확산 모델의 파인 튜닝은 특정 이미지 세트를 재현하지만, 저작권 및 보안 위험을 초래한다. 데이터 세트 워터마킹은 훈련 이미지에 눈에 띄지 않는 워터마크를 삽입하여 추적성을 확보하려는 시도이나, 현재 방법론은 통일된 평가 프레임워크가 부족하다. 본 논문은 일반적인 위협 모델을 설정하고, 보편성, 전송성, 견고성을 포함하는 포괄적인 평가 프레임워크를 제시한다. 실험 결과, 기존 방법론은 보편성과 전송성은 우수하지만, 실제 위협 시나리오에서는 취약성을 보였다. 또한, 파인 튜닝에 영향을 미치지 않으면서 데이터 세트 워터마크를 완전히 제거하는 실용적인 워터마크 제거 방법을 제안하며, 향후 연구의 중요한 과제를 강조한다.
시사점, 한계점
•
시사점:
◦
확산 모델의 파인 튜닝에 따른 저작권 및 보안 문제 해결을 위한 데이터 세트 워터마킹의 필요성 제기.
◦
데이터 세트 워터마킹 방법론의 성능 평가를 위한 새로운 프레임워크 제시 (Universality, Transmissibility, Robustness).
◦
기존 워터마킹 방법론의 취약점을 밝히고, 워터마크 제거 가능성을 제시하여 향후 연구 방향 제시.
