본문으로 건너뛰기
피드

AI 이미지 워터마크 제거 도구가 나온 뒤 따라붙는 기술·법적 리스크

security 약 10분
vote
0
댓글
북마크

Remove-AI-Watermarks는 Gemini, DALL-E, Stable Diffusion, Firefly, Midjourney 등에서 생성된 이미지의 보이는 워터마크, 보이지 않는 워터마크, AI 생성 메타데이터를 제거한다고 주장하는 CLI 겸 라이브러리다. README는 SynthID, C2PA, EXIF/XMP, 플랫폼의 ‘AI로 제작됨’ 라벨까지 다루면서도, 법적·윤리적 책임과 한계를 길게 경고한다.

  • 1

    Gemini 계열의 보이는 sparkle 로고는 alpha blending 역산과 inpainting으로 제거한다고 설명

  • 2

    SynthID·StableSignature·TreeRing 같은 보이지 않는 워터마크는 diffusion regeneration으로 우회한다고 주장

  • 3

    C2PA, EXIF, XMP, PNG text chunk 같은 provenance metadata 제거 기능과 법적 경고가 함께 포함됨

  • Remove-AI-Watermarks는 이름 그대로 AI 이미지 워터마크 제거를 내세운 CLI 겸 라이브러리임

    • 대상은 Google Gemini, ChatGPT/DALL-E, Stable Diffusion, Adobe Firefly, Midjourney 등으로 넓게 잡음
    • 보이는 로고, 보이지 않는 워터마크, EXIF/XMP/C2PA 같은 provenance metadata, 플랫폼의 “AI로 제작됨” 라벨 트리거까지 다룬다고 설명함
    • 온라인으로 써볼 수 있는 무료 웹 서비스도 별도로 언급함
  • Gemini 계열의 보이는 워터마크는 sparkle 로고를 직접 겨냥함

    • README는 Google Gemini 내부 코드명 Nano Banana가 생성 이미지에 visible sparkle logo를 alpha blending으로 얹는다고 설명함
    • 순수 검정 배경 출력에서 추출한 alpha map을 이용해 역산하는 방식이라고 주장함
    • 위치와 크기는 3단계 NCC, 즉 Normalized Cross-Correlation detector로 찾는다고 함
    • 처리 속도는 이미지당 약 0.05초, GPU 없이 가능하다고 적음
  • 보이지 않는 워터마크 쪽은 훨씬 민감한 영역임

    • SynthID, StableSignature, TreeRing 같은 pixel 또는 frequency domain watermark를 대상으로 삼음
    • 이런 패턴은 cropping, resizing, JPEG compression 뒤에도 살아남도록 설계된 쪽임
    • 프로젝트는 diffusion-based regeneration으로 이를 약화하거나 제거한다고 주장함
    • 2026년 5월 기준 SDXL을 기본 프로필로 삼았고, Gemini 3 Pro 출력의 SynthID v2를 수동 검증에서 우회했다고 설명함

⚠️주의

> 이 도구의 기능 설명은 provenance 제거와 AI 탐지 우회에 직접 닿아 있음. 보안 연구나 오탐 대응 같은 맥락이 아니라 출처를 속이는 용도로 쓰면 법·플랫폼 정책·신뢰 문제를 한 번에 밟을 수 있음.

  • 이미지 품질 보존을 위한 장치도 들어 있다고 주장함

    • diffusion 재생성 전에 YOLO로 사람 얼굴을 감지해 추출함
    • 재생성 후 원래 얼굴을 soft elliptical mask로 다시 blend해 얼굴 왜곡을 줄인다고 설명함
    • Analog Humanizer라는 기능은 film grain과 chromatic aberration을 넣어 화면을 촬영한 사진처럼 보이게 만든다고 함
    • 이 기능은 AI image classifier를 우회한다는 표현까지 포함하고 있어 꽤 노골적임
  • 메타데이터 제거 범위도 넓게 잡혀 있음

    • Stable Diffusion이나 Midjourney가 남기는 prompt, seed, model hash, sampler settings 같은 EXIF 정보를 언급함
    • Instagram, Facebook, X에서 “AI로 제작됨” 라벨에 쓰일 수 있는 XMP DigitalSourceType도 제거 대상으로 적음
    • ComfyUI workflow나 AUTOMATIC1111 parameters가 들어간 PNG text chunk도 처리한다고 함
    • Google Imagen, OpenAI DALL-E, Adobe Firefly의 C2PA Content Credentials manifest도 제거 대상으로 둠
    • 다만 표준적인 Author, Copyright, Title 같은 메타데이터는 보존한다고 설명함
  • 지원 표를 보면 서비스별 대응 방식이 다름

    • Gemini/Nano Banana/Gemini 3 Pro는 visible sparkle logo, SynthID v1·v2, C2PA·EXIF를 모두 언급함
    • DALL-E 3와 ChatGPT 이미지는 주로 C2PA manifest 제거 쪽으로 설명함
    • gpt-image-2는 imperceptible pixel watermark가 있을 수 있지만 공개 detector는 아직 없다고 적음
    • Stable Diffusion은 DWT나 steganographic watermark, PNG text chunk를 다룸
    • Adobe Firefly는 Content Credentials, Midjourney는 EXIF와 XMP metadata를 대상으로 설명함
  • 기술적으로 아직 빈틈도 명시되어 있음

    • SynthID-Image v2 자동 회귀 테스트는 아직 구현되지 않았다고 밝힘
    • Google의 SynthID Detector portal에 programmatic access가 필요하거나 offline surrogate detector가 필요하다고 설명함
    • AVIF, HEIF, JPEG-XL에서는 top-level C2PA uuid와 JUMBF boxes 제거를 언급하지만, 컨테이너 내부 EXIF/XMP box는 아직 완전히 scrub하지 못한다고 함
    • 비디오 워터마크 제거는 별도 패키지 범위로 분리되어 있고 이 저장소에는 넣지 않는다고 함
  • 흥미로운 건 “안 하는 것”도 선을 그었다는 점임

    • Nightshade, Glaze, PhotoGuard 제거는 지원하지 않겠다고 밝힘
    • 이유는 이것들이 작가가 AI 학습 수집으로부터 자기 작업물을 보호하기 위한 방어적 perturbation이기 때문임
    • AI provenance 제거와 작가 보호 기술 제거를 구분하려는 태도는 README에서 꽤 분명하게 나옴
  • 법적 경고도 README에서 상당히 길게 다룸

    • EU AI Act Article 50(2)는 표시 의무가 2026년 12월 2일로 연기된 상태라고 설명함
    • 미국 연방 COPIED Act는 2025년에 제정됐고, 출처를 속일 의도로 provenance 정보를 제거하는 행위를 범죄화한다고 적음
    • 중국은 AI 콘텐츠 visible label 의무가 있고 제거가 행정 위반이 될 수 있다고 설명함
    • 미국 주 단위 법은 선거 딥페이크나 성적 딥페이크처럼 콘텐츠 유형별 규제가 있다고 정리함

중요

> README가 직접 짚는 핵심은 “워터마크 제거는 익명화가 아니다”임. 원본이 생성 계정, Gemini 기록, Google 제품 업로드, 백업 같은 서버 쪽 기록을 거쳤다면 파일 복사본에서 신호를 지워도 생성자 연결 가능성이 남을 수 있음.

  • 사용 사례도 맞는 경우와 안 맞는 경우를 나눠 적음

    • 직접 생성한 이미지를 공개하면서 그 결과를 감수하는 경우
    • 보안·강건성 평가를 하는 경우
    • 사람이 편집한 사진에 잘못 붙은 AI 라벨을 제거하는 경우
    • 반대로 AI 생성물을 사람 작품처럼 속이거나, Google 추적에서 익명화될 거라고 믿는 경우는 threat model에 맞지 않는다고 못박음
  • 전체적으로 보면 기술보다 신뢰 인프라 논쟁에 가까움

    • AI 이미지가 늘수록 provenance와 watermark는 플랫폼·규제·저작권 쪽의 기본 인프라가 되고 있음
    • 동시에 이런 제거 도구는 그 인프라가 얼마나 쉽게 공격받을 수 있는지도 보여줌
    • 개발자 입장에서는 “탐지 신호 하나만 믿는 설계”가 얼마나 취약한지 보는 사례로 읽을 만함

기술 맥락

  • 이 프로젝트가 건드리는 선택은 AI 콘텐츠 출처 표시를 파일 내부 신호에 얼마나 의존할 수 있느냐예요. C2PA manifest, EXIF/XMP, SynthID 같은 신호는 각각 목적이 다르지만, 사용자가 파일을 다시 저장하거나 재생성하거나 메타데이터를 지우면 방어선이 흔들릴 수 있거든요.

  • 보이는 워터마크와 보이지 않는 워터마크는 공격 방식도 달라요. 로고 오버레이는 alpha blending을 역산하고 inpainting으로 흔적을 줄이는 식으로 접근할 수 있지만, SynthID 같은 신호는 픽셀이나 주파수 영역에 숨어 있어서 diffusion regeneration처럼 이미지를 다시 만드는 접근이 등장해요.

  • C2PA는 암호학적 provenance를 제공하지만, 파일에 붙은 manifest를 제거하는 공격 자체를 막아주는 만능 장치는 아니에요. 그래서 신뢰 모델은 “파일 안에 서명이 있다”에서 끝나면 안 되고, 플랫폼 정책, 서버 기록, 검증 로그, 배포 경로까지 같이 봐야 해요.

  • README가 서버 쪽 기록을 강조하는 이유도 여기예요. 사용자가 가진 복사본에서 워터마크를 지워도, 생성 서비스가 계정·세션·원본 파일 기록을 갖고 있으면 추적 가능성은 남아요. 즉 이건 익명화 도구라기보다 파일 표면의 탐지 신호를 건드리는 도구에 가까워요.

이 프로젝트는 단순 이미지 유틸이라기보다 AI provenance 체계가 얼마나 공격 표면이 넓은지 보여주는 사례다. 동시에 ‘워터마크를 지우면 익명화된다’는 착각도 깨는데, 생성 서비스가 서버 쪽 계정·세션 기록을 갖고 있으면 파일 한 장 고친다고 추적 가능성이 사라지는 건 아님.

댓글

댓글

댓글을 불러오는 중...

security

엘에이 경찰, 사생활 침해 논란 끝에 플록 번호판 감시 계약 종료

엘에이 경찰이 번호판 인식 카메라 업체 플록 세이프티와의 3년 계약을 연장하지 않기로 했어. 시민권, 프라이버시, 데이터 보관과 공유 문제를 해결하지 못했다는 게 핵심 이유야. 플록은 미국 전역에 최소 8만 대 카메라망을 깔아 경찰과 연방기관이 차량을 추적할 수 있게 해왔고, 오탐·보안 사고·이민 단속 악용 의혹까지 겹치며 압박이 커졌어.

security

크로미움 148부터 Math.tanh 한 번으로 운영체제 지문이 새는 문제

크로미움 148 이후 V8이 Math.tanh 계산을 자체 구현 대신 운영체제의 수학 라이브러리에 맡기면서, 같은 입력값도 리눅스·맥·윈도우에서 마지막 비트가 달라지는 지문 신호가 생겼다. 이 차이는 User-Agent로 맥이라고 주장하면서 리눅스 수학 결과를 내는 식의 위장을 바로 들키게 만든다. CSS 삼각함수와 웹 오디오까지 보면 브라우저 수학 경로가 꽤 복잡하게 갈라지고, 제대로 흉내 내려면 실제 운영체제 라이브러리의 비트 단위 동작까지 맞춰야 한다.

security

출입통제도 클라우드 구독제로 간다…제로트러스트·AI 분석이 승부처

기업 출입보안이 사업장별 서버를 두는 방식에서 클라우드 기반 서비스형 출입통제(ACaaS)로 옮겨가고 있다. 시장은 2026년 17억8000만 달러에서 2030년 31억9000만 달러로 커질 전망이고, 제로트러스트·모바일 인증·AI 출입 분석·스마트빌딩 통합이 핵심 경쟁 포인트로 꼽힌다.

security

AWS·구글 클라우드, 양자컴퓨터 대비해 암호 체계 갈아엎는 중

AWS와 구글 클라우드가 양자컴퓨터 시대를 대비해 기존 공개키 암호와 양자내성암호를 함께 쓰는 하이브리드 전환을 시작했다. 핵심 배경은 지금 훔친 암호문을 나중에 양자컴퓨터로 푸는 ‘선수집·후해독’ 공격이고, 국내도 통신·금융·국방 등 5개 분야에 45억원을 투입해 실증에 들어간다.

security

보안 점검 맡긴 AI 에이전트가 악성코드를 직접 실행할 수 있다는 경고

AI 보안 에이전트가 저장소를 검사하다가 README 같은 문서에 숨은 프롬프트 인젝션에 속아 악성 바이너리를 실행할 수 있다는 연구가 나왔다. 클로드 코드와 코덱스의 자동 모드처럼 승인 없이 명령을 수행하는 구성에서 문제가 재현됐고, 여러 모델과 공급업체를 가로질러 같은 패턴이 통했다는 점이 핵심이다.