적대적 워터마킹 기술의 비교 연구와 성능 분석
A Comparative Study and Performance Analysis of Adversarial Watermarking Techniques
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
OTT 플랫폼의 급격한 확산과 디지털 콘텐츠 소비의 증가로 인해, 콘텐츠의 불법 복제 방지의 중요성이더욱 강조되고 있다. AI 기술은 콘텐츠 보호와 관리의 핵심 도구로 자리 잡고 있다. 하지만 AI 기술의 발전은 악의적인 의도로 사용될 가능성이 있다. AI를 사용한 저작권 침해는 워터마크 제거가 대표적이다. AI를사용한 워터마크 제거는 주로 딥러닝 기술이 사용된다. 이에 적대적 워터마크는 AI를 사용한 워터마크 제거의 대응책으로 주목 받고 있다. 현재 적대적 워터마크 연구는 활발하게 진행되고 있다. 그러나 다양한 적대적워터마크 기술 간 어떤 방식의 적대적 워터마크 구현이 가장 효율적인지는 알기 어렵다. 이에 본 논문에서는적대적 워터마크 기술의 비교 연구와 성능 분석을 진행한다. 성능 분석을 위해 비교 모델 및 적대적 워터마크 생성 및 비교 방법에 대해 알아보고 평가를 진행한다.
Abstract
Due to the rapid spread of OTT platforms and the increase in digital content consumption, the importance of preventing illegal copying of content is being emphasized more. AI technology is positioned as a key tool in content protection and management. However, the development of AI technology has the potential to be used with malicious intent. As for copyright infringement using AI, watermark removal is typical. Deep learning technology is mainly used to remove watermarks using AI. Adversarial watermarks are attracting attention as a countermeasure to watermark removal using AI. However, it is difficult to know which method of implementing adversarial watermarks between various adversarial watermark technologies is most efficient. Therefore, in this paper, a comparative study and performance analysis of adversarial watermark technology are conducted.
참고문헌 (10)
- "Superesolution and Watermark Removal using U-Net and WGAN" (2019)[URL]
- "Watermark Removal: a machine learning image inpainting task" (2021)[URL]
- Deyun Chen, "An Improved U-Net for Watermark Removal", Electronics, 11(22), pp.3760~ (2022)[DOI]
- Yuexin Xiang, "AdvEWM : Generating Image Adversarial Examples by Embedding Digital Watermarks", Journal of Information Security and Applications, 80 (2024)[DOI]
- Deyun Chen, "An Improved U-Net for Watermark Removal", Electronics, 11(22), pp.3760~ (2022)[DOI]
- "Detect and Remove Watermark in Deep Neural Networks via Generative Adversarial Networks" (2021)[URL]
- "GANs for Watermark Removal" (2019)[URL]
- Ian J. Goodfellow, "Explaining and Harnessing Adversarial Examples", International Conference on Learning Representations(ICLR) (2015)
- William Villegas-Ch, "Evaluating the Robustness of Deep Learning Models against Adversarial Attacks : An Analysis with FGSM, PGD, and CW", Big Data and Cognitive Computing, 8(1) (2024)[DOI]
- Seyed-Mohsen Moosavi-Dezfooli, "DeepFool : A Simple and Accurate Method to Fool Deep Neural Networks", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition(CVPR), pp.2574~2582 (2016)