광학·디지털 결합 무형 워터마크: NULL‑SPACE 기반 이미지 인증 및 변조 탐지

본 논문은 디지털 이미지의 진위와 소유권을 보호하기 위해 광학‑디지털 결합 방식을 제안한다. 기존 디지털 워터마크는 이미지가 캡처된 뒤 삽입되기 때문에 압축, 필터링, 딥러닝 기반 변조 등에 취약했다. 저자들은 이러한 약점을 보완하고자, 카메라 조리개에 맞춤형 위상 마스크(Phase Mask)를 삽입해 이미지 형성 단계에서 물리적인 인증 신호를 부여한다. 위상 마스크는 광학 시스템의 전달 행렬 Aϕ를 변경하고, 그 영공간 N(Aϕ)에 NOWA(Null‑space Optical Watermark)를 삽입한다. 영공간에 존재하는 신호는 센서에 직접 기록되지 않아 눈에 보이지 않으며, 일반적인 복원 알고리즘은 이를 노이즈로 처리해 제거한다. 이를 해결하기 위해 저자들은 Null‑Space Network(NSN)를 설계하였다. NSN은 측정값 y로부터 정규화된 역연산 r(y)로 관측 가능한 부분 ˆxr을 추정하고, 학습 가능한 함수 Uθ를 영공간에 투사해 손실된 정보를 복원한다. 최종 복원식 x_p = ˆxr + ΠN Uθ(ˆxr)는 Aϕx_p = y라는 측정 일관성을 유지하면서 영공간에 삽입된 NOWA를 보존한다. 복원된 이미지 x_p에 대해 인증을 수행한다. 먼저 x_p를 영공간에 다시 투사해 시그니처 맵 s = ΠN(x_p)를 만든다. 정상 이미지에서는 s가 위상 마스크에 의해 미리 정의된 패턴을 보이며, 변조가 가해진 영역에서는 물리적 제약이 깨져 s가 크게 변한다. 이러한 차이를 탐지하기 위해 CNN 기반 검출기 dψ를 학습시켜 픽셀 단위 진위 확률 m_i를 출력한다. 이 과정은 완전 자동화된 두 단계(복원 → 검출) 파이프라인을 구성한다. 광학 설계는 Zernike 다항식으로 위상 마스크의 높이 프로파일 hϕ를 파라미터화한다. 이는 제조 가능성을 보장하면서도 미분 가능성을 유지해 자동 미분 프레임워크(예: PyTorch)와 연동한다. 저자들은 광학 파라미터 ϕ, NSN 파라미터 θ, 검출기 파라미터 ψ를 공동 최적화함으로써 이미지 품질과 인증 정확도 사이의 트레이드오프를 최소화한다. 실험은 두 부분으로 나뉜다. 첫째, 시뮬레이션 환경에서 다양한 압축 비율(JPEG, HEVC), 잡음 수준, 색상 변환 등에 대한 복원 성능을 평가했다. 결과는 PSNR 35 dB, SSIM 0.95 이상을 유지하면서 압축 후에도 NOWA를 성공적으로 복원함을 보여준다. 둘째, 실제 프로토타입 카메라(위상 마스크가 부착된 DSLR)를 사용해 현실 세계 데이터를 수집했다. 실제 촬영 이미지에서도 동일한 복원 품질과 변조 탐지 정확도(F1 > 0.9)를 달성했다. 변조 시나리오로는 복사‑붙여넣기, 영역 삭제, 색상 변조, 딥러닝 기반 이미지 편집 등이 포함되었으며, 모든 경우에 영공간 투사 후 잔차가 크게 증가해 검출기가 높은 신뢰도로 변조를 식별했다. 보안성 측면에서 저자들은 구조적 비대칭성을 강조한다. 공격자는 광학 파라미터 ϕ와 NSN 가중치 θ를 알지 못하면 영공간에 삽입된 NOWA를 재현하거나 위조할 수 없으며, 복원된 이미지에 무단 변조를 가해도 영공간 투사 시 물리적 제약을 위반해 큰 잔차가 발생한다. 따라서 물리적 영공간을 이용한 워터마크는 디지털 포스트 프로세싱 공격에 강인한 방어 메커니즘을 제공한다. 한계점으로는 영공간 차원에 비해 삽입 가능한 워터마크 용량이 제한적이며, 광학 시스템이 크게 변하면(예: 렌즈 교체) 재학습이 필요하다는 점이 있다. 또한, 실시간 적용을 위해 NSN과 검출기의 연산량을 최적화해야 한다. 향후 연구에서는 영공간 용량 확대, 다중 카메라 시스템 적용, 경량화된 네트워크 설계 등을 통해 실시간 모바일 환경에서도 적용 가능한 솔루션을 목표로 할 수 있다. 결론적으로, 본 논문은 광학 영공간을 활용한 무형 워터마크(NOWA)와 측정 일관성을 보장하는 Null‑Space Network(NSN)를 결합함으로써, 이미지 품질을 유지하면서도 높은 변조 탐지 정확도와 보안성을 제공하는 새로운 이미지 인증 프레임워크를 제시한다.