2019.06.18

"머신러닝으로 위변조된 사진 판별"··· 어도비, UC 버클리와 공동 연구 프로젝트 진행

김달훈 | CIO KR
어도비의 포토샵은 이미지 수정과 편집의 대명사라고 해도 과언이 아닐만큼, 다양한 분야에서 광범위하게 사용되는 이미지 및 그래픽 디자인 소프트웨어다. 좋은 목적으로 활용하면 더 없이 유용하지만, 그 강력함이 때로는 어두운 그늘을 만들기도 한다.

어도비가 UC 버클리(Berkeley)와 함께 디지털 이미지의 위조와 변조 여부를 판별하는, 공동연구 프로젝트를 진행중이라고 밝혔다. 가짜 뉴스와 함께 가짜 사진이 이미 많은 사회적인 문제를 일으키는 가운데, 어도비가 보다 적극적으로 이를 해결할 수 있는 솔루션 개발을 모색에 나선 것이다. 어도비는 이미 지난해부터 조작되거나 위조된 사진을, 인공지능을 이용해 구분할 수 있는 연구에 들어간 바 있다.


어도비와 UC 버클리가 픽셀 유동화를 이용해 위조 또는 변조된 사진을 구별하고 복원하는 연구 프로젝트를 진행 중이다. 변조된 사진(가장 왼쪽), 인공지능을 이용해 변조된 부분을 확인(왼쪽에서 두 번째), 변조된 사진을 복원한 사진(왼쪽에서 세 번째), 원본 사진(왼쪽에서 네 번째)(사진 : 어도비 블로그)

이번 공동연구는 이러한 노력의 일환으로, 신경망 네트워크를 이용하는 머신러닝을 활용한다. 포토샵에서 제공하는 픽셀 유동화(Pixel Liquify)를 이용해 편집한 사진을 식별하는 데 우선 초점을 맞추고 있다. 이를 위해 연구팀은 픽셀 유동화를 적용해 편집한 얼굴 이미지의 변환 전과 후의 사진 데이터베이스를, 신경망 네트워크를 이용해 학습시키는 방법으로 연구를 진행 중이다.

어도비는 이번 연구를 위해 크게 세 가지 과제를 목표로 삼았다. 첫 번째는 조작된 얼굴 사진을 사람보다 훨씬 정확하게 구별할 수 있는 도구를 만들 수 있는가? 두 번째는 이렇게 만들어진 도구를 통해 이미지에서 변경된 부분을 디코딩할 수 있는가? 세 번째는 변경 사항을 실행 취소해서 원본 이미지로 복원할 수 있는가?

연구를 위해 학습을 위한 수 천개의 얼굴 사진 샘플 데이터와 이를 픽셀 유동화로 수정한 학습용 세트를 만들었다. 그렇게 데이터베이스로 만든 사진을 무작위로 추출해 학습하도록 하고, 디자인 전문가가 데이터 세트에 혼합된 이미지를 변경하는 작업도 수행했다. 이렇게 해서 만들어진 변경 또는 수정된 사진과 원본을 사람들이 얼마나 식별할 수 있는지 테스트 하는 작업을 병행했다.

연구 결과에 따르는 사람의 눈으로는 약 53%가 달라진 얼굴을 구별해냈지만, 머신러닝으로 학습한 인공지능은 99%를 판별할 수 있었다고 밝혔다. 연구에 사용된 도구는 얼굴의 특정 부위와 변형된 얼굴을 찾아내고, 변경된 이미지를 원래 상태로 되돌리는 과정을 수행했다. 따라서 이번 연구가 더 많은 진전을 이뤄 일반 사용자 수준에서 사용할 수 있는 수준에 도달하면, 가짜 이미지로 인한 피해를 줄이는 데 유용하게 활용할 수 있을 것으로 기대된다. ciokr@idg.co.kr



2019.06.18

"머신러닝으로 위변조된 사진 판별"··· 어도비, UC 버클리와 공동 연구 프로젝트 진행

김달훈 | CIO KR
어도비의 포토샵은 이미지 수정과 편집의 대명사라고 해도 과언이 아닐만큼, 다양한 분야에서 광범위하게 사용되는 이미지 및 그래픽 디자인 소프트웨어다. 좋은 목적으로 활용하면 더 없이 유용하지만, 그 강력함이 때로는 어두운 그늘을 만들기도 한다.

어도비가 UC 버클리(Berkeley)와 함께 디지털 이미지의 위조와 변조 여부를 판별하는, 공동연구 프로젝트를 진행중이라고 밝혔다. 가짜 뉴스와 함께 가짜 사진이 이미 많은 사회적인 문제를 일으키는 가운데, 어도비가 보다 적극적으로 이를 해결할 수 있는 솔루션 개발을 모색에 나선 것이다. 어도비는 이미 지난해부터 조작되거나 위조된 사진을, 인공지능을 이용해 구분할 수 있는 연구에 들어간 바 있다.


어도비와 UC 버클리가 픽셀 유동화를 이용해 위조 또는 변조된 사진을 구별하고 복원하는 연구 프로젝트를 진행 중이다. 변조된 사진(가장 왼쪽), 인공지능을 이용해 변조된 부분을 확인(왼쪽에서 두 번째), 변조된 사진을 복원한 사진(왼쪽에서 세 번째), 원본 사진(왼쪽에서 네 번째)(사진 : 어도비 블로그)

이번 공동연구는 이러한 노력의 일환으로, 신경망 네트워크를 이용하는 머신러닝을 활용한다. 포토샵에서 제공하는 픽셀 유동화(Pixel Liquify)를 이용해 편집한 사진을 식별하는 데 우선 초점을 맞추고 있다. 이를 위해 연구팀은 픽셀 유동화를 적용해 편집한 얼굴 이미지의 변환 전과 후의 사진 데이터베이스를, 신경망 네트워크를 이용해 학습시키는 방법으로 연구를 진행 중이다.

어도비는 이번 연구를 위해 크게 세 가지 과제를 목표로 삼았다. 첫 번째는 조작된 얼굴 사진을 사람보다 훨씬 정확하게 구별할 수 있는 도구를 만들 수 있는가? 두 번째는 이렇게 만들어진 도구를 통해 이미지에서 변경된 부분을 디코딩할 수 있는가? 세 번째는 변경 사항을 실행 취소해서 원본 이미지로 복원할 수 있는가?

연구를 위해 학습을 위한 수 천개의 얼굴 사진 샘플 데이터와 이를 픽셀 유동화로 수정한 학습용 세트를 만들었다. 그렇게 데이터베이스로 만든 사진을 무작위로 추출해 학습하도록 하고, 디자인 전문가가 데이터 세트에 혼합된 이미지를 변경하는 작업도 수행했다. 이렇게 해서 만들어진 변경 또는 수정된 사진과 원본을 사람들이 얼마나 식별할 수 있는지 테스트 하는 작업을 병행했다.

연구 결과에 따르는 사람의 눈으로는 약 53%가 달라진 얼굴을 구별해냈지만, 머신러닝으로 학습한 인공지능은 99%를 판별할 수 있었다고 밝혔다. 연구에 사용된 도구는 얼굴의 특정 부위와 변형된 얼굴을 찾아내고, 변경된 이미지를 원래 상태로 되돌리는 과정을 수행했다. 따라서 이번 연구가 더 많은 진전을 이뤄 일반 사용자 수준에서 사용할 수 있는 수준에 도달하면, 가짜 이미지로 인한 피해를 줄이는 데 유용하게 활용할 수 있을 것으로 기대된다. ciokr@idg.co.kr

X