한국저작권위원회

ISSN 2983-1946 (Online)

□ AI 크롤링 확산에 따른 허가 기반 데이터 수집과 저작권 준수 기술 도입 현황

  - AI 기반 데이터 수집과 콘텐츠 크롤링이 확산됨에 따라, 웹사이트의 이용 약관 준수와 저작권 보호를 포함한 콘텐츠 권리 문제가 주요 이슈로 주목 받고있다.

  - 이에 산업계는 ‘허가 기반 크롤링(permission-based crawling)’, API 중심의 수집 방식, 메타데이터 삽입 등을 통해 대응 체계를 구축하고 있다.

  - 이는 기존의 무차별적 웹 크롤링 방식과 달리, 데이터 수집 이전 단계에서 출처 기반 접근 제어를 구현함으로써 콘텐츠 소유자 보호, 저작권 준수, 스크래핑 정책의 투명성을 높이기 위한 조치로 평가된다.

  - 이와 함께, 출처 정보를 포함하는 ‘크롤링 메타데이터 동기화 시스템’을 통해 수집된 콘텐츠의 URL, 타임스탬프, 원제공자 정보를 로깅하고, 이를 AI 모델 학습 시 메타데이터로 반영하는 구조도 마련되고 있다.

※ (주제어) 웹 크롤링, AI 크롤링, AI 기반 데이터 수집, AI 기반 콘텐츠 크롤링, 허가 기반 크롤링, API 중심의 수집 방식, 메타데이터 삽입, 크롤링 메타데이터 동기화 시스템, 콘텐츠 권리 문제

□ AI 기반 콘텐츠 생성 도구와 플랫폼 간 책임 분산과 기술적 대응

  - 생성형 AI의 발전으로 콘텐츠 생성 과정에 다양한 이해관계자가 참여하면서 책임 소재가 불명확해지는 문제가 발생하고 있다.

  - 이에 대응하기 위해 Intel Labs가 공개한 Atlas는 ML 라이프사이클 전반에 걸친 증명 가능한 출처 추적 프레임워크를 제시했다.

  - Atlas는 신뢰 실행 환경과 투명성 로그를 결합하여 모델 아티팩트의 무결성과 계보를 검증한다.

  - 한편 EKILA는 NFT 확장을 통해 소유권-권리-속성 간 삼각 관계를 구축하고, 시각적 유사성 기반 기여도 측정을 통해 창작자에게 공정한 보상을 제공한다.

  - 향후에는 두 접근법의 통합과 함께 규제와 기술의 상호 발전을 통해 더욱 효과적인 책임 체계가 구축될 것으로 전망된다.

※ (주제어) 생성형 AI, AI 기반 콘텐츠 생성 도구, 출처 추적 프레임워크, NFT

□ AI 음성 합성 기술의 발전과 출처 식별 및 추적 기술의 진화

  - AI 음성 합성 기술이 VALL-E 2와 같이 인간 수준의 품질에 도달하며, 딥페이크를 이용한 금융 사기 등 악용 위협이 현실화되고 있다.

  - 이에 단순히 진위를 판별하는 것을 넘어, 생성 단계부터 출처를 명확히 하는 선제적 추적 기술이 핵심 대응 방안으로 부상했다.

  - 초기 워터마킹 기술의 한계를 극복한 TraceableSpeech는 음성 합성 모델에 워터마크를 통합하고, ‘프레임 단위 각인’ 기술로 음질 저하를 막으며 편집 공격에 대한 방어력을 높인다.

  - 여기서 한 단계 더 나아간 Traceable TTS는 ‘워터마크 없는’ 핑거프린팅이라는 새로운 해법을 제시한다.

  - 이는 생성자와 판별자를 협력적으로 공동 학습시켜, 외부 정보 주입 없이 모델 고유의 식별 가능한 흔적을 음성에 내재화하는 방식이다. 이처럼 추적 기술은 음질과 보안성을 동시에 높이는 방향으로 빠르게 진화하고 있다.

※ (주제어) AI 음성 합성 기술, 음성 합성 모델, VALL-E 2, TraceableSpeech, 프레임 단위 각인, Traceable TTS

한국저작권위원회가 창작한 저작권 이슈 트렌드_통권 제62호(2025-7-2호) 저작물은
"공공누리" 출처표시-상업적 이용금지-변경금지 조건에 따라 이용할 수 있습니다.