AI/ML · 2026.01 – 02
CallCops — 전화망을 위한 실시간 오디오 워터마킹
8kHz 전화망에서 사람이 들을 수 없는 128-bit 워터마크를 통화 음성에 심고, G.729 압축 뒤에도 5% 미만 비트 오류율로 꺼냅니다.
ROLE팀 (KAIST 몰입캠프) · 모델 설계/학습
STACKPyTorch · Causal Conv · 코덱 시뮬레이터 · ONNX Runtime
LINKSRepository
GITHUBPython · 마지막 커밋 2026.02.02
문제
보이스피싱 방지와 통화 무결성 인증을 위해, 통화 음성에 비가청 디지털 서명을 실시간으로 넣고 상대편에서 검출하는 시스템입니다. 전화망은 대역폭이 좁고(8kHz) G.711/G.729 같은 고압축 코덱을 거치므로 일반 오디오 워터마킹이 그대로 살아남지 못합니다.
접근
- Encoder / Decoder / Discriminator 구조. Causal Convolution으로 지연을 200ms 아래로 유지했습니다.
- 미분 가능한 코덱 시뮬레이터를 학습 루프 안에 넣어, 압축을 통과한 뒤에도 워터마크가 남도록 학습했습니다. 커리큘럼으로 난이도를 올렸습니다.
- 음질(PESQ ≥ 4.0)과 검출률을 함께 잡기 위한 복합 손실 함수.
- ONNX Runtime Web/Mobile용 경량 모델(< 10MB)로 서버 없이 기기에서 동작하게 했습니다.
결과
목표 사양: 지연 < 200ms, PESQ ≥ 4.0, G.711/G.729 압축 후 BER < 5%. 몰입캠프 4주 중 한 주 프로젝트로 프로토타입과 미리보기 웹(callcops-preview)까지 만들었습니다.
배운 점
- 코덱을 “통과시킨 뒤 평가”하는 게 아니라 “학습 안에 넣어야” 살아남습니다.