한국저작권위원회

ISSN 2983-1946 (Online)

□ 데이터베이스 웹 스크래핑에 대응하는 기술적 차단조치 분석 

  - 최근 생성형 AI의 급속 확산으로 인해 웹 스크래핑이 급증하면서 와 데이터베이스 운영자들이 무단 수집으로 인한 서비스 장애와 저작물 침해를 우려해 다양한 기술적 차단조치를 적용하기 시작했다. 그러나 이러한 기술들이 실제로 저작물 보호 기능을 수행하는지, 어떤 효과와 한계를 갖는지에 대한 체계적 분석은 부족한 상황이다. 본 보고서는 글로벌 오픈 액세스 리포지터리 연합의 설문조사와 주요 사례 분석을 토대로, 웹 스크래핑 대응 기술을 접속 차단형, 이용 제한형, 권리 관리형, 기만형의 네 가지 유형으로 분류하고, 각 기술이 저작물 보호의 핵심 기능인 접근 통제, 대량복제 억제, 권리정보 보존, 침입 추적과 어떻게 연계되어 작동하는지 분석한다.

   ※ (주제어) 데이터베이스 웹 스크래핑, 생성형 AI, 웹 스크래핑, 학술 리포지터리, 글로벌 오픈 액세스 리포지터, 웹 스크래핑 대응 기술, 접속 차단형, 이용 제한형, 권리 관리형, 기만형

□ AI 기반의 특정 화풍 모방 여부 검증 기술 작동 원리

  - 생성형 AI가 만든 이미지가 급속도로 확산되면서, 인간 창작물과 AI 산출물을 구별해 검증할 수 있는 기술의 중요성이 점점 커지고 있다. 특히 AI가 특정 작가의 화풍을 모방하는 사례가 늘어나며, 단순한 유사도 비교를 넘어 작가의 고유한 표현 습관을 데이터로 식별하는 기술이 필요해지고 있다. 본 보고서에서는 미국 버클리 대학교와 홍콩과학기술대학교 연구진이 제안한 스타일센티넬 프레임워크를 중심으로, 작가의 색감·선·질감 같은 시각적 특징을 학습해 새로운 이미지가 원작자의 화풍을 모방했는지를 판별하는 원리를 살펴본다. 이는 외부에 표시를 삽입하는 기존 방식과 달리, 작품 그 자체에 내재된 시각적 표현을 기반으로 실제 작품과의 유사성을 검증할 수 있다는 점에서 새로운 기술적 접근으로 볼 수 있다.

   ※ (주제어) 생성형 AI, 이미지, 인간 창작물, AI 산출물, 스타일센티넬 프레임워크

□ AI 음성 합성 기술 발전에 따른 쟁점과 기술/산업적 대응

  - AI 음성 합성 기술의 발전은 성우 직종을 포함한 다양한 산업의 패러다임에 변화를 일으키고 있다. 성우 업계를 보면, 개별 저작물에 대한 보상을 넘어 생성형 AI의 학습 데이터가 되는 목소리 데이터 자체의 통제권 문제도 중요한 쟁점이다. 목소리 데이터를 보호하고, 합법적인 이용을 기술적으로 보장할 수 있는지에 대한 검토와 기술적 접근의 초점은 무엇인지가 중요한 사안이 되었다. 이를 위해 본 보고서에서는 미국 펜실베이니아 주립대학교 및 애리조나 주립대학교 공동 연구팀이 올해(‘25년) 7월 발표한 「PRAC3: Privacy, Reputation, Accountability, Consent, Credit, Compensation — Long Tailed Risks of Voice Actors in AI Data-Economy」 논문을 분석해 보도록 한다. 해당 연구는 이른바, ‘AI 음성 데이터 경제’에서 성우의 개인정보, 평판, 책임, 동의, 신용, 보상 등 장기적 위험 요인을 분석하고, 윤리적·산업적 대응 필요성을 제시하고 있다.

   ※ (주제어) AI 음성 합성 기술, 생성형 AI, 학습 데이터, 목소리 데이터, PRAC3

한국저작권위원회가 창작한 저작권 이슈 트렌드_통권 제67호(2025-10-1호) 저작물은
"공공누리" 출처표시-상업적 이용금지-변경금지 조건에 따라 이용할 수 있습니다.