컨투어렛 도메인 2D GARCH 기반 워터마크 검출기

초록

**
본 논문은 이미지의 컨투어렛 변환 계수를 2차원 GARCH(2D‑GARCH) 모델로 정밀하게 통계적 모델링하고, 이를 기반으로 한 최적의 우도비 검출기(LRT)를 설계한다. 제안된 워터마크는 컨투어렛 서브밴드에 가산형 스프레드 스펙트럼 방식으로 삽입되며, 실험을 통해 높은 검출 정확도와 다양한 공격에 대한 강인성을 입증한다.

**

상세 분석

**
본 연구는 디지털 이미지 워터마크 검출을 위해 컨투어렛 변환 영역에서의 통계적 특성을 심층적으로 조사한다. 기존 연구에서는 컨투어렛 계수가 동일하게 분포한다는 가정하에 라플라시안, 일반화 가우시안 등 단순 확률 모델을 적용했지만, 저자는 라그랑주 승수 검정과 LM 검정을 통해 계수들의 조건부 분산이 위치에 따라 변하는 이질이분산(heteroscedastic) 특성을 발견한다. 특히, 8개의 방향성 서브밴드 각각에 대해 수평·수직·대각선 스캔을 수행한 결과, 2D‑GARCH 효과가 통계적으로 유의함을 확인하였다(표 1, 표 2).

2D‑GARCH 모델은 1차원 GARCH를 2차원으로 확장한 형태로, 각 픽셀(계수) (f_{ij})의 조건부 분산 (h_{ij})를 주변 계수들의 제곱값과 이전 분산값의 선형 결합으로 표현한다. 모델 파라미터 (\alpha)와 (\beta)는 최대우도 추정법으로 학습되며, 이때 사용된 표준 정규 백색 잡음 (\varepsilon_{ij})는 실제 컨투어렛 계수의 잔차를 잘 설명한다. 저자는 2D‑GARCH가 계수들의 무거운 꼬리(heavy‑tailed)와 비대칭성을 동시에 포착함을 히스토그램 비교(그림 3)와 적합도 검정(KS, AIC)으로 입증한다.

워터마크 삽입 단계에서는 가장 에너지(분산)가 큰 방향성 서브밴드를 선택하고, 가산형 스프레드 스펙트럼 방식으로 (g_{ij}=f_{ij}+ \gamma s_{ij}) (여기서 (s_{ij}\in{-1,1}) 는 비밀키에 의해 생성된 의사난수열) 를 적용한다. 검출 단계는 두 가설 (H_0: g_{ij}=f_{ij}) 와 (H_1: g_{ij}=f_{ij}+w_{ij}) 사이의 우도비 검정을 수행한다. 2D‑GARCH 모델을 이용해 조건부 분산을 정확히 추정함으로써, 우도비 식은
\