멀티모달 AI 기반 KOGL 공유저작물 저작권 침해 가능성 예측 방법
A Copyright Infringement Risk Prediction Method for KOGL Open Government Works Using Multimodal AI
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
공공데이터 개방 확대와 생성형 인공지능 기술의 빠른 확산으로 공유저작물의 활용이 증가함에 따라, KOGL(Korea Open Government License) 조건 위반 사례와 저작권 침해 문제가 지속적으로 발생하고 있다. 기존의 수작업 검수 방식은 데이터 증가 속도와 다양한 침해 유형에 대응하기 어려우며, 출처표시(BY), 비영리(NC), 변경금지(ND), 허위등록(CF) 등 복합적 조건 위반을 자동으로 탐지하기 어렵다는 한계를 가진다. 본논문에서는 텍스트와 이미지 기반 멀티모달 데이터를 활용하여 KOGL 공유저작물의 저작권 침해 가능성을예측하는 멀티모달 AI 기반 침해 위험도 분석 모델을 제안한다. 제안 모델은 입력-전처리-CUR Feature Extractor-GRU Sequence Model-CRU Rule Engine-결과 출력의 6단계 구조로 구성되며, 콘텐츠의 시간적·맥락적 흐름 정보를 반영하여 침해 유형을 분류한다. 1,000회 반복 실험 결과, 제안 모델은 기존 단일모달 방식대비 Accuracy, F1-Score, AUC에서 높은 성능을 기록하였으며, 침해 예측 결과와 함께 근거(evidence) 기반설명 정보를 제공하여 실무 적용 가능성을 입증하였다.
Abstract
With the expansion of open government data policies and the rapid deployment of Generative AI technologies, the utilization of KOGL (Korea Open Government License)-licensed open government works has significantly increased. However, copyright infringement issues continue to arise due to misunderstanding of license conditions, inaccurate labeling, and ambiguity in third-party ownership, leading to violations of attribution (BY), non-commercial use (NC), no-derivatives (ND), and false registration (CF). Traditional manual verification processes are insufficient for handling the growing volume and complexity of shared content, and they fail to automatically detect contextual and multimodal infringement patterns. To address these challenges, this study proposes a multimodal AI-based copyright infringement risk prediction model that integrates textual descriptions and image content to evaluate KOGL compliance. The model consists of a six-stage pipeline-Input, Pre-processing, CUR Feature Extraction, GRU-based Sequence Modeling, CRU Rule Engine, and Final Decision-and learns contextual temporal patterns to classify infringement types. Through 1,000 repeated experiments, the proposed model achieved significantly improved performance over single-modal baselines in Accuracy, F1-Score, and AUC, and provides evidence-based explanatory outputs for practical decision support.