웨이브렛 계수 최적 스케일링을 이용한 양자화 오디오 워터마킹

초록

**
본 논문은 이산 웨이브렛 변환(DWT) 기반 오디오 워터마킹에서 양자화와 스케일링을 동시에 최적화함으로써 신호‑대‑잡음비(SNR)를 최대화하고 비트 오류율(BER)을 최소화하는 새로운 프레임워크를 제시한다. 라그랑주 승수를 이용해 다계수 양자화 방정식과 SNR 성능 지표를 결합한 함수형을 도출하고, 최적 스케일링 계수를 구해 진폭 스케일링 공격에 대한 불변성을 확보한다. 실험 결과, 제안 방식은 기존 방법에 비해 높은 SNR과 강인한 공격 복원력을 동시에 달성한다.

**

상세 분석

**
이 논문은 디지털 오디오 워터마킹에서 흔히 발생하는 “품질‑강인성 트레이드오프” 문제를 수학적 최적화 문제로 전환한다는 점에서 학술적 의의가 크다. 기존 DWT 기반 워터마킹은 보통 단일 계수를 양자화하거나, 고정된 스케일링 계수를 사용해 임베딩 강도를 조절했지만, 이러한 접근법은 진폭 스케일링이나 시간 스케일링 같은 전역 변형에 취약했다. 저자들은 먼저 다계수 양자화 방식을 일반화하여, 각 저주파 서브밴드 계수에 임의의 양의 스케일링 행렬 A 를 곱한 형태로 재정의한다. 이때 스케일링 행렬의 원소 합을 상수 M 으로 제한함으로써 무한히 큰 스케일링이 발생하는 것을 방지한다.

다음으로 SNR을 성능 지표 J(N)=‖N‖²/‖N−N₀‖² 로 정의하고, 양자화 제약식 A·N = γ·Q (γ는 0 또는 1, Q는 양자화 파라미터)과 결합한다. 라그랑주 승수 λ 를 도입해 제약식과 목적함수를 하나의 라그랑주 함수 L(N,λ)=J(N)+λ·(A·N−γ·Q) 로 만든 뒤, ∂L/∂N=0, ∂L/∂λ=0 조건을 풀어 최적 N* 와 λ* 를 얻는다. 이 과정에서 A 가 최적화 변수임을 인식하고, A 자체에 대한 추가 제약(∑a_i = M)을 포함한 2단계 최적화 문제를 설정한다.

수학적 전개는 결국 “모든 최적화된 DWT 계수의 절대값이 동일해야 한다”는 필요조건을 도출하지만, 실제 신호에서는 이 조건이 성립하지 않으므로 최소‑노름 해(minimum‑length solution)를 선택한다. 이는 선형 방정식 A·N = γ·Q 를 만족하는 무수히 많은 해 중 유클리드 노름이 최소인 해를 구하는 것으로, 의사역행렬(pseudo‑inverse)과 정규화 기법을 이용해 구한다.

스케일링 행렬 A 의 최적값은 a_i = M·|c_i| / Σ|c_j| 형태로, 원래 DWT 계수의 절대값 비율에 비례한다. 이렇게 얻어진 A 는 진폭 스케일링 공격에 대해 불변성을 제공한다. 왜냐하면 외부에서 전체 신호에 일정 배율 k 가 적용되더라도, 스케일링 계수 a_i 가 동일 비율을 유지하므로 양자화 판정식 ⌊(∑a_i·c_i)/Q⌋ 의 결과가 변하지 않기 때문이다.

실험에서는 클래식한 음악, 팝, 전통음악 등 네 종류의 오디오 샘플에 대해 7‑레벨 웨이브렛 분해 후, 제안 방식과 기존 단일‑계수 양자화(QIM) 및 고정‑스케일링 방식들을 비교하였다. SNR은 30 dB 이상을 유지하면서, MP3 압축, 리샘플링, 저역통과 필터, 진폭·시간 스케일링 등 10가지 이상의 공격에 대해 비트 오류율(BER)이 5 % 이하로 억제되었다. 특히 진폭 스케일링 공격에 대해서는 기존 방법이 BER 30 % 이상을 보이는 반면, 제안 방식은 거의 0 %에 가까운 복원률을 기록했다.

결론적으로, 이 논문은 “양자화 방정식 + 스케일링 최적화”라는 두 축을 라그랑주 최적화 프레임워크 안에 통합함으로써, 워터마크의 투명성(높은 SNR)과 강인성(낮은 BER)을 동시에 달성하는 실용적인 설계 방법을 제시한다. 또한 스케일링 계수의 불변성이라는 새로운 방어 메커니즘을 도입해, 실시간 스트리밍이나 방송 환경에서도 안정적인 저작권 보호가 가능함을 입증한다.

**