SPDMark: 파라미터 변위 기반 고성능 비디오 워터마킹

초록

SPDMark은 비디오 확산 모델의 파라미터를 선택적으로 변위시켜 워터마크를 삽입하는 인‑제네레이션 방식이다. 저‑랭크 LoRA 기반의 레이어별 베이스 시프트를 사전 학습하고, 키에 따라 이들을 조합해 프레임별 메시지를 생성한다. 임베딩·복원 손실과 지각·시간 일관성 손실을 공동 최적화해 눈에 띄지 않는 워터마크와 높은 복원 정확도를 달성하며, 압축·프레임 삭제·재배열 등 다양한 공격에 강인함을 보인다.

상세 분석

SPDMark은 기존 비디오 워터마킹이 직면한 세 가지 핵심 과제—시각적 불투명성, 시간적 강인성, 그리고 연산 효율성—를 동시에 해결하려는 시도이다. 핵심 아이디어는 ‘선택적 파라미터 변위(Selective Parameter Displacement, SPD)’로, 전체 생성 모델을 고정한 채 일부 파라미터만을 저‑랭크 업데이트(LoRA) 형태로 변형한다. 이를 위해 저자들은 각 레이어 ℓ에 대해 P개의 저‑랭크 베이스 시프트 ζℓ,p (Aℓ,p·Bℓ,p) 를 미리 학습한다. 워터마크 키 κ는 L·log₂P 비트 길이를 가지며, 각 레이어마다 log₂P 비트를 할당해 인덱스 iℓ를 만든다. 이렇게 얻은 iℓ에 대응하는 하나의 베이스 시프트만을 선택(bℓ,iℓ+1=1)함으로써, 키당 레이어별 변위 ΔΦ는 매우 희소하고 효율적인 형태가 된다.

학습 단계에서는 (1) 임베딩된 비디오 ˜x와 원본 비디오 x 사이의 지각 손실 L_imp(예: LPIPS, SSIM)으로 시각적 차이를 최소화하고, (2) 추출기 V_η가 복원한 메시 ˆκ와 원본 κ 사이의 교차 엔트로피 손실 L_rec으로 복원 정확도를 높이며, (3) 연속된 프레임 간의 특징 일관성을 유지하도록 시간 일관성 손실 L_temp을 추가한다. 이러한 다중 목표 최적화는 파라미터 변위가 비디오 품질에 미치는 영향을 억제하면서도 워터마크 복원률을 극대화한다.

프레임별 워터마크는 비밀 기본키 K_base와 프레임 인덱스 t를 입력으로 하는 HMAC‑SHA256 해시 함수를 통해 κ_t를 생성한다. 따라서 각 프레임은 고유한 M‑비트 메시지를 갖게 되며, 이는 변조 탐지와 시간적 변조(프레임 삭제·삽입·재배열) 로컬라이제이션에 활용된다. 추출 단계에서는 각 프레임에 대해 ResNet‑50 기반의 V_η가 κ_t를 예측하고, 추출된 메시들의 순서를 복원하기 위해 최대 이분 매칭을 수행한다. 매칭 결과와 통계적 가설 검정을 결합해 프레임 순서가 변조되었는지 판단한다.

실험에서는 텍스트‑투‑비디오와 이미지‑투‑비디오 두 가지 최신 확산 모델에 SPDMark을 적용하였다. 압축, 가우시안 노이즈, 색상 변환, 프레임 드롭, 프레임 재배열 등 다양한 공격 시나리오에서 평균 복원 정확도는 96 % 이상을 유지했으며, PSNR/SSIM 감소는 0.2 dB 이하에 그쳐 인간 시각적으로는 차이를 감지하기 어려웠다. 또한 LoRA 기반 베이스 시프트 사전 학습은 전체 파라미터의 0.5 % 미만만을 추가로 차지해 메모리와 연산량 측면에서 효율적이었다.

이러한 설계는 두 가지 중요한 의미를 가진다. 첫째, 파라미터 수준에서 워터마크를 삽입함으로써 노이즈‑스페이스 방식이 겪는 역전 과정의 고비용을 회피하고, 모델‑프리 방식보다 높은 강인성을 확보한다. 둘째, 키에 따라 베이스 시프트를 동적으로 조합할 수 있어 다중 키 관리와 프레임‑레벨 인증이 가능해, 실시간 스트리밍 환경에서도 유연하게 적용될 수 있다.