"딥페이크 생성·탐지, 쫓고 쫓기는 경쟁… 연구 지원 확대해야"

딥페이크 기술이 이미지·음성·영상 전 영역에서 빠르게 고도화하면서 사회적 위험 역시 커지고 있다. 생성 기술은 눈에 띄게 발전했지만, 이를 구별하는 탐지 기술은 여전히 완전한 해결책을 찾지 못한 상태다. 유하진 서울시립대 컴퓨터과학부 교수는 “생성 기술이 새로운 방식을 제시할 때마다 탐지 기술은 다시 학습하고 적응해야 한다”며 기술 발전의 ‘비대칭성’을 지적했다. 그러면서도 “실물 데이터 특성을 깊이 학습해 미래의 미지 생성물까지 판별하는 원 클래스(one class) 학습 등 새로운 탐지 접근 방식을 활발히 연구 중”이라고 설명했다. 다음은 일문일답.

진짜와 다른 이미지·음성·영상을 만들어내는 딥페이크 생성 기술은 다소 복잡하게 느껴진다. 딥페이크에 쓰이는 모델 원리를 쉽게 설명해 달라.

“우리가 원하는 딥페이크 기능은 데이터만 있으면 딥러닝이 학습하도록 할 수 있는데, 다양한 학습 방법에 따라 성능이 크게 달라진다.

먼저 ‘생성 적대 신경망(GAN·Generative Adversarial Networks)’은 이름 그대로 적대적인 두 개 모델이 서로 경쟁하며 학습하는 방식이다. 생성자는 이미지를 만들고 판별자는 생성된 이미지가 가짜인지를 구별하는 역할..