서로 싸우는 인공지능(AI) 개발로 사생활 보호 한다.

최근 인공지능(AI) 얼굴 인식 기술이 더 좋아지고 더 정확해지면서 앱과 웹에 대한 사진 또는 비디오 등 개인 정보 보호 및 데이터 보안에 대한 우려와 개인 사생활 침해에 대한 문제가 부각되고 있는 가운데 캐나다 토론토 대학 전기 및 컴퓨터 공학부 부교수인 파람 아라비(Parham Aarabi)가 '동적으로 얼굴 인식 시스템을 방해하는 AI 알고리즘'을 개발했다.

이 솔루션은 대립 학습(adversarial training)이라는 딥러닝 기법을 사용하는데, 두 개의 AI 알고리즘을 사용한다. '얼굴을 식별하는 AI'와 '얼굴 인식 작업을 방해하는‘ 두 가지 신경 네트워크로 두 AI는 끊임없이 싸우며 서로 배우면서 경쟁한다. 그 결과 사생활을 보호하기 위해 얼굴 이미지에 적용할 수 있는 인스타그램(Instagram) 형 필터를 탄생시켰으며, 그들의 알고리즘은 이미지의 매우 특정한 픽셀을 변경하여 인간의 눈에는 거의 감지할 수 없는 변화를 만든다.

다시 말해, 감지 AI가 인식을 위해 눈의 모서리를 찾고 있다면, 또 다른 AI는 눈의 구석을 조정하는 등 사진에 매우 미묘한 교란을 일으켜 감지 AI의 얼굴 탐지 기능을 비활성화 시켜 얼굴 인식 기반의 특성을 방해, 감지 AI의 인식기능을 무력화할 수 있는 또 다른 AI인 것이다.

아라비는 이 기술을 위해 다양한 인종을 조명 등의 조건과 각 다른 환경을 포함하는 등의 600 개 이상의 얼굴 이미지를 산업 표준 풀인 300-W 얼굴 데이터 세트에서 시스템을 테스트했다. 그 결과 기존 얼굴인식 시스템에서 100 % 인식이 가능했던 인식률을 0.5 %까지 낮출 수 있었다. 결국 이 기술은 얼굴 인식을 비활성화 하는 것 외에도 이미지 기반 검색, 피처 식별, 감정 및 인종, 그리고 자동으로 추출할 수 있는 기타 모든 얼굴 인식 기반의 특성을 방해한 것이다.

한편 연구팀은 이번 연구 결과를 오는 8 월 29일부터 31일까지 캐나다 밴쿠버에서 개최되는 제 20 회 멀티미디어 신호 처리에 관한 IEEE 워크샵 ‘MMSP 2018'에서 발표할 계획이며, 아라미는 "얼마 전까지는 사람이 정의해야 했지만 이제 신경망은 스스로 학습한다. 훈련 데이터 이외에는 신경 회로망을 제공할 필요가 없다."며, 이 AI를 앱(App) 또는 웹(Web) 사이트에 오픈소스로 개인 정보 보호 필터로 사용할 수 있기를 희망한다."고 전했다.

참고) 위 기술 관련 논문명은 'Adversarial Attacks on Face Detectors using Neural Net based Constrained Optimization' 해당 논문(다운받기)