AI 생성 코드의 저작권 보호: 기능 유지하는 새로운 수위 표시법, STONE 등장!

본 기사는 AI 생성 코드의 저작권 보호를 위한 새로운 수위 표시법 STONE과 종합적인 평가 지표 CWEM에 대해 소개합니다. STONE은 코드의 기능적 무결성을 유지하면서 수위를 삽입하여 실용성을 높였고, CWEM은 정확성, 탐지 가능성, 자연스러움을 종합적으로 평가합니다. 실험 결과 STONE은 기존 방법 대비 성능이 향상되었음을 보여줍니다.

최근 생성형 AI의 발전으로 코드 생성 기술이 급속도로 발전하고 있습니다. 하지만 이는 코드의 저작권 침해 문제를 야기하며, 효과적인 대응책 마련이 시급한 상황입니다. 김정인, 박신우, 한요섭 연구원 팀은 이러한 문제 해결을 위해 STONE 이라는 혁신적인 코드 수위 표시법을 개발했습니다.

STONE: 코드 기능 유지하며 AI 생성 코드 식별

기존의 코드 수위 표시법은 코드에 패턴을 삽입하여 AI 생성 코드를 식별하는 방식이지만, 종종 코드의 기능에 필수적인 토큰(예: 키워드, 연산자)을 수정하여 오류를 발생시키는 문제점이 있었습니다. 하지만 STONE은 비구문 토큰에만 선택적으로 수위를 삽입함으로써 이러한 문제를 해결했습니다. 핵심은 코드 실행에 필수적이지 않은 부분에만 수위를 삽입하여 코드의 기능적 무결성을 유지하는 데 있습니다. 이는 마치 건물의 외관을 바꾸는 것과 같습니다. 건물의 구조적 안정성을 해치지 않고도 외관을 통해 건물의 소유자를 식별할 수 있는 것과 유사합니다.

CWEM: 더욱 정교한 평가를 위한 새로운 지표

연구팀은 또한 CWEM(Comprehensive Watermarking Evaluation Metric) 이라는 새로운 평가 지표를 개발했습니다. 기존의 정확성과 탐지 가능성 측정에 더하여, 자연스러움이라는 중요한 요소를 추가적으로 평가합니다. 자연스럽지 못한 패턴은 수위의 존재를 쉽게 드러내어 악의적인 제거 시도를 가능하게 하기 때문입니다. 이는 마치 위조 지폐를 진짜 지폐와 구별하는 것과 같습니다. 단순히 숫자나 문양만으로는 부족하며, 종이의 질감이나 잉크의 농도 등 종합적인 요소를 고려해야 합니다.

실험 결과 및 성능

STONE은 Python, C++, Java에서 기존 최고 성능 방법 대비 평균 7.69% 향상된 CWEM 점수를 기록했습니다. 이는 STONE이 코드의 기능성을 유지하면서도 효과적으로 AI 생성 코드를 식별할 수 있음을 증명합니다. 자세한 내용은 https://github.com/inistory/STONE-watermarking/ 에서 확인할 수 있습니다.

결론

STONE과 CWEM의 개발은 AI 생성 코드의 저작권 보호에 있어 중요한 진전입니다. 이는 단순한 기술적 발전을 넘어, AI 기술 발전에 따른 윤리적, 법적 문제에 대한 해결책을 제시하는 중요한 사례로 평가받을 수 있습니다. 앞으로 STONE과 같은 기술의 발전을 통해 AI 기술의 건전한 발전을 위한 기반이 마련될 것으로 기대됩니다.