인별로 전문 분석가가 출력물을 분리하여 공격-대-원본 및 공격-대-워터마크 적용본 평가를 수행함으로써, 워터마크 존재 유무에만 의존하는 단축 경로를 방지했습니다.
연구팀은 RemTraceNet이라는 모델을 개발했으며, 이 모델은 제약된 잔여물(constrained residuals), 국소 관계(local relations), FFT/Haar 통계, 그리고 블록-DCT 증거 등 다양한 정보를 원본 해상도에서 융합하여 분석합니다. 이러한 접근 방식은 단순한 워터마크 유무를 넘어 자료가 어떻게 변조되었는지 그 과정을 추적하는 데 중점을 두었습니다.
실험 결과에 따르면, RemTraceNet은 총 23개의 제거 파이프라인과 10가지의 워터마크 구성을 대상으로 테스트되었습니다. 이 모델은 세 가지 시드(three-seed)를 사용하여 측정된 TPR@1%FPR 값이 해상도와 제어 유형 전반에 걸쳐 82.75%에서 88.17% 범위의 성능을 보였습니다. 동일한 레이블과 프로토콜 조건 하에서, RemTraceNet은 기존의 SRNet, ZhuNet, SiaStegNet 등의 기준 모델 대비 평균 10.80%p에서 15.68%p 높은 성능을 기록했습니다.
용어 풀이
- 워터마크
- AI가 만든 글이나 이미지에 눈에 잘 띄지 않게 넣는 식별 표시.