심층 합성곱 신경망을 사용한 인스타그램 위조품 판매 게시물 탐지

Abstract

2000년대 초부터 SNS가 활발해 지면서 위조품 판매 채널이 SNS로 많이 전이되었는데, 대표적인 온라인 사진 공유 서비스인 인스타그램에서는 2016년 20,892개의 위조품 판매 계정이 있던 것에 비해 2019년 56,769개로 171% 이상 증가하였다. 본 연구는 SNS 환경을 저해하는 위조품 판매 게시물을 탐지하고 더 나아가 위조품 및 가짜 상품의 광범위한 생산을 억제하는 데 도움이 되고자 딥러닝 방법을 사용한 위조탐지 알고리즘을 제안하였다. 연구를 위해 인스타그램에서 총 382,790건의 데이터를 수집하였고, 사람이 파악할 수 없는 이미지 내 특정 패턴까지 분석할 수 있는 심층 합성곱 신경망 분석 방법을 사용하여 위조품 판매 게시물의 특성을 파악하였다. 사전학습 된 심층 합성곱 신경망 모델 5가지를 사용하여 탐지 성능을 비교해 본 결과 가장 성능이 좋은 딥러닝 모델은 이미지만으로도 92%의 성능으로 위조품 판매 게시물을 탐지해 낼 수 있었다. 또한, 경량화 모델 역시 90%의 성능을 내었는데 이를 통해 위조품 판매 게시물 탐지 알고리즘의 모바일 환경에서 실제 사용 가능성을 증명해 보였다.

This study proposed a detection algorithm using a deep learning method to help detect counterfeit sales posts that hinder the SNS environment and further curb the widespread production of counterfeit. We analyzed 382,790 data collected from Instagram using a deep convolutional neural network (DCNN) and identified the characteristics of counterfeit sales posts. As a result of comparing detection performance using five pre-trained DCNN models, the best performance model was able to detect counterfeit sales posts with 92% performance only with images. In addition, the lightweight model also performed 90% which demonstrates the practical availability of counterfeit sales post detection algorithms in the mobile environment.