(IT 이슈) 딥페이크

1. 딥페이크의 부상

가. 딥페이크의 현재
- 딥페이크는 딥러닝을 이용해 원본 이미지나 동영상 위에 다른 영상을 중첩하거나 결합하여 원본과 다른 가공 콘텐츠를 생성하는 기술
- 2018년 12월 7964개 > 2019년 8월 1만 4678개
- 2019년 9월 기준, 20개의 딥페이크 제작 커뮤니티, 이용자 수는 95791명
나. 딥페이크 구성 핵심 기술 : 생성적 적대 신경망(GAN : Generative Adversarial Network)
- GAN = 생성 모델 + 식별 모델
- 생성모델은 학습, 훈련 후 가짜 동영상을 만들고 식별 모델은 가짜를 감지함, 감지할 수 없을 때까지 가짜를 만드는 방식
- 이 과정에서 생성모델과 식별모델이 서로 경쟁자로 인식하며 상호 발전
- GAN 연구의 발전이 딥페이크 확산에 기여. (2014년 4건, 2019년 9월 1207건)
다. 딥페이크의 활용
- DeepFaceLab, Facesap 오픈 소스 영상 합성 프로그램 배포, GitHub 의 Face-Swap 오픈 소스 코드 공유
- 딥페이크(Deepfake)는 산업적 활용가치가 높아 영화, 음반 등 다양한 분야에서 활용
- 긍 - 딥페이크는 특수효과를 구현하고 제작비용을 낮추는데 기여
- 부 - 포르노 > 2019년 9월 기준, 14,678건의 딥페이크 영상 중 성인물이 전체의 96%를 차지
- 부 - 딥페이크를 활용한 가짜 뉴스로 정치·사회적 불안감이 가중

2. 딥페이크의 여론

가. 딥페이크 키워드 및 양(Volume)
- 2017년 말을 기준으로 언급 양이 증가하였고, 2018년 말부터 급증
나. 딥페이스 언급에 대한 감성 분석
- 딥페이크 에 대한 부정적인 (Deepfake) 인식이 강하고, 시간의 경과에 따라 증가 추세
- 부정적인 인식이 긍정적인 인식의 3배 이상 (슬픔, 두려움)
- 긍정적인 인식도 증가하고 있으나, 양적 측면에서는 열위 (즐거움)

3. 딥페이크의 미래

가. 딥페이크의 확산 적용대상, 분야 등도 다변화 전망
- 딥페이크 콘텐츠수와 언급 양(Volume) 증가 추세이며, 향후 SNS와의 결합으로 확산 폭 확대
- 기술의 보편화와 접근 용이성으로 인해 일반인 및 사물로 확대될 전망
- 적용 분야도 현재는 성인물과 정치 이슈이나, 향후 영화, 음반, 게임, 스포츠 등 다양한 분야로 확대
나. 딥페이크 정책 수립 요구
- 딥페이크에 대한 부정적인 인식이 더 강해 이를 고려한 기업전략 및 정책 수립이 필요
- 즐거움(Joy)에 대한 감정은 존재하므로, 산업적 활용을 하되, 위험을 줄이는 정책
- 정부는 딥페이크 산업 활성화를 고려한 정책 조합(Policy Mix)구상 및 모니터링을 강화, 선거관련 가짜 뉴스에 대비