본 연구는 프라이빗 블록체인, 스마트 계약, 인지적 해싱 기법을 통합한 비디오 저작권 보호를 위한 분산형 프레임워크를 제시합니다. 목표는 분산 환경에서 안전한 소유권 등록, 변경 불가능한 기록 관리, 그리고 영상 콘텐츠의 유사성 기반 효율적인 검증을 가능하게 하는 것입니다.
이 논문에서
요약
초록
인터넷에서 동영상 콘텐츠 공유의 인기가 높아지면서 저작권 침해, 불법 복제, 소유권 분쟁에 대한 우려가 제기되고 있습니다. 전통적인 중앙집중식 저작권 처리 방식은 투명성 문제, 조작 취약성, 신뢰할 수 있는 제3자에 의존하는 문제를 안고 있습니다. 따라서 본 연구는 하이퍼레저 패브릭, 스마트 계약, 인지적 해싱을 기반으로 한 분산형 비디오 저작권 보호 시스템을 제시합니다. 첫째, 영상에서 프레임을 추출하고, 평균 해시(aHash), 차분 해시(dHash), 지각 해시(pHash), 웨이블릿 해시(wHash) 알고리즘을 사용해 지각 지문을 생성합니다. 해시와 소유권 정보는 블록체인에 저장되며, 멀티미디어 자산은 원장 외부에 보관됩니다. 저작권 검사는 해밍 거리를 기반으로 한 프레임 수준의 유사도 비교를 통해 수행됩니다. 제안된 프레임워크는 프레임 삽입, 삭제, 자르기, 크기 조정, 회전, 필터링, 트랜스코딩 등 다양한 시간적, 공간적, 압축적 조작을 통해 테스트되었습니다. 실험들은 이러한 변화에 대해 높은 견고성을 보여주었으며, 동시에 무단 수정도 감지했습니다. 따라서 이 기술은 분산형 블록체인 프레임워크를 활용해 저작권 문제에 실질적인 해결책을 제공할 수 있습니다.
서론
디지털 멀티미디어 기술의 발전은 비디오의 제작, 배포, 소비 방식을 변화시켰습니다. 비디오 스트리밍, 소셜 네트워크, 인터넷 기반 콘텐츠 공유 시스템은 전 세계 관객에게 빠르고 쉽게 영상을 배포할 수 있게 합니다. 기술 발전으로 디지털 비디오 콘텐츠 제작과 온라인 비즈니스 성장에 더 많은 창의적 가능성이 열렸지만, 이러한 발전은 콘텐츠 제작자들이 저작권 침해, 불법 복제, 소유권 문제를 겪기 쉽게 만들었습니다. 비디오는 쉽게 복사, 편집, 재인코딩, 재배포가 가능해 오늘날 멀티미디어 세계에서 지적 재산권 보호가 점점 어려워지고 있습니다 2,3.
일반적으로 현재의 저작권 관리 시스템은 콘텐츠 등록, 소유권 검증, 라이선스 계약 관리, 분쟁 처리를 위한 중앙 기관에 의존합니다. 널리 채택되었음에도 불구하고, 이러한 관리 시스템은 몇 가지 중대한 한계에 취약합니다:4. 첫째, 중앙집중화는 저작권 관리 시스템을 잠재적인 사이버 공격, 데이터 조작, 다운타임에 노출시킵니다. 또한, 저작권 소유권은 신뢰할 수 있는 제3자가 보관하는데, 이는 감사 및 장기적인 신뢰성 유지에 있어 완전히 바람직하지 않을 수 있습니다.5. 디지털 멀티미디어 콘텐츠의 증가로 인해 기존 검증 프로세스는 시간이 너무 오래 걸리고 비현실적으로 변하기 때문에 효율이 떨어집니다.
블록체인 기술은분산 환경 내에서 신뢰와 투명성 문제를 해결할 수 있는 해결책 중 하나로 보입니다. 암호화와 합의 메커니즘을 통한 불변 원장을 사용하여 블록체인은 중앙 권위가 프로세스를 통제하지 않고도 안전한 기록 보관을 가능하게 합니다. 기록이 블록체인에 추가되면 변경 불가능하고 변경 불가능해져 더 높은 수준의 추적성과 책임성을 제공합니다8. 이 때문에 DRM, IP, 멀티미디어 소유권 보증 9 등 블록체인 응용 분야를 연구하려는 많은 노력이 이루어졌습니다. 기존 블록체인 플랫폼 중에서 하이퍼레저 패브릭은 허가된 아키텍처, 모듈식 구조, 스마트 계약 지원, 개인정보 보호, 빠른 처리 등 다양한 기능으로 큰 주목을 받았습니다. 퍼블릭 체인과 달리, Hyperledger Fabric의 허가된 아키텍처는 저작권보호 시스템에 이상적입니다.
하지만 멀티미디어 콘텐츠의 저작권 상태를 식별하는 유일한 수단으로 블록체인을 사용하는 데에는 몇 가지 한계가 있습니다. 첫째, 전통적인 암호 해시 함수(예: SHA-256)는 비디오12에 약간의 변경만 가해도 완전히 다른 해시 결과를 생성합니다. 암호학 목적에서는 바람직한 특성이지만, 저작권이 있는 멀티미디어 콘텐츠의 유사하거나 수정된 버전을 시각적으로 인식하는 데 방해가 됩니다. 따라서 멀티미디어 저작권 검증은 이미지나 동영상 내 지각적 유사성을 감지할 수 있는 콘텐츠 인지 알고리즘에 기반해야 합니다.
멀티미디어 콘텐츠에서 저작권 문제를 해결하는 가장 유망한 방법 중 하나는 지각 해싱14를 사용하는 것입니다. 암호학적 해싱과 달리, 지각 해싱은 이미지 또는 비디오프레임 15의 시각적 특성을 인코딩하는 지문을 생성합니다. 따라서 파일이 일반적인 과정(압축, 필터링, 리스케일링, 노이즈 추가 등)을 거쳐도 해시는 비교적 변하지 않습니다16. 현재 사용 중인 지각 해시에는 평균 해시, 차분 해시, 지각 해시, 그리고 웨이블릿 해시17,18 네 가지 유형이 있습니다.
멀티미디어 데이터의 저작권 보호 기법과 블록체인 기술을 결합한 다양한 연구가 진행되었습니다. 이전 연구들은 소유권 등록, 디지털 워터마킹, 증거의 분산 저장 및 관리, 분산 권리 관리, 멀티미디어 콘텐츠의 안전한 저장 등 블록체인 기술을 활용했습니다. 하이퍼레저 패브릭은 이전 작업에서 저작권 등록, 권리 관리, 스마트 계약과 허가된 합의 프로토콜을 통한 거래 감사를 가능하게 하는 데 활용되었습니다21,22. 마찬가지로, 중복 및 조작된 멀티미디어 콘텐츠를 감지하기 위해 지각 해싱과 워터마킹 기법이 제안되었습니다. 블록체인 기술을 활용한 저작권 관리를 가능하게 하는 이러한 유망한 연구에도 불구하고, 여전히 몇 가지 공백이 존재합니다23,24. 첫째, 이전 많은 프레임워크는 주로 소유권 등록에 집중하지만 콘텐츠 검증 기능이 부족합니다. 둘째, 많은 연구들이 단일 해싱 또는 워터마킹 방식을 사용해 비디오 조작 공격에 더 취약하게 만들었습니다25,26. 표 1은 기존 시스템이 일반적으로 소유권 등록을 지원하지만, 분산 소유권 관리와 다중 해시 콘텐츠 검증을 결합하는 경우는 드뭅니다.
비디오 편집 기술의 발전으로 저작권 침해를 방지하기 위한 효율적인 비디오 소유권 확인이 더욱 필요해졌습니다27. 현재 기술은 프레임 속도를 추가, 삭제, 교체, 변경하는 등 비디오를 시간 조작하는 여러 방법을 제공합니다. 마찬가지로 공간 조작 옵션으로는 프레임 크기 조정, 스케일링, 필터링, 압축, 트랜스코딩, 그리고 비디오의 기하학적 변형 등이 포함됩니다28. 이러한 조작은 영상의 외관을 바꾸지 않더라도 저작권자를 식별하기 어렵게 만듭니다. 효율적인 시스템은 허용되는 조작, 소유권, 저작권 침해를 무결성29를 구분할 수 있어야 합니다.
효율적인 비디오 저작권 관리 문제를 해결하기 위해, 이 논문은 하이퍼레저 패브릭, 스마트 계약, 인지적 해싱을 활용한 분산형 모델을 제안합니다. 제안된 프레임워크는 해싱 기법을 사용하여 지각 지문을 생성하여 비디오프레임 30,31을 추출할 것입니다. 지각 지문을 생성하기 위해 aHash, dHash, pHash, wHash 등 네 가지 해싱 기법이 사용됩니다. 소유권 정보, 타임스탬프, 해시는 허가된 블록체인 기반 원장에 기록됩니다. 확장성을 높이기 위해 CouchDB는 블록체인과 함께 멀티미디어 콘텐츠를 오프체인에 저장하는 데 사용됩니다.
제안된 프레임워크는 프레임 수준의 유사성을 검증하고 동영상의 수정, 중복, 불법 사용을 탐지하기 위해 해밍 거리 분석을 사용합니다. 여러 지각 해싱 기법과 블록체인 기반 가청성을 결합함으로써, 이 솔루션은 콘텐츠 수준의 인증과 변조 방지 소유권 관리를 모두 달성합니다. 단일 검증 방법에 의존하는 이전 시스템과 달리, 제안된 프레임워크는 여러 지각 디스크립터를 사용하여 시간적, 공간적, 압축적 비디오 조작을 견딜 수 있습니다.
연구에서 제시된 주요 기여는 다음과 같습니다: (1) 하이퍼레저 패브릭 프레임워크를 이용한 비디오의 안전한 저작권 등록 및 검증 과정을 위한 분산화 접근법; (2) aHash, dHash, pHash, wHash와 같은 다중 지각 해싱 알고리즘을 사용하여 편집 후에도 유사한 영상을 인식할 수 있는 다중 비디오 지문을 생성한다; (3) 하이퍼레저 패브릭과 CouchDB를 모두 활용한 분산 데이터베이스 모델이 개발되어 데이터 무결성과 추적성을 저해하지 않으면서 확장성 문제를 해결합니다; (4) 프레임과 픽셀에 따른 비디오 조작을 결정하기 위해 해밍 거리 계산을 포함하는 포괄적인 검증 프로세스가 공식화됩니다; (5) 수정된 영상을 탐지하는 제안된 방법의 능력을 보여주기 위한 실험이 수행됩니다.
따라서 블록체인 기반 소유권과 다중 해싱 알고리즘을 통합함으로써 제안된 프레임워크는 탈중앙화 비디오 저작권 보호에 실현 가능한 접근법을 제시합니다.
프로토콜
이 연구는 인간 참가자, 인간 대상, 동물 대상, 임상 표본을 포함하지 않았습니다. 따라서 기관 윤리 승인과 사전 동의는 필요하지 않았습니다.
재료 및 소프트웨어
프레임워크 배포에 사용된 환경은 Hyperledger Fabric 버전 2.4.8, CouchDB, Docker Containers, Minifab 배포, FFmpeg 멀티미디어 처리 애플리케이션, 그리고 Go 프로그래밍 언어였습니다. 하이퍼레저 패브릭은 분산형 원장 관리와 스마트 계약 실행 서비스를 제공했으며, CouchDB는 오프체인 저장을 통해 저작권 정보를 효율적으로 저장하고 검색했습니다. FFmpeg는 비디오 전처리와 영상 프레임 추출에 사용되었고, 지각 해싱 알고리즘은 Go 프로그래밍 언어의 이미지 해싱 라이브러리를 통해 적용되었습니다. 모든 도구와 그 설명 목록은 재료표에 나와 있습니다.
프레임워크 아키텍처
제안된 프레임워크는 허가된 블록체인 하이퍼레저 패브릭 내에서 인지적 해싱 알고리즘을 활용하여 비디오 저작권 보호 및 소유권 검증을 분산 방식으로 구현할 수 있습니다. 이 프레임워크는 비디오 전처리, 인지적 해시 생성, 블록체인 기반 저작권 등록, 유사성 기반 검증의 다섯 가지 주요 구성 요소로 구성되어 있습니다. 이 프레임워크에서 Hyperledger Fabric은 신뢰층 역할을 하여 변경 불가능한 소유권 기록을 제공하며, CouchDB는 오프체인 저장 기능을 제공합니다. 제안된 프레임워크의 전체 아키텍처는 그림 1에 나타난다.
저작권 검증 시스템 모델
조사 대상 시스템의 상세한 워크플로우는 그림 2에 나와 있습니다. 영상 획득으로 시작해 FFmpeg를 이용해 일정 간격으로 프레임 추출이 진행됩니다. 추출된 프레임은 하이퍼레저 패브릭 구현 환경에서 처리되며, 여기에는 소유권 등록, 인증서 관리, 피어 통신, 트랜잭션 검증과 같은 작업이 포함됩니다. 추출된 프레임에 지각 해싱을 적용한 후, 유사성 정도를 평가하기 위해 해밍 거리 계산을 합니다. 해밍 거리가 임계값 이하라면, 그 프레임은 진짜로 간주되며 등록된 내용과 유사합니다; 그렇지 않으면 수정된 콘텐츠로 간주됩니다.
비디오 획득, 전처리, 그리고 지각 해싱 생성
실험에서 사용된 비디오 샘플은 480p 해상도의 MP4 파일로, 평균 길이는 약 26초였습니다. 평가 데이터셋에는 원본 참조 영상과 여러 수정된 버전을 포함해 15개의 비디오 샘플이 포함되어 있었습니다. 이 수정에는 프레임 속도 변경, 프레임 삽입, 삭제 또는 대체와 같은 일반적인 편집 작업, 크롭, 스케일링, 회전, 오버레이 효과 등 왜곡 적용이 포함되었습니다. 데이터셋에는 압축, 노이즈, 텍스트, 스티커 추가, 글리치 효과 등 다양한 요소도 포함되어 있었습니다. 모든 영상은 MP4 포맷의 480p 해상도였으며, 동일한 전처리와 지문 생성 단계를 거쳤습니다. 시스템의 회복력을 테스트하기 위해 설계된 이 데이터셋은 침해와 조작이 관련된 다양한 실제 시나리오를 다룹니다. 저작권 탐지와 확인 대상이 되기 전에, 비디오 파일은 FFmpeg에서 전처리되었습니다. 비디오 파일에서 프레임을 1초 간격으로 추출하여 계산 비용이 적게 드는 시각적 콘텐츠 형태의 압축된 요약을 얻었습니다. 다음으로, 이 프레임들은 회색 스케일로 변환되고 정규화되어 조명 조건, 인코딩, 압축 차이로 인한 픽셀 강도 변화를 최소화했습니다.
평균 해싱(aHash), 차분 해싱(dHash), 지각 해싱(pHash), 웨이블릿 해싱(wHash) 형태의 비디오 콘텐츠 지문 생성에 네 가지 지각 해싱 함수가 사용되었습니다.
해시 생성을 위해 프레임을 먼저 그레이스케일로 변환하고 8x8 픽셀로 크기 조정하여 aHash와 dHash를 계산했습니다. aHash를 사용하면 각 픽셀을 평균 회색 스케일 값과 비교하여 64비트 지문을 생성했습니다. dHash 알고리즘도 비슷한 작업을 했는데, 64비트 지문을 생성했지만, 인접한 가로 픽셀 세기의 차이를 관찰했습니다. pHash의 경우, 프레임을 32x32 픽셀로 크기 조정한 후 이산 코사인 변환을 계산했습니다. 64비트 지각 지문을 생성하기 위해 저주파 8x8 DCT 계수만 사용되었습니다. wHash의 경우, 프레임은 다시 32x32 픽셀로 재조정되었으나, 이번에는 하르 웨이블릿 변환으로 처리되었습니다. 추출한 가장 낮은 주파수의 웨이블릿 계수로부터 64비트 해시가 생성되었습니다. 이 모든 매개변수 설정은 일반적인 비디오 조정을 처리할 수 있는 계산 효율성과 성능 간의 균형을 잘 맞추는 것을 목표로 합니다.
효율적인 해시 함수 계산을 수행하기 위해 이 이미지들은 정규화되고 크기 조정되었습니다. 평균 해싱 방법은 픽셀 세기를 그림의 평균과 비교하여 작동합니다. 차분 해싱도 비슷하게 작동하지만, 이웃 픽셀의 픽셀 강도를 비교하여 국소 그라디언트에 초점을 맞춥니다. 지각 해싱은 DCT에서 얻은 푸리에 특징을 사용하는 반면, 웨이블릿 해싱은 웨이블릿 변환 결과에 의존해 특징을 추출합니다.
블록체인 기반 저작권 등록 및 검증
획득된 지각 지문, 소유권 메타데이터, 타임스탬프, 거래 세부 정보는 스마트 계약인 vitChain을 통해 하이퍼레저 패브릭 블록체인에 입력됩니다. 블록체인 구현에는 두 개의 조직, 두 개의 피어, 두 개의 순서 노드, 두 개의 인증 기관(CA) 노드, 그리고 CouchDB 상태 데이터베이스가 포함되며, 모두 자동 채널을 통해 연결됩니다. 허가된 블록체인 프레임워크는 저작권 정보의 안전한 처리, 제한된 접근, 변조 방지 저장을 지원합니다.
저작권 등록 절차는 콘텐츠 소유자가 사용자 인터페이스를 통해 비디오를 업로드한 후 시작됩니다. 사용자가 저작권 등록을 위해 비디오를 제출하면, 애플리케이션 계층은 하이퍼레저 패브릭 SDK를 통해 vitChain 스마트 계약을 호출합니다. 이 등록에는 고유한 거래 ID, 소유자 정보, 비디오 ID, 타임스탬프, 그리고 aHash, dHash, pHash, wHash 등 네 가지 유형의 지각 해시 값이 포함됩니다. 또한 콘텐츠에 대한 메타데이터도 있습니다. 앱은 거래 제안서를 지지하는 동료들에게 보냅니다. 이 피어들은 스마트 계약 로직을 실행하여 거래가 승인 정책을 준수하는지 확인합니다. 검증이 성공하면 거래는 주문 서비스로 이동합니다. 여기서 검증된 거래는 블록으로 그룹화되어 원장에 포함되도록 동료 노드로 전송됩니다. 한편, 관련 메타데이터는 CouchDB에 저장됩니다. 이들은 거래 ID를 통해 블록체인 기록과 연결되어 쉽게 조회할 수 있고, 온체인과 오프체인 데이터 모두의 일관성을 유지할 수 있습니다.
전처리와 지각 해시 계산 후, 지문과 관련 메타데이터가 스마트 계약에서 실행할 트랜잭션으로 조립됩니다. 거래 검증은 지정된 승인 정책에 따라 참여 피어가 수행합니다. 승인이 이루어지면, 거래는 분산 원장의 블록에 포함되도록 주문 서비스에 전달됩니다. 신뢰성 있는 운영을 위해 등록 및 검증 과정에 기본적인 오류 처리를 포함시켰습니다. 거래가 이루어지기 전에 앱은 필수 메타데이터, 소유권 정보, 인지된 해시를 확인하여 문제를 방지합니다. 트랜잭션이 승인 규칙을 충족하지 못하거나 매개변수가 유효하지 않으면, 피어 노드는 이를 즉시 거부합니다. 통신 실패나 처리 오류와 같은 문제가 발생하면 시스템이 이를 기록하고 관리자 알림을 보냅니다. 이로 인해 사소한 처리 오류가 시스템 전파를 방지하는 데 도움이 됩니다. 저작권 검사 과정에서 무효 메타데이터나 손상된 해시 값이 포함된 영상은 검증 과정에서 제외됩니다. 지문 생성에 실패한 동영상도 마찬가지로 검증 과정에서 제외됩니다. 전반적으로 이러한 조치들은 데이터를 깨끗하게 유지하고 프레임워크의 신뢰성을 강화합니다. 저작권이 있는 비디오의 소유권 정보는 불변이 되어 나중에 검색할 수 있습니다.
검증
검증 과정은 유사한 전처리와 지문 계산 단계를 거친 후, 해밍 거리 기반 유사도 측정을 사용하여 블록체인에 저장된 지문과 지문 비교를 진행합니다. 유사성 측정을 바탕으로 스마트 계약은 제출된 영상의 저작권 정보를 결정합니다. 상호작용 워크플로우는 그림 3에 나타났습니다.
유사성 기반 저작권 검증
저작권 검증 과정은 쿼리 영상에서 얻은 지각 지문을 블록체인 시스템에 이전에 저장된 지문과 비교합니다. 등록 시 사용된 동일한 전처리 및 해시 값 생성 과정을 검증 단계에서 반복하여 일관성을 유지합니다. 유사성은 해밍 거리를 사용하여 측정되며, 이는 두 해시 값 간의 비트 차이 수를 세는 것입니다. 해밍 거리가 짧을수록 두 영상 간 유사성이 높음을, 해밍 거리가 길수록 콘텐츠 조작이 심각함을 나타냅니다. 쿼리 영상이 등록된 영상과 일치하는지 확인하기 위해, 우리는 두 자각의 지각 해시 값 사이의 해밍 거리를 사용했습니다. 예비 실험을 바탕으로, 일반적인 비디오 처리 작업에 대한 견고성과 무단 수정에 대한 민감성 사이의 적절한 균형을 맞추기 위해 해밍 거리 임계값 20이 선택되었습니다. 해밍 거리가 20 이하인 동영상은 동일한 저작권 콘텐츠를 대표하는 것으로 간주되었습니다. 더 많았다면 큰 변화가 보여질 것입니다. 이 20은 압축, 필터링, 트랜스코딩, 프레임 레이트 변경 같은 일반적인 비디오 편집을 처리하기 위해 선택되었지만, 여전히 무단 변경 사항을 포착합니다. 수집된 모든 프레임 지문에 대해 유사성 측정이 이루어지고, 이를 집계하여 저작권 검증 결론을 도출합니다. 등록된 콘텐츠와 다른 영상은 추가 조사를 위해 표시됩니다.
배포 환경
테스트베드 환경은 Docker 컨테이너와 Minifab 오케스트레이션 도구를 사용해 만들어졌습니다. Hyperledger Fabric 버전 2.4.8을 기반으로 한 블록체인 네트워크가 CouchDB를 스마트 계약 데이터의 상태 데이터베이스 및 저장 계층으로 배포했습니다. vitChain 스마트 계약은 Go로 구현되었으며 Hyperledger Fabric 체인코드 수명주기를 사용하여 배포되었습니다. 배치 매개변수는 표 2에 요약되어 있습니다. 이 네트워크는 콘텐츠 크리에이터와 비디오그래퍼라는 두 개의 참여 조직으로 구성되어 있었습니다. 거래의 무결성을 보장하고 무단 저작권 등록 또는 수정을 방지하기 위해, 거래를 원장에 올리기 전에 양 조직의 승인을 요구하는 다조직 승인 정책이 도입되었습니다. 구체적으로, 지지 정책은 AND 규칙을 따랐으며, 이는 AND('ContentCreatorMSP.peer', 'VideographerMSP.peer')로 표현되었습니다.
결과
제안된 분산형 저작권 보호 모델의 효율성을 평가하기 위해, 멀티미디어 전송, 편집, 저작권 침해 과정에서 자주 발생하는 다양한 비디오 조작 공격에 대해 테스트합니다. 평가에서 두 가지 주요 요소는 (i) 저작권 및 변조 감지에서 인지 해싱 알고리즘의 신뢰성, (ii) 하이퍼레저 패브릭 블록체인 네트워크의 성능입니다. 유사도 점수는 평균 해시(aHash), 차이 해시(dHash), 지각 해시(pHash), 웨이블릿 해시(wHash)를 계산하여 생성되었으며, 이를 블록체인에 기록된 비디오 지문과 비교했습니다.
비디오 조작 공격 하에서의 유사성 분석
모델의 견고성은 시간적, 공간적, 기하학적 공격, 압축, 필터링, 적대적 조작 등 여러 공격을 통해 비디오에 적용되어 평가되었습니다. 이 연구의 유사성 값은 각 비디오 조작 시나리오에 대한 개별 실험에서 나왔습니다. 각 조작 유형은 한 번씩 적용되어 대표적인 테스트 케이스를 만들었고, 유사도 점수가 분석을 위해 기록되었습니다. 목표는 제안된 프레임워크가 다양한 현실적인 공격 조건에서 저작권 관련 변경을 얼마나 잘 감지할 수 있는지 확인하는 것이었습니다. 따라서 보고된 값은 반복 시험의 평균이 아니라 개별 테스트 케이스의 결과를 보여줍니다.
네 가지 지각 해싱 알고리즘을 사용한 유사도 점수는 표 3에 나열되어 있습니다. 제안된 모델은 대부분의 콘텐츠 보존 공격에서 비교적 높은 유사성을 달성하면서도 동영상의 큰 구조적 변화에 민감함을 유지합니다(표 3).
시간 변환 하에서의 성능
프레임 삽입, 프레임 삭제, 프레임 대체, 프레임 속도 변환과 같은 시간적 변환은 주로 비디오의 시간적 연속성에 영향을 주면서도 공간적 특징은 거의 보존합니다. 실험 결과 프레임 삽입과 프레임 대체는 모든 테스트된 지문 인식 알고리즘과 80% 이상의 유사성을 달성했습니다(그림 4). 따라서 지각 지문은 시간적 변화에도 불구하고 영상의 시각적 특징을 유지했습니다.
프레임 삭제 시 프레임에 정보가 없어 유사도 값이 약간 감소했습니다. 그럼에도 불구하고 지문은 저작권 침해 탐지에 충분한 성능을 제공할 만큼 유사했다. 프레임 속도 변동은 유사도 측정에 큰 영향을 미치지 않았으며, 대부분의 테스트 샘플에서 97% 이상의 값을 얻었습니다. 이는 프레임 속도 변환이 프레임 특징에 큰 변화를 주지 않기 때문입니다.
공간 및 기하학적 변환의 영향
기하학적 및 공간적 변환은 비디오 프레임 내 시각적 구조에 직접적인 영향을 미치므로, 지각 해싱 기법에는 상대적으로 어렵습니다. 국소적으로 조작된 영역은 유사성 값이 약간 감소했는데, 이는 시각적 변형이 국소적이며 전 지구적 지각 해시에 실질적인 변화를 주지 않았기 때문입니다.
크롭 작업은 시각 자료 일부를 제거함으로써 유사도 값의 변동이 더 커졌습니다. 회전 변환은 지각 해시 기법 전반에 걸쳐 약 48%에서 66%까지 유사한 값이 가장 크게 감소했습니다. 이는 회전이 지각 해시에서 중요한 역할을 하는 공간 구조를 변화시키기 때문에 이해할 수 있습니다. 이미지 크기를 조정해도 유사도 점수에는 거의 영향을 주지 않았는데, 그 이유는 수치가 96% 이상으로 유지되었기 때문입니다. 그림 5는 기하학적 변환을 포함한 비디오 회전 하에서 얻은 유사성 결과를 요약합니다.
압축, 필터링, 노이즈에 대한 강인성
압축과 트랜스코딩은 멀티미디어를 저장하고 배포할 때 일상적인 작업입니다. 실험 분석 결과, MPEG 압축, 트랜스코딩, 다양한 비디오 코덱으로 재인코딩한 후에도 유사성이 일관되게 98% 이상임이 확인되었습니다. 연구 결과로 미루어 보아, 지각 지문은 압축 오류와 양자화 잡음에도 불구하고 대부분의 시각 내용을 유지하고 있음을 추론할 수 있습니다. 또한 노이즈 첨가 및 필터링에 관한 실험도 수행되었습니다. 소음이 아무리 크든 비슷한 비율은 항상 98%에서 99% 사이였다. 또한 가우시안, 중앙값, 저역 통과 필터링을 통해 유사성 변화는 최소화되어 비디오의 전체 구조 정보를 유지했습니다.
복잡하고 적대적인 수정의 탐지
제안된 모델은 또한 텍스트나 스티커를 비디오 프레임에 추가하거나, 동영상 클립을 병합하거나, 협조 수정 공격과 같은 공격을 식별하는 데 연구되었습니다. 이러한 수정은 저작권이 있는 자료에 무단 변경을 할 때 일관성을 유지하기 위해 사용됩니다. 비디오 프레임에 텍스트를 추가한 후 유사성 분석 결과는 아래 그림 6 에 나와 있으며, 그림 7 은 병합된 비디오 클립의 유사도 분석 결과를 보여줍니다.
지각 해싱 알고리즘의 성능 비교
네 가지 지각 해싱 알고리즘 각각은 실험 테스트 중 관찰된 특정한 특성을 가지고 있었습니다. 지각 해싱(pHash)은 압축, 필터링, 트랜스코딩에 매우 견고하면서도 구조적 조작에 민감했습니다. 웨이블릿 해싱(wHash)은 텍스트나 객체 추가와 같은 로컬 조작에서 잘 작동했습니다.
차분 해싱(dHash)은 구배 관련 구조 조작을 감지할 수 있었지만 회전에 더 민감했습니다. 평균 해싱(aHash)은 전체 강도가 변하지 않는 전역 적용 연산에 적용될 때는 안정적이었으나, 기하학적 조작이 발생하면 덜 안정적이었습니다. 전반적으로 pHash와 wHash가 테스트된 알고리즘 중 가장 우수한 결과를 냈습니다.
블록체인 기술의 성능 평가
콘텐츠 검증 성능 외에도 블록체인 시스템의 확장성과 성능도 고려되었습니다. 실험 중에 파일 업로드에 필요한 시간이 파일 크기와 네트워크 크기에 따라 선형적으로 증가하는 것으로 밝혀졌는데, 이는 피어 간 동기화가 필요하기 때문입니다.
마찬가지로, 채굴과 블록 생성 시간은 동료 수가 증가함에 따라 선형적으로 증가했습니다. 이 결과는 피어 수가 증가함에 따라 거래 수행이 더 어려워져 더 많은 통신이 필요해지기 때문에 예측된 것입니다. 그러나 저자들이 관찰한 시간은 저작권 등록 적용 영역에 충분히 현실적이었습니다.
블록 접근 동작은 네트워크 크기가 특정 값을 초과할 때까지 큰 변동이 없었습니다. 관찰된 성능은 하이브리드 스토리지 아키텍처의 영향도 받습니다. 이 구성에서는 소유권 메타데이터, 거래 정보, 인지적 해시 값이 블록체인에 저장되는 반면, CouchDB는 멀티미디어 데이터를 처리합니다. 이로 인해 분산 원장에 추가되는 금액이 줄어들어 블록체인 저장 공간의 성장을 통제할 수 있습니다. 저자들이 블록체인 전용 설계와 구체적인 비교를 하지는 않았지만, 실험 결과 이 시스템은 다양한 네트워크 환경에서 거래 처리 및 검색에 여전히 우수한 성능을 보입니다. 그림 8–11은 다양한 네트워크 구성에서 연구자들의 블록체인 성능 평가를 요약한 것입니다.
전반적으로 실험 결과는 지각 해싱과 블록체인 기술을 결합한 제안된 시스템의 효율적인 성능을 보여줍니다. 제안된 프레임워크는 콘텐츠 보존 연산에 저항적이면서도 구조 변경 공격에 민감합니다. 또한, 하이퍼레저 패브릭 네트워크에서 저작권을 등록하고 검증할 수 있습니다.
데이터 가용성:
본 연구에 사용된 데이터와 코드는 Zenodo 저장소에 업로드되었으며, 다음 https://doi.org/10.5281/zenodo.20665324 에서 접근할 수 있습니다. 여기에는 추출된 프레임 데이터셋, 지각 해시, 해밍 거리 계산, 블록체인 벤치마킹 테스트, 스마트 계약 코드, 배포 파일 및 저작권 등록 및 검증 실험에 사용되는 기타 메타데이터가 포함됩니다.
그림 1: 제안된 분산형 비디오 저작권 보호 프레임워크 아키텍처. 그림은 비디오 전처리, 지각 해시 생성, 블록체인 등록, 소유권 검증, CouchDB 저장 등 제안된 프레임워크의 전체 구조를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 2: 비디오 저작권 보호 및 검증 워크플로우를 위한 제안된 시스템 모델. 워크플로우는 제안된 프레임워크 내에서 비디오 획득, 프레임 추출, 지각 해시 생성, 블록체인 등록, 유사성 검증, 저작권 결정 과정을 시연합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 3: 비디오 저작권 등록 및 검증을 위한 시퀀스다이어그램. 시퀀스 다이어그램은 저작권 등록 및 검증 과정에서 콘텐츠 소유자, 애플리케이션 계층, 지각 해싱 모듈, 스마트 계약, 피어 노드, 주문 서비스, 블록체인 원장, CouchDB 간의 상호작용을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 4: 다중 프레임 편집 연산에서의 유사성 분석. 그림은 프레임 삽입, 삭제, 교체, 프레임 속도 수정 등 여러 시간 비디오 조작 시나리오에서 제안된 프레임워크의 누적 유사성 성능을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 5: 비디오 회전 하에서의 유사성 분석. 그림은 비디오 회전이 유사도 점수에 미치는 영향을 보여줍니다. 이는 영상이 적당히 회전되더라도 제안된 프레임워크의 효과를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 6: 비디오에 텍스트를 추가하는 과정. 이는 텍스트를 비디오 프레임에 삽입한 후의 유사성 결과를 보여줍니다. 이 프레임워크는 콘텐츠 변경 사항을 식별하고 소유권을 검증하는 능력을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 7: 영상 내 병합된 구간들. 이는 다양한 소스의 조각들을 병합하여 생성되는 비디오 유사성 분석을 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 8: 다양한 수의 피어를 가진 CouchDB 오프체인 스토리지에 파일을 업로드할 때의 실행 시간 분석. 이 그림은 제안된 프레임워크가 다양한 파일 크기와 네트워크 구성에 대해 오프체인 저장소로 비디오 메타데이터를 업로드하는 데 필요한 시간을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 9: 블록체인 네트워크 내 다양한 크기의 파일과 피어 수의 변동에 대해 블록 마이닝을 위한 실행 시간 분석 (초 단위). 이 그림은 하이퍼레저 패브릭 네트워크에서 다양한 네트워크 구성에 걸쳐 블록 마이닝 작업의 성능을 보여줍니다. 이 실험은 파일 크기와 피어 노드 구성이 시스템 성능에 미치는 영향을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 10: 블록체인 네트워크 내 다양한 피어 수의 파일 크기에 대해 블록 생성 시 실행 시간 분석 (초 단위). 아래 그림은 다양한 네트워크 구성에서 블록을 생성하는 데 걸리는 시간을 보여줍니다. 이는 프레임워크의 운영 능력과 확장성을 분석하는 데 도움을 줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 11: 블록체인 네트워크 내 다양한 피어 수의 파일 크기에 대해 블록 접근에 대한 실행 시간 분석 (초 단위). 이 그림은 파일 크기와 피어 노드 구성에 따라 블록체인 시스템에서 정보를 가져오는 데 걸리는 시간을 보여줍니다. 이는 제안된 프레임워크가 저작권 검증과 소유권 검색에 효과적으로 활용될 수 있음을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
| S. 아니요. | 저자들 | 적용 | 블록체인 | 보안 | 보호 | 확장성 | 저작권 보호 | 오프체인 저장 | 청렴성 | 탈중앙화 |
| 1 | 류 외 13 | 블록체인 기술을 이용한 디지털 저작권 보호 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 2 | 정 외 12 | 워터마킹이 포함된 블록체인 기반 비디오 저작권 보호 | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 3 | Qureshi 외 11 | 멀티미디어 저작권 관리 프레임워크 | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 4 | 다르위시 외 9 | 비디오 워터마킹 및 저작권 확인 | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 5 | 리 외 7 | 분산형 음악 저작권 운영 관리 시스템 | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 6 | 판디안 외 10 | 블록체인 기반 비디오 무결성 검증 | ✓ | ✓ | ✗ | ✗ | ✓ | ✗ | ✓ | ✓ |
| 7 | 궈 J 외 6 | 온라인 교육의 멀티미디어 자원을 위한 디지털 저작권 관리 | ✓ | ✗ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 8 | 물리카게다라 외 14 | 블록체인 기반 소유권 및 추적 시스템 | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 9 | 마다파티와 프라단5 | 이더리움 기반 비디오 저작권 보호 프레임워크 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 10 | Frattolillo 외 8 | 스마트 계약 지원 디지털 저작권 보호 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 11 | 제안된 프레임워크 | 하이퍼레저 패브릭 기반 비디오 저작권 보호, 다중 지각 해시(aHash, dHash, pHash, wHash)를 이용한 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
표 1: 기존 블록체인 기반 저작권 보호 시스템 비교. 이 표는 블록체인 사용, 스마트 계약, 지각 해싱, 확장성, 저작권 보호, 소유권 보안, 무결성 검사, 탈중앙화 등 주요 요소에서 제안된 저작권 보호 방법과 제안된 프레임워크를 비교합니다.
| 매개변수 | 구성 |
| 블록체인 플랫폼 | 하이퍼레저 패브릭 2.4.8 |
| 네트워크 유형 | 허가된 블록체인 |
| 조직 수 | 2 |
| 피어 노드 수 | 2 |
| 정렬자 노드 수 | 2 |
| 인증 기관 | 2 |
| 통신 채널 | 오토채널 |
| 스마트 계약 이름 | 비트체인 |
| 스마트 계약 언어 | 가자 |
| 주 데이터베이스 | CouchDB |
| 배포 도구 | 미니팹 |
| 컨테이너 플랫폼 | 도커 |
| 합의 메커니즘 | 뗏목 주문 서비스 |
| 메타데이터 저장 | CouchDB |
| 소유권 보관 | 블록체인 원장 |
표 2: 하이퍼레저 패브릭 배포 구성 매개변수. 표는 하이퍼레저 패브릭 블록체인 네트워크의 배포 구성 세부사항을 나열하며, 조직, 피어, 주문 서비스, 인증 기관, 통신 채널, 합의 메커니즘, 스마트 계약, 실험에 사용되는 저장소 등을 포함합니다.
| S.No | 비디오 공격 | pHash (%) | wHash (%) | dHash (%) | aHash (%) |
| 1 | 프레임 삽입 공격 | 82.81 | 84.33 | 81.31 | 86.42 |
| 2 | 프레임 삭제 공격 (왼쪽 공간) | 82.69 | 81.78 | 80.17 | 81.07 |
| 3 | 프레임 삭제 공격 (공백 삭제) | 75.37 | 78.68 | 76.19 | 79.69 |
| 4 | 프레임 교체 공격 | 84.86 | 82.6 | 84.19 | 81.07 |
| 5 | 지역 조작 공격 | 99.4 | 98.59 | 99.46 | 99.76 |
| 6 | MPEG 압축 공격 | 99.64 | 99.61 | 99.1 | 99.64 |
| 7 | 노이즈 추가 공격 (25%) | 99.52 | 99.58 | 98.8 | 99.7 |
| 8 | 노이즈 추가 공격 (50%) | 99.64 | 99.4 | 98.68 | 99.52 |
| 9 | 노이즈 추가 공격 (75%) | 99.52 | 99.31 | 98.14 | 99.22 |
| 10 | 크롭핑 어택 | 69.71 | 54.81 | 69.11 | 57.27 |
| 11 | 회전 공격 (30°) | 54.21 | 60.61 | 57.09 | 65.56 |
| 12 | 회전 공격 (60°) | 48.56 | 53.97 | 51.38 | 57.57 |
| 13 | 스케일링 어택 | 98.56 | 99.28 | 96.81 | 97.48 |
| 14 | 이동 + 뒤집기(왼쪽–오른쪽) | 52.88 | 63.46 | 51.2 | 68.63 |
| 15 | 번역 + 뒤집기(위아래) | 50 | 45.34 | 60.7 | 42.73 |
| 16 | 중앙값 필터링 (25) | 98.92 | 99.1 | 98.02 | 99.7 |
| 17 | 중앙값 필터링 (50) | 98.08 | 98.17 | 97.3 | 99.28 |
| 18 | 저역 통과 필터링 | 97.84 | 99.13 | 96.03 | 96.63 |
| 19 | 가우시안 흐림 (σ = 5) | 99.76 | 98.68 | 98.68 | 99.76 |
| 20 | 가우시안 흐림 (σ = 10) | 99.76 | 97.6 | 97.78 | 99.4 |
| 21 | 재녹음(캠코더) 공격 | 98.68 | 98.83 | 91.95 | 93.51 |
| 22 | 포맷 변환 (MPEG-4 인코더) | 99.16 | 99.19 | 98.14 | 99.4 |
| 23 | 포맷 변환 (H.264 QSV 인코더) | 99.76 | 99.79 | 99.1 | 99.82 |
| 24 | 포맷 변환 (Libvpx-VP9 인코더) | 99.76 | 99.7 | 99.04 | 99.76 |
| 25 | 시간 공격 (15fps) | 97.48 | 98.26 | 98.02 | 99.4 |
| 26 | 시간 공격 (24fps) | 99.16 | 99.16 | 98.38 | 99.82 |
| 27 | 공모 공격 | 99.76 | 99.28 | 98.74 | 99.58 |
| 28 | 트랜스코딩 공격 | 99.76 | 99.7 | 99.04 | 99.76 |
| 29 | 비트레이트 변경 공격 | 99.52 | 99.7 | 99.4 | 99.76 |
표 3: 원본과 수정된 영상 간의 유사성 분석, 다양한 공격 하에서. 표는 프레임 삽입, 삭제, 교체, 회전, 압축, 스케일링, 노이즈 추가, 텍스트 추가, 비디오 병합 등 다양한 비디오 조작 하에서 생성되는 유사도 점수를 보여줍니다.
토론
제안된 프레임워크가 보여주듯, 블록체인과 인지적 해싱을 통합하면 영상을 분산된 방식으로 저작권 침해로부터 효과적으로 보호할 수 있습니다. 첫째, 불변 소유권 등록과 지각 해싱을 결합하여 저작권 관리 시스템의 기본 조건인 안전한 소유권 등록과 저작권 보호 자료의 식별을 모두 충족합니다. 둘째, 하이퍼레저 패브릭을 사용하면 접근 제어, 투명한 거래 처리, 변조 방지 기록 관리가 가능합니다.
다양한 지각 해시 함수는 단일 지각 해시 함수로는 불가능한 탐지 유형을 가능하게 하는 추가적인 장점을 제공합니다. AHash는 전역 강도 특성을 감지하며, dHash보다 계산 집약이 적습니다. dHash는 국소 구배 변화와 구조적 변이에 더 집중합니다. 반면, pHash는 주파수 영역 정보를 사용하며 압축 및 필터링 작업에 더 견고하며, wHash는 텍스트나 스티커 추가와 같은 국지적 변경 감지에 능숙합니다. 따라서 이 모든 해시 함수의 조합은 각 해시 함수의 한계 때문에 탐지에서 놓칠 가능성이 매우 낮습니다. 실험 결과는 알고리즘마다 다양한 수정 유형에 대한 민감도가 다르다는 것을 보여주며, 다중 해시 개념을 비디오 조작 감지에 적용하는 것이 유용함을 보여줍니다.
Hyperledger Fabric과 CouchDB의 사용은 블록체인에 저장된 데이터 양을 줄여 메타데이터 관리를 훨씬 효율적으로 만듭니다. 테스트 결과 이 프레임워크는 실제로 잘 작동하지만, 하이브리드와 완전 온체인 스토리지 구성 간의 견고한 정량적 비교가 여전히 필요합니다. 이는 향후 연구에서 조사되어야 합니다.
대부분의 다른 블록체인 저작권 솔루션이 저작권 등록에만 집중하는 반면, 도입된 접근법은 소유권과 콘텐츠 수준 검증을 모두 포함합니다. 이러한 기능은 실제로 저작권 문제를 해결하는 데 매우 유용할 수 있는데, 단순한 소유권 기록만으로는 편집되거나 재배포된 영상이 저작권 자료와 관련이 있는지 판단하기에 충분하지 않기 때문입니다.
그럼에도 불구하고 몇 가지 한계가 존재합니다. 이 테스트는 특정 특징과 특정 조건을 가진 영상에 대해 수행되었습니다. 더불어, 회전과 같은 기하학적 조작은 지각 해싱을 이용한 미디어 검증에 여전히 문제가 있습니다. 앞으로는 추가 멀티미디어 데이터셋에서 시스템을 테스트하고, 지문을 회전 불변으로 만들 가능성과 인공지능 알고리즘을 이용해 저작권 침해를 자동으로 식별하는 방안을 검토할 것으로 기대됩니다.
감사 기록과 저작권 모니터링이 제안된 프레임워크의 아키텍처 구성 요소로 통합되었습니다. 그러나 본 연구에서는 이들의 효과가 독립적으로 평가되지 않았습니다. 향후 연구에서는 대규모 멀티미디어 환경에서 분쟁 해결, 이상 탐지, 자동화된 저작권 모니터링에서 이들의 역할을 조사할 예정입니다.
이 연구는 하이퍼레저 패브릭 블록체인 기술과 다중 지각 해싱 기법을 통합하여 안전한 소유권 등록과 콘텐츠 기반 저작권 검증을 지원하는 비디오 저작권 보호를 위한 분산형 프레임워크를 제시했습니다. 제안된 프레임워크는 aHash, dHash, pHash, wHash 알고리즘과 스마트 계약 지원 블록체인 서비스를 결합하여 투명하고 변조 방지적이며 검증 가능한 저작권 관리 시스템을 구축합니다.
실험 평가 결과, 이 프레임워크는 다양한 시간적, 공간적, 압축 기반 비디오 수정 하에서 저작권 검증을 효과적으로 지원할 수 있음이 입증되었습니다. 다중 지각 해싱 기법의 사용은 일반적인 멀티미디어 처리 작업에 대한 견고성을 높이면서도 무단 콘텐츠 변경 감지 능력을 유지했습니다. 또한 Hyperledger Fabric과 CouchDB의 통합은 데이터 무결성과 추적성을 유지하면서 효율적인 메타데이터 관리를 가능하게 하는 하이브리드 스토리지 아키텍처를 제공했습니다.
이러한 결과로 미루어 보아, 제안된 시스템은 분산 관리와 콘텐츠 수준 인증의 원칙을 효과적으로 결합하여 고전적 중앙집중식 저작권 보호 시스템의 일부 단점을 극복하고 있음이 분명합니다. 또한, 제시된 시스템은 투명한 감사 가능성, 변경 불가능한 소유권, 그리고 콘텐츠 유사성에 기반한 검증 프로세스를 제공합니다.
결론적으로, 이 연구는 블록체인과 지각 해싱의 통합이 차세대 비디오 저작권 보호에 대한 해결책을 제공할 수 있음을 보여줍니다. 향후 연구에는 제안된 프레임워크의 더 크고 다양한 비디오 데이터베이스에서의 성능 평가와 고급 지문 인식 메커니즘 개발이 포함될 것입니다.
공개 사항
저자들은 이해 상충을 선언할 필요가 없습니다.
감사의 글
저자들은 이 연구를 수행하는 데 필요한 계산 시설과 연구 지원을 제공해 준 인도 아마라바티의 VIT-AP 대학교에 감사드립니다. 저자들은 또한 제안된 프레임워크 개발 및 평가 과정에서 컴퓨터 과학 및 공학과로부터 받은 지원을 인정합니다.
재료
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| CouchDB | Apache Software Foundation | https://couchdb.apache.org | NoSQL database used for off-chain storage of video metadata and multimedia content. |
| Docker | Docker Inc. | https://www.docker.com | Containerization platform used to deploy blockchain nodes, CouchDB instances, and supporting services. |
| FFmpeg | FFmpeg Developers | https://ffmpeg.org | Multimedia processing framework used for video decoding, frame extraction, and preprocessing. |
| Go Programming Language | Google LLC | Version 1.20+; https://go.dev | Programming language used to develop the vitChain smart contract (chaincode). |
| Google Drive | Google LLC | https://drive.google.com | Storage platform used for hosting and retrieving experimental video datasets. |
| Hyperledger Fabric | Hyperledger Foundation | Version 2.4.8; https://hyperledger-fabric.readthedocs.io | Permissioned blockchain platform used for decentralized copyright registration, transaction validation, and ledger management. |
| ImageHash Library | Loupax | https://github.com/loupax/imagehash | Library used to generate perceptual hash values for video-frame authentication. |
| Minifab | IBM / Hyperledger Community | https://github.com/hyperledger-labs/minifab | Lightweight deployment and orchestration tool used to configure and manage the Hyperledger Fabric network. |
| Ubuntu Linux | Canonical Ltd. | Ubuntu 22.04 LTS | Operating system used for blockchain deployment and experimental evaluation. |
| Visual Studio Code | Microsoft Corporation | https://code.visualstudio.com | Integrated development environment used for source code development and debugging. |
참고문헌
- Hou Z, et al. Zero-watermark method based on multi-channel PCNN and blockchain for remote sensing image transaction certificate and copyright protection. IEEE Transactions on Geoscience and Remote Sensing. 2025 Jun 2.
- Zhang T. TMRB: Trusted Multimedia Scheme With Redactable Blockchain. IEEE Transactions on Consumer Electronics. 2025 Feb 17.
- Sathyabama AR, Katiravan J. BlockImage: A Secure Framework for Image Authentication and Provenance using AI and Blockchain. Journal of Innovative Image Processing. 2025 Mar;7(1):28-49.
- Gao J, Zhang X, Moshayedi AJ, Zhong S. Research on data storage and sharing of intelligent video surveillance in steel plants based on blockchain: J. Gao et al. The Journal of Supercomputing. 2025 May 30;81(8):931.
- Madapati SL, Pradhan NR. Decentralizing video copyright protection: a novel blockchain-enabled framework with performance evaluation. Frontiers in Artificial Intelligence. 2025 Aug 18;8:1655709.
- Guo J, et al. Blockchain-enabled digital rights management for multimedia resources of online education. Multimedia Tools and Applications. 2020 Apr;79(15):9735-55.
- Li Y, et al. A decentralized music copyright operation management system based on blockchain technology. Procedia Computer Science. 2021 Jan 1;187:458-63.
- Frattolillo F. Blockchain and smart contracts for digital copyright protection. Future Internet. 2024 May 14;16(5):169.
- Darwish SM, Abu-Deif MM, Elkaffas SM. Blockchain for video watermarking: An enhanced copyright protection approach for video forensics based on perceptual hash function. PloS one. 2024 Oct 22;19(10):e0308451.
- Pandian PS, et al. Blockchain-Assisted Video Integrity Verification Using ResNeXt and LSTM-Based Deepfake Detection. International Journal of Basic and Applied Sciences. 2025;14:802-7.
- Qureshi A, Megias Jimenez D. Blockchain-based multimedia content protection: Review and open challenges. Applied Sciences. 2020 Dec 22;11(1):1.
- Zheng J, et al. A novel video copyright protection scheme based on blockchain and double watermarking. Security and communication networks. 2021;2021(1):6493306.
- Liu Y, Zhang J, Wu S, Pathan MS. Research on digital copyright protection based on the hyperledger fabric blockchain network technology. PeerJ Computer Science. 2021 Sep 17;7:e709.
- Moolikagedara K, Nguyen M, Yan WQ, Li XJ. Video Blockchain: A decentralized approach for secure and sustainable networks with distributed video footage from vehicle-mounted cameras in smart cities. Electronics. 2023 Aug 27;12(17):3621.
- Riaz A, et al. S2H-securing smart homes: A blockchain-based preservation approach. Internet of Things. 2025 Mar 1;30:101523.
- Adeniyi JK, et al. A blockchain-based smart healthcare system for data protection. IScience. 2025 Apr 18;28(4).
- Alamsyah A, Setiawan IP. Enhancing privacy and traceability of public health insurance claim system using blockchain technology. Frontiers in Blockchain. 2025 Feb 11;8:1474434.
- Xu S, Yang X, Xie Z. The future of misinformation control: integrating advanced algorithms and Blockchain for effective Deepfake detection. Peer-to-Peer Networking and Applications. 2025 Jul;18(4):244.
- Asaithambi S, et al. A secure and trustworthy blockchain-assisted edge computing architecture for industrial internet of things. Scientific Reports. 2025 May 2;15(1):15410.
- AbdElkareem N, Selim, M. & Shalaby, A. Blockchain-Based Computationally Efficient Procedure for Multimedia Security Utilizing Bit Plane Slicing and Wavelet Transform. Arab J Sci Eng 50, 19135–19151 (2025).
- Abreu H, Pereira V, Barata J. Blockchain-based digital product passport: design principles and demonstration. International Journal of Production Research. 2025 Aug 18;63(16):5863-82.
- Sychowiec J, Zieliński Z. A Blockchain-Based Framework for Secure Data Stream Dissemination in Federated IoT Environments. Electronics. 2025 May 20;14(10):2067.
- Zhao K, Bao Z, Zhang Y, Lei H. BECAAC: A blockchain and edge computing-assisted access control scheme for medical data sharing. IEEE Internet of Things Journal. 2025 Jun 5.
- Ilyas B, Kumar A, Ali SM, Lei H. Blockchain-enabled IoT access control model for sharing electronic healthcare data. Multimedia Tools and Applications. 2025 Mar;84(10):8127-48.
- Rani D, et al. A secure digital evidence preservation system for an iot-enabled smart environment using ipfs, blockchain, and smart contracts. Peer-to-Peer Networking and Applications. 2025 Mar;18(2):5.
- Ahmed O, Kamabe H. Proposing blockchain based framework to mitigate VUCA realm problems for automobile life cycle. Frontiers in Blockchain. 2025 Jun 27;8:1607271.
- Dutta J, Barman S. Smart contract and blockchain-based secured approach for storing and sharing electronic health records. Multimedia Tools and Applications. 2025 May;84(16):16883-907.
- Diba BS, et al. From centralization to decentralization: Blockchain’s role in transforming social media platforms. IEEE Access. 2025 Apr 16.
- Kulkarni MD, Awate A, Shahade M, Nandwalkar B. ExamGuard: Smart contracts for secure online test. Information Systems. 2025 Feb 1;128:102485.
- Ohize HO, et al. Blockchain for securing electronic voting systems: a survey of architectures, trends, solutions, and challenges. Cluster Computing. 2025 Apr;28(2):132.
- Xiong R, et al. Leveraging consortium blockchain for secure cross-domain data sharing in supply chain networks. IEEE Transactions on Services Computing. 2025 Feb 20.