본 논문은 소셜 네트워크 상에서 AI 생성 동영상의 증가로 인해, 통제된 환경에서 훈련된 딥페이크 탐지기가 실제 환경에 적용될 때 일반화에 실패하는 문제를 다룹니다. YouTube나 Facebook과 같은 플랫폼의 공격적인 독점 압축이 저수준 포렌식 단서를 제거하는 주요 원인으로 지목됩니다. API 제한 및 데이터 공유 제약으로 인해 이러한 변환을 대규모로 복제하기 어렵다는 점을 고려하여, 본 논문은 소량의 업로드된 동영상으로부터 압축 및 크기 조정 매개변수를 추정하여 소셜 네트워크의 동영상 공유 파이프라인을 에뮬레이트하는 프레임워크를 제안합니다. 이 매개변수를 사용하여 직접적인 API 접근 없이 대규모 데이터셋에 플랫폼별 아티팩트를 재현할 수 있는 로컬 에뮬레이터를 구현합니다. 실험 결과, 에뮬레이션된 데이터가 실제 업로드 동영상의 저하 패턴과 매우 유사하며, 에뮬레이션된 동영상으로 미세 조정된 탐지기가 실제 공유 미디어로 훈련된 탐지기와 유사한 성능을 달성함을 보여줍니다. 본 연구는 특히 압축된 비디오 콘텐츠라는 미개척 영역에서 실험실 기반 훈련과 실제 배포 간의 간극을 해소하는 확장 가능하고 실용적인 해결책을 제공합니다.
