케이사인의 자회사 에이아이딥이 문화체육관광부가 주도한 “교육 콘텐츠에 대한 인공지능 기반 저작권 침해 의심요소 검출 및 대체 재료 콘텐츠 추천 기술 개발” 과제 사업을 성공적으로 마쳤다고 밝혔다.
이번 연구는 21년 4월부터 24년 12월까지 진행되어 왔으며, 최근 연구 결과가 IEEE Access에 논문으로 게재되었다.
에이아이딥은 기존 해싱 기반 검색 방식의 한계를 딛고 그래프 컨볼루션 네트워크(GCN)를 적용한 딥해싱 모델을 개발해 이미지 및 텍스트 검색의 정확도와 속도를 획기적으로 개선하는 데 성공했다고 밝혔다.
기존의 딥해싱 모델은 주로 합성곱 신경망(CNN)에 의존해 데이터를 처리해왔다. 합성곱 신경망(CNN)은 이미지 전체를 한 번에 계산하는 것이 아닌 이미지의 국소적 부분을 계산함으로써 시간과 자원을 절약할 수 있지만, 비격자 구조에서의 임의의 관계를 포착하는 데는 적합하지 않았다.
에이아이딥은 GCN 기반 딥해싱 모델(Self-Supervised Deep Hashing with GCN, SSHG)을 도입해, 비정형 데이터에서도 높은 정확도를 유지할 수 있도록 설계했다.
이 모델의 핵심은 GCN을 활용한 해시 코드 생성 및 최적화다. 기존 CNN 모델이 인접한 픽셀 정보에 집중하는 반면, GCN은 데이터 간 연결 관계를 학습해 보다 정교한 해시코드를 생성한다.
이를 통해 이미지, 텍스트, 영상 등 다양한 데이터에서 보다 정확한 유사성 검색이 가능해졌다. 또한 연구진은 미분 가능한 Adaptive Sigmoid 활성화 함수를 적용해 학습 효율을 높였다. 기존 해싱 모델은 비미분성 문제로 인해 최적의 해시 코드 학습이 어려웠지만, SSHG 모델은 이를 극복해 더 빠른 수렴 속도를 보였다. 실험 결과, SSHG는 CIFAR-10, NUS-WIDE, FLICKR25K 등 다양한 데이터셋에서 기존 모델 대비 최소 0.5%부터 최대 13%까지 높은 평균 정확도(mAP)를 기록하며, 연산량(FLOPs)도 줄여 효율적인 성능을 입증했다.
연구진은 "이번 연구는 해싱 기반 검색 기술의 새로운 가능성을 열었다"며 "향후 대규모 데이터셋에서 최적화를 진행하고, 영상 검색과 추천 시스템 등 다양한 분야에 적용할 계획"이라고 말했다.
AI 기술이 발전함에 따라 데이터 검색의 효율성이 점점 더 중요해지고 있는 가운데, GCN 기반 딥해싱 기술이 AI 검색의 새로운 표준이 될지 주목된다.
이번 개발 기술은 현재 한국문학예술저작권협회(KOLAA) 이미지관리 시스템에 안심 이미지 점검/추천 서비스로 시범 적용되어 있다.
한편, 에이아이딥은 AI를 기반으로 기업용 LLM 서비스 및 비정형 데이터 개인정보 탐지 및 인식하는 DeepChat, Deeprivacy 솔루션을 보유하고 있다.
★정보보안 대표 미디어 데일리시큐 /Dailysecu, Korea's leading security media!★
