딥러닝 모델의 발전에 필수적인 대규모 데이터셋의 불법적인 상업적 사용 문제를 해결하기 위해, 본 논문은 샘플별로 고유한 워터마크를 생성하는 SSCL-BW (Sample-Specific Clean-Label Backdoor Watermarking) 기법을 제안한다. U-Net 기반의 워터마크 샘플 생성기를 사용하여 정적 워터마크 패턴의 취약성을 극복하고, 타겟 샘플 손실, 비타겟 샘플 손실, 지각적 유사성 손실을 결합한 복합 손실 함수를 통해 워터마크의 효과, 트리거의 신뢰성, 시각적 비식별성을 확보한다. 소유권 검증 시, 블랙 박스 테스트를 통해 의심스러운 모델이 미리 정의된 백도어 동작을 보이는지 확인한다.
