논문명: Proactive Defense Benchmark against Deepfake Generation
저자: Joonhyuk Baek, Wonjune Seo, Jae-yun Kim, Saerom Park, Hoki Kim
게재지: ICML 2026
김호기 교수 연구진의 논문 “Proactive Defense Benchmark against Deepfake Generation”이 머신러닝 분야 세계 최고 권위 학회 중 하나인 ICML 2026에 채택되었다.
딥페이크 기술이 빠르게 고도화되면서, 생성된 이미지를 사후에 탐지하는 방식만으로는 피해를 막기 어렵다는 인식이 확산되고 있다. 이에 따라 원본 이미지를 사전에 미세 변형해 딥페이크 생성 자체를 어렵게 만드는 사전적(proactive) 방어 기법 연구가 활발해졌으나, 기존에는 일관된 평가 기준이 부재해 기법 간 공정한 비교가 어려웠다.
본 연구는 이러한 사전적 방어 기법들을 동일한 조건에서 평가하는 종합 벤치마크를 구축했다. 분석 결과, 화질(fidelity) 보존과 신원(identity) 보호 지표 사이에 핵심적인 트레이드오프가 존재함을 정량적으로 밝혔으며, 이를 토대로 보다 일반화 가능한 차세대 방어 기법 설계의 방향성을 제시했다.
본 논문은 ICML 2026에서 발표될 예정이다.