차량 엣지 컴퓨팅에서의 실시간 안면 익명화 및 TARA 방법론 기반 재식별 위험 평가 시스템 = Real-time Face Anonymization and Re-identification Risk Assessment using TARA Methodology in Vehicular Edge Computing

국문 초록 (Abstract)

본 연구는 자율주행 차량 카메라가 캡처하는 영상의 차량 외부 보행자 프라이버시 보호를 위한 엣지 컴퓨팅 기반 실시간 안면 익명화 시스템을 설계 및 구현하였다. NVIDIA Jetson Orin Nano 플랫폼에서 TensorRT 최적화 UltraFace 얼굴 검출기와 7종 익명화 방법(Black Masking, Pixelation, Gaussian Blur, GAN FaceSwap/ GAN FaceSwap, 3DDFA‑Depth, 3DDFA‑Solid, 3DDFA‑Wire), 그리고 ISO/SAE 21434 기반 TARA 위험 평가 프레임워크를 통합하여 종합적인 프라이버시 보호 솔루션을 제시하였다. FHD(1920×1080) 해상도에서의 성능 평가 결과, Black Masking 63.01 FPS, Pixelation 62.01 FPS, GAN FaceSwap(GAN FaceSwap) 55.85 FPS, Gaussian Blur 46.85 FPS로 4가지 방법이 실시간 기준(30 FPS)을 초과하였으며, 3DDFA‑V2 기반 방법은 6.80~8.56 FPS로 실시간 처리에 제약이 있음을 확인하였다.
프라이버시 보호 효과는 441개 비디오 프레임 쌍을 대상으로 ArcFace, CosFace, SFace 모델로 평가하였다. ArcFace/CosFace에서는 Blur, Pixelate, GAN FaceSwap, 3D Face가 100% RSR로 취약했고, Black Masking만 35%로 제한적 방어 효과를 보였다. SFace에서는 대부분 0% RSR을 달성했으나 GAN FaceSwap은 32.8%로 남는 위험이 확인되었다. 또한 랜드마크 기반 기하학적 재식별에서는 Black Masking/Blur/Pixelation이 0% RSR을 보인 반면 GAN FaceSwap은 기하학 구조 보존으로 66% RSR을 기록하였다. TARA 평가 결과 Black Masking/Blur/Pixelation은 MEDIUM(3/5), GAN FaceSwap은 랜드마크 공격에서 CRITICAL(5/5)로 분류되어 추가적인 기하학적 왜곡 기법 적용이 필요함을 확인하였다. 본 연구는 전력 제약 엣지 환경에서 실시간 익명화와 체계적 위험 평가의 가능성을 실증하였으며, 자율주행 차량 프라이버시 보호 기술 발전에 기여할 것으로 기대된다.

목차 (Table of Contents)

• I. 서론 1
• II. 자율주행 데이터와 개인정보 위협 3
• 1. 자율주행 시스템 3
• 2. 소프트웨어 정의 차량 기술 7
• 3. TARA 활용 차량 사이버보안 위험 평가 10
• 4. 안면 익명화 기술 13
• 5. 재식별 위험 평가 17
• III. 실시간 안면 익명화 및 재식별 위험 평가 시스템 설계 20
• 1. 시스템 개요 20
• 2. 하드웨어 및 소프트웨어 환경 25
• 3. 안면 검출 및 익명화 모듈 32
• 4. 재식별 위험 평가 시스템 48
• 5. TARA 프레임워크 기반 위험 평가 51
• IV. 구현 및 성능 평가 57
• 1. 엣지 디바이스 실시간 익명화 성능 57
• 2. 프라이버시 보호 효과 검증 59
• 3. TARA 기반 위험 평가 프레임워크 64
• 4. 성능과 재식별 방어 성능의 상관관계 분석 66
• V. 결론 67
• 참고 문헌 69
• ABSTRACT 74
• 감사의 글 76