보조 손실 유도 기반 딥페이크 탐지

Auxiliary-Loss Guided Deepfake Detection

발행

2026 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.

소속·발행

창원대학교

출처

국내 KCI

DOI

10.7471/ikeee.2026.30.1.1

원문

원문 보기 ↗

개념

키워드

words：Swin-transformer, Multiple encoders, Adaptive loss weighting, Memory efficiency, Deepfake Detection, words：Swin-transformer, Multiple encoders, Adaptive loss weighting, Memory efficiency, Deepfake Detection

초록

딥페이크 기술의 급속한 확산은 정보 무결성에 심각한 위협을 초래하고 있다. 이에 대응하기 위해 기존 탐지 방법의 일반화 성능부족과 클래스 불균형 문제를 해결하는 보조 손실 유도 특징 학습(Auxiliary-Loss Guided Feature Learning) 프레임워크를 제안한다. 본 방법론은 Swin Transformer 백본 아키텍처를 기반으로, 위조, 콘텐츠, 공통 특징을 각각 분리 학습하는 3개의 경량 보조인코더를 활용한다. 핵심 혁신은 보조 특징을 직접 앙상블하는 대신 포괄적 손실 시스템을 통해 메인 네트워크의 학습을 유도함으로써, 추론 단계에서 계산 부하 증가 없이 특징 표현의 품질을 향상시킨다는 점이다. DFDC 데이터셋을 활용한 실험에서 99.7%의 정확도와 0.9999의 AUC 점수를 달성했으며, 특히 소수 클래스인 실제 샘플에 대해 99.4%의 재현율을 기록하여 클래스 불균형 환경에서의 효과성과 실용성을 입증했다.

같은 개념의 다른 논문

이 개념이 나오는 강연