온라인 소셜 네트워크 공유 이미지에 대한 강건한 이미지 위조 탐지

이미지 편집 소프트웨어(예: Photoshop, Meitu 등)의 과도한 사용은 디지털 이미지의 진정성에 의문을 제기하고 있다. 한편, 온라인 소셜 네트워크(OSN)의 보편적인 보급은 위조 이미지를 보도하는 가짜 뉴스 확산, 허위 정보 유포 등의 주요 채널로 자리 잡고 있다. 그러나 OSN에서 일반적으로 적용되는 다양한 손실성 처리 기법(예: 압축, 크기 조정 등)은 강건한 이미지 위조 탐지 기술 구현에 큰 도전 과제를 안겨주고 있다. 이러한 OSN 공유 위조 이미지에 대응하기 위해, 본 연구에서는 새로운 강건한 학습 전략을 제안한다. 먼저 OSN에서 발생하는 노이즈를 철저히 분석하고, 이를 예측 가능한 노이즈와 예측할 수 없는 노이즈로 분리하여 별도로 모델링한다. 예측 가능한 노이즈는 OSN의 공개된(알려진) 처리 과정에 의해 발생하는 노이즈를 시뮬레이션하며, 예측할 수 없는 노이즈는 기존의 예측 가능한 노이즈를 보완함과 동시에 탐지기 자체의 결함까지 고려하여 설계된다. 이후 모델링된 노이즈를 강건한 학습 프레임워크에 통합함으로써, 이미지 위조 탐지기의 강건성을 크게 향상시킨다. 제안된 기법의 우수성을 검증하기 위해 다양한 실험 결과를 제시하였으며, 기존의 최첨단 기법들과의 비교에서 뛰어난 성능을 입증하였다. 마지막으로, 향후 이미지 위조 탐지 기술의 발전을 촉진하기 위해, 기존 4개의 데이터셋과 가장 인기 있는 3개의 OSN 기반으로 공개용 위조 이미지 데이터셋을 구축하였다. 설계된 탐지기는 최근 공인 위조 이미지 탐지 경진대회에서 최고 순위를 기록하였다. 소스 코드 및 데이터셋은 https://github.com/HighwayWu/ImageForensicsOSN 에서 공개되어 있다.