서포트 벡터 머신 기반 비디오 조각파일 분류

   웹하드, P2P사이트와 같은 파일, 정보공유 사이트가 급속도로 발전하고 늘어나면서 BitTorrent 같은 프로토 콜이 등장하였다. 각 peer들 간에 효과적인 파일공유 및 전송을 위하여 제안된 BitTorrent 프로토콜은 인기 있는 파일 프로토콜 중 하나로서 URL에 의해 내용을 확인하 고 웹과 통합될 수 있도록 설계 되었다. 그러나 BitTorrent의 순기능과 함께 저작권이 있는 영화, 음악, 이 연구는 문화체육관광부와 한국저작권위원회 2014년도 저작권 기술개발사업의 지원으로 이루어졌음. * Corresponding Author : Youngseok Lee(Chungwoon University) Tel: +82-32-770-8225 email: Received November 14, 2014 Revised (1st December 18, 2014, 2nd January 5, 2014) Accepted January 8, 2015

   소프트웨어 등이 불법으로 유통되고 확산되면서 사회적 으로 큰 손해를 주고 있는 것이 현실이다. 본 논문에서는 BitTorrent 환경에서 불법으로 유통되 는 저작물을 탐색하고, 밝혀내는 기술적인 방법의 하나 로서 BitTorrent 환경에서 얻어지는 조각파일들의 형식 을 알아내기 위한 방법을 제안하였다. BitTorrent의 전송 특성상 비디오 파일이 조각 형태로 존재하기 때문에 이 조각파일에서 비디오 콘텐츠를 복구하기 위해서는 조각 파일의 형식을 밝혀내는 것이 우선이다. 따라서 본 연구

   에서는 수집한 조각 파일 형식의 특징을 확인함으로써, 비디오 파일 조각의 형식을 밝혀내기 위한 기술을 제안 하였다. 비디오 파일의 종류를 인식하기 위하여 알 수 없 는 이진 비디오 파일들로부터 통계적인 특징을 추출하여 분류하는 방법이 포함되었으며 비디오 파일의 형식을 추 정할 수 있는 알고리즘을 제안하였다.

   2.1 BitTorrent상에서의 불법 다운로드 BitTorrent는 2001년 4월부터 설계되어, 2001년 7월 2 일 미국의 소프트웨어 개발자 Bram Cohen에 의해 발표 되었다. BitTorrent는 파일을 공유할 수 있는 프로토콜을 제공하고 이를 통하여 파일공유가 가능할 수 있도록 동 작한다. BitTorrent는 분산 해시 테이블을 활용하여 오픈 소스 저작권에서 배포하였으며, 이와 호환된 uTorrent 등 각종 클라이언트(client)들이 만들어져 널리 이용되고 있다. BitTorrent는 크게 클라이언트와 트랙커(tracker) 로 구성이 되며, 클라이언트에서 생성된 .torrent 파일을 웹페이지 또는 웹하드 등으로 공유하여 서비스가 시작된 다. 즉, 공유하려는 파일을 가진 자가 자신의 컴퓨터에 설 치된 BitTorrent 클라이언트를 통해 .torrent 파일을 생성 하고 이를 공유함으로써 시더(seeder) 역할을 하게 되며, 이를 다운로드 받은 사람들이 다시 .torrent 파일을 공유 함으로써 여러 사람이 하나의 파일을 여러 컴퓨터에서 다운로드 받을 수 있는 형태를 가지게 된다. 이러한 BitTorrent를 이용하면 인터넷 상에 저장되어 있는 파일을 다수의 접속을 통하여 동시에 여러 곳에서 여러 조각파일을 다운받을 수 있기 때문에 다운로드 속 도가 향상되는 효과를 얻을 수 있다[1]. BitTorrent의 상 용화로 인하여 음악이나 영화, 드라마, 소프트웨어 등과 같은 파일들의 전송이 가능해 지면서 디지털화된 저작 물들이 순식간에 엄청난 규모의 침해를 당하는 문제가 발생하였다. BitTorrent에서는 조각파일 형식의 이진 데 이터들이 다운로드 되기 때문에 조각파일로부터 비디오 파일 형식을 인식 하고 이를 복구하여 불법복제 여부를 확인하는 것은 매우 어려운 일이다. 따라서 본 연구에서 영상물 불법복제를 단속하기 위 한 첫 번째 단계로서 BitTorrent상의 조각파일들로부터 비디오 파일의 형식을 분류하는 것이 본 논문의 목적이다.

   2.2 미디어 특징 추출 사용된 파일은 이진 데이터 형식을 취하고 있다. 본 연 구에서는 파일 데이터를 Fig. 1과 같이 아스키 코드 형식 으로 추출하였으며, 추출된 데이터는 히스토그램의 차분 을 통한 특징을 추출하는데 사용하였다. Fig. 1은 비디오 데이터로부터 추출한 아스키 코드의 일례이다. 각각의 비디오 형식의 분류를 위하여 BitTorrent 상에 서 가장 많이 사용되고 유통되는 비디오 형식인 AVI, MKV, RMVB 비디오 형식이 적용되었다. Fig. 2는 각 비 디오 파일 형식에 따라 추출한 특징 벡터들을 나타내고 있다. 동일한 비디오 콘텐츠에 대하여 구분 가능한 특징 을 나타내고 있는 것을 알 수 있다.

   [Fig. 1] Ascii code example

   [Fig. 2] Feature Extraction

   3.1 서포트 벡터 머신(SVM) SVM(Support Vector Machine)은 패턴인식을 위한 학습시스템의 한 분야로서 Vapnik에 의해 고안되었다. SVM은 초기에 주목 받지 못하다가 최근 생물정보학, 문 자인식, 필기인식, 얼굴 및 물체인식 등 다양한 분야에서 사용되고 있으며 지도학습(supervised learning)에 의한 패턴 분류에서 널리 사용된다[2]. SVM 분류기의 원리는 결정경계(decision boundary)와 훈련데이터 사이에 최대 여유(margin)을 가지는 초평면(hyperplane)을 설계하는 것이 목적이다. 예를 들어 훈련데이터 집합     ⋯     , 입력변수   ∈   이고 클래스 레이블(class label)   ∈    일 때, 선형분리가 가 능한 문제에서 결정함수의 초평면은 법선벡터  와 중심 에서 초평면까지의 거리  와 같다. 따라서 초평면과 가 장 가까운 점의 여유가 최대화 되면 식 1과 같이 이차 최 적화 문제로 나타낼 수 있다[3].          (1) 조건은 식 2와 같다.       ≥      (2) 선형적으로 분리가 가능하지 않은 경우, 커널함수를 사용하여 특징공간에서 선형분리를 수행한다. SVM은 최대의 여유을 가지면서도 비선형 데이터 까지도 커널함 수에 의해 구분할 수 있다는 장점이 있다. 식 2에서  로 스케일링 하면 초평면에 가장 가  까운 점의 거리는  ∥  ∥ 과 같다. 실질적인 상황에서 완벽하게 분리 가능한 초평면은 존재하지 않으므로 허용 오차를 고려하여 slack변수   를 두면, 식 3과 같은 조건 일 때 식 4와 같은 조건식을 얻는다.  ≥  (3)         ≥         (4)

   따라서 식 3과 식 4와 같은 조건에서 최적화 문제는 다음 식과 같다.                    (5) 위 식에서 C는 미결정 상수로 여유의 최대화와 분류 에러 사이의 균형을 조정하는 정규화 변수라 부른다. 식 2와 같은 제한 상황(constraint condition)에서 최적해를 구하는 문제는 라그랑쥬 승수법(Lagrange multiplier method)을 이용하여 식 6과 같이 라그랑쥬 승수   의 변 화에 따른  의 값을 결정하는 방법으로 해결할 수 있다.          (6)   대부분의 경우   ≠  이고, 해당하는   의 쌍들은 서포트 벡터들로 알려져 있으며 완벽한 결정경계로 정의 된다. 모든 훈련 샘플에서   값이 0에 상응한다면 자동 적으로 조건 식 2에 의해 슬랙변수   는 0이 되며, 또한 벡터  에 대한 초평면 결정함수는 식 7과 같이 나타난다.                      (7)      위 식에서 ∙ 은 시그넘(signum) 함수이다. 또 한 벡터의 내적      을 kernel 함수       로 변 경하면 입력데이터는 높은 차원의 공간으로 매핑된다. 이 의미는 낮은 차원에서 초평면에 의해 분리가 되지 않 는다면 높은 고차원에서는 초평면에 의해 최대 여유를 가지는 데이터로 분리되는 것을 의미한다. 2-class만 분 류하는 SVM의 경우에는   ∈   로 정의 되었지만 k class를 갖는 One-Again-One SVM의 경우에는   ∈   로 정의할 수 있으며 간단한 수학적 조작을 통해 2-class SVM 분류기에서 k-class SVM 분류기로 확장할 수 있다[4]. 본 연구에서는 비디오 조각 파일의 히스토그램의 차 분을 특징 벡터로 하는 multi-class SVM을 제안하였고 다음과 같은 실험과정을 거쳐 비디오 파일 형식을 분류 하고자 한다.

   Formulation used for kernel functions

   Linear kernel used in classification rate
MKV 85% 78% 84% 95% 85% 85% 85% 90% 78% 83% 80% 83% 78% 90%1MB avg 512KB avg 79% 70% 55% 71% 77% 76% 66% 70% RMVB 72% 78% 74% 66% 68% 68% 72% 67% 67% 62% 78% 73% 74% 82% 61% 64% 31% 50% 74% 51% 66% 35% AVI 70% 73% 62% 61% 49% 46% 58% 74% 55% 16% 43% 56% 74% 26% 98% 80% 98% 98%
   [Table 3] Polynomial kernel used in classification rate 3MB avg 2MB avg 93% 89% 95% 96% 90% 91% 89% 95% RMVB 90% 90% 92% 90% 94% 93% 93% 93% 93% 96% 95% 93% 90% 87% 71% 50% 60% 64% 65% 60% 61% 55% AVI 36% 41% 54% 61% 65% 62% 48% 49% 54% 58% 69% 49% 68% 70% 85% 63% 90% 90% 80% 85% 73% 83% MKV 90% 85% 81% 93% 93% 82% 85% 80% 73% 71% 83% 78% 83% 71% 1MB avg 512KB avg 89% 91% 89% 88% 93% 90% 87% 89% RMVB 91% 93% 90% 91% 93% 89% 87% 84% 87% 90% 89% 94% 87% 88% 51% 34% 48% 24% 63% 6% 50% 64% AVI 64% 56% 48% 46% 63% 47% 69% 45% 59% 54% 80% 10% 56% 5% 95% 80% 88% 63% 82% 88% 85% 95% MKV 85% 80% 83% 85% 80% 80% 76% 88% 83% 76% 85% 70% 68% 73% Polynomial kernel 함수를 사용했을 때는 linear kernel 함수를 사용했을 때와 마찬가지로 AVI의 분류율은 약간 떨어지는 반면에 RMVB와 AVI의 경우에는 높은 분류율 을 보이고 있다. Fig. 3과 Fig. 4는 각각의 파일의 커널별, 파일 길이 별 분류율의 평균을 도수분포표로 나타낸 것이다.

   [Fig. 3] Classification ratio for 3, 2, 1, and 0.5 Mbyte video file fragments (linear kernel case)

   [Fig. 4] Classification ratio for 3, 2, 1, and 0.5 Mbyte video file fragments (polynomial kernel case)

   본 연구에서는 이진 분류에 적합한 분류성능을 가지 고 있는 SVM 알고리즘을 조합한 multi-class SVM을 이 용하여 서로 다른 형식의 비디오 조각 파일들의 분류성 능을 향상시키는 새로운 방법을 연구했다. 비디오 파일 형식인 RMVB, AVI, MKV의 정확한 특징을 추출하기 위하여 각각 포맷의 아스키 코드 값을 추출하고 이로부 터 히스토그램의 차분의 특징을 추출하였다. 형식별로 취득한 총 480개의 학습 데이터와 테스트 데이터를 각각 multi-class SVM 분류 기법을 적용하여 linear kernel과 polynomial kernel을 사용하였을 때 AVI는 linear kernel 에서의 평균 분류율이 56.50%, polynomial kernel 평균 분류율이 50.28%로 만족스러운 결과를 얻지 못했지만

   RMVB 파일 형식은 커널별로 89.92%, 71.02% MKV 파 일 형식은 커널별로 81%, 90.60%의 높은 분류율을 얻었 다. 본 논문은 BitTorrent 환경에서 불규칙하게 공유되는 조각파일 만을 가지고 비디오 파일의 형식을 분류하는 방법을 처음으로 시도하였고 비디오 조각 파일만으로도 비디오 형식을 분류할 수 있다는 잠재적인 가능성을 보 였다. 따라서 본 연구는 불규칙한 조각 형태로 존재하는 비 디오 파일이 분포된 BitTorrent 공간에서나 P2P사이트 공간 등에서 파일 식별을 위한 분류를 가능하게 함으로 서 네트워크상에서 영화, 음악, 소프트웨어 등이 불법으 로 유통되고 확산 되는 문제를 탐지하고 예방하는데 크 게 기여할 수 있을 것으로 기대된다.