KR102639645B1 - Nft를 이용한 디지털 저작물 검색 시스템 및 방법 - Google Patents

Nft를 이용한 디지털 저작물 검색 시스템 및 방법 Download PDF

Info

Publication number
KR102639645B1
KR102639645B1 KR1020210092529A KR20210092529A KR102639645B1 KR 102639645 B1 KR102639645 B1 KR 102639645B1 KR 1020210092529 A KR1020210092529 A KR 1020210092529A KR 20210092529 A KR20210092529 A KR 20210092529A KR 102639645 B1 KR102639645 B1 KR 102639645B1
Authority
KR
South Korea
Prior art keywords
digital
digital work
data
nft
feature vector
Prior art date
Application number
KR1020210092529A
Other languages
English (en)
Other versions
KR20230011818A (ko
Inventor
김현주
김난실
Original Assignee
김현주
김난실
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김현주, 김난실 filed Critical 김현주
Priority to KR1020210092529A priority Critical patent/KR102639645B1/ko
Publication of KR20230011818A publication Critical patent/KR20230011818A/ko
Application granted granted Critical
Publication of KR102639645B1 publication Critical patent/KR102639645B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G06F16/1834—Distributed file systems implemented based on peer-to-peer networks, e.g. gnutella
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Technology Law (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명에 따른 NFT를 이용한 디지털 저작물 검색 시스템은 디지털 저작물에 대한 정보를 포함하여 발행되는 대체 불가 토큰의 거래 정보를 포함하는 NFT 스마트 컨트랙트를 탐색하여 상기 대체 불가 토큰의 데이터를 수집하는 수집부; 상기 대체 불가 토큰의 데이터를 저장하는 NFT 데이터베이스; 및 사용자로부터 입력 받은 디지털 파일과 유사한 상기 디지털 저작물에 대응되는 상기 대체 불가 토큰의 데이터를 이용하여 상기 디지털 파일의 소유자를 검색하는 검색부;를 포함한다.

Description

NFT를 이용한 디지털 저작물 검색 시스템 및 방법{SYSTEM AND METHOD FOR SEARCHING DIGITAL ASSET USING NFT}
본 발명은 NFT를 이용한 디지털 저작물 검색 시스템 및 방법에 관한 것으로, 더욱 상세하게는 웹상에서 수집된 대체 불가 토큰에 연결된 디지털 저작물과 사용자에 의해 입력된 디지털 저작물 간의 유사도를 비교하여 디지털 저작물을 검색할 수 있는 NFT를 이용한 디지털 저작물 검색 시스템 및 방법에 관한 것이다.
블록체인(Block Chain)은 스마트 컨트랙트(Smart Contract)를 실행시킬 수 있는 분산원장(Distributed Ledger) 기반의 P2P(Peer-to-Peer) 시스템이다. 블록체인 기술은 일반적으로 디지털 자산의 트랜잭션(Transaction)을 기록하는데 사용된다.
일반적으로 블록체인에서는 디지털 자산을 스마트 컨트랙트로 구현한 응용 프로그램인 토큰(Token) 형태로 관리한다. 이와 같이, 블록체인에서 디지털 자산을 토큰화하여 관리하면, 불변성, 빠른 접근성, 또는 높은 유동성 등의 이점을 가지게 된다.
토큰은 크게 대체 가능 토큰(Fungible Token)과 대체 불가 토큰(Non Fungible Token, NFT)으로 분류된다. 대체 가능 토큰은 동일한 타입의 다른 토큰과 1:1 교환이 가능하지만 대체 불가 토큰은 고유한 식별값이 입력되어 다른 토큰과 구별될 수 있어 대체가 불가능하다는 특징이 있다.
이와 같이 대체 불가 토큰은 신뢰성이 담보되며 대체 불가능한 고유한 가치를 가지고 있다. 대체 불가 토큰은 복제가 쉬운 디지털 환경에서 위조 및 변조가 불가능한 디지털 원본을 담보할 수 있다. 이러한 이유에서, 대체 불가 토큰은 주로 디지털 저작물의 거래에서 활발하게 활용되고 있다.
다만, 누구나 손쉽게 디지털 파일을 이용하여 대체 불가 토큰을 발행할 수 있기 때문에 창작자 또는 저작권자가 아닌 자가 타인의 창작물을 업로드하는 경우 저작권 침해가 발생할 수 있다.
따라서, 저작권자 등은 디지털 저작물이 대체 불가 토큰을 이용하여 발행되어 있는지 여부를 검색할 필요가 있다.
본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 사용자에 의해 입력된 디지털 저작물이 대체 불가 토큰을 통해 발행되어 있는지 여부를 확인할 수 있는 NFT를 이용한 디지털 저작물 검색 시스템 및 방법을 제공하는 것이다.
상술한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템은 디지털 저작물에 대한 정보를 포함하여 발행되는 대체 불가 토큰의 거래 정보를 포함하는 NFT 스마트 컨트랙트를 탐색하여 상기 대체 불가 토큰의 데이터를 수집하는 수집부; 상기 대체 불가 토큰의 데이터를 저장하는 NFT 데이터베이스; 및 사용자로부터 입력 받은 디지털 파일과 유사한 상기 디지털 저작물에 대응되는 상기 대체 불가 토큰의 데이터를 이용하여 상기 디지털 파일의 소유자를 검색하는 검색부;를 포함한다.
본 발명의 일 실시예에 있어서, 다수의 유해물들을 이용하여 미리 학습된 유해성 판단 모델을 이용하여 상기 디지털 파일이 유해 컨텐츠를 포함하고 있는지 여부를 판단하는 유해물 검출기를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 대체 불가 토큰의 데이터는 대응되는 상기 디지털 저작물이 저장된 인터넷 주소를 더 포함하고, 상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물과 상기 디지털 파일 간의 유사도를 분석하는 유사도 분석부를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물에 포함된 적어도 하나 이상의 제1 객체를 추출하고, 상기 디지털 파일에 포함된 적어도 하나 이상의 제2 객체를 추출하는 객체 추출부를 더 포함하며,상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 객체의 정보를 더 포함하고, 상기 유사도 분석부는 상기 적어도 하나 이상의 제1 객체가 상기 적어도 하나 이상의 제2 객체를 모두 포함하는 상기 대체 불가 토큰의 데이터에 대응되는 상기 디지털 저작물에 대하여 상기 디지털 파일과의 유사도를 분석할 수 있다.
본 발명의 일 실시예에 있어서, 상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물로부터 적어도 하나 이상의 제1 특징 벡터를 획득하고, 상기 디지털 파일로부터 적어도 하나 이상의 제2 특징 벡터를 획득하는 특징 벡터 획득부를 더 포함하며, 상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 특징 벡터를 더 포함하고, 상기 유사도 분석부는 상기 적어도 하나 이상의 제2 특징 벡터를 상기 대체 불가 토큰의 데이터에 포함된 상기 적어도 하나 이상의 제1 특징 벡터와 비교하여 상기 유사도를 분석할 수 있다.
상술한 본 발명의 목적을 실현하기 위한 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 방법은 디지털 저작물에 대한 정보를 포함하여 발행되는 대체 불가 토큰의 거래 정보를 포함하는 NFT 스마트 컨트랙트를 탐색하여 상기 대체 불가 토큰의 데이터를 수집하는 수집단계; 및 사용자로부터 입력 받은 디지털 파일과 유사한 상기 디지털 저작물에 대응되는 상기 대체 불가 토큰의 데이터를 이용하여 상기 디지털 파일의 소유자를 검색하는 검색단계;를 포함한다.
본 발명의 일 실시예에 있어서, 다수의 유해물들을 이용하여 미리 학습된 유해성 판단 모델을 이용하여 상기 디지털 파일이 유해 컨텐츠를 포함하고 있는지 여부를 판단하는 유해물 검출단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 대체 불가 토큰의 데이터는 대응되는 상기 디지털 저작물이 저장된 인터넷 주소를 더 포함하고, 상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물과 상기 디지털 파일간의 유사도를 분석하는 유사도 분석단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물에 포함된 적어도 하나 이상의 제1 객체를 추출하고, 상기 디지털 파일에 포함된 적어도 하나 이상의 제2 객체를 추출하는 객체 추출단계를 더 포함하며, 상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 객체의 정보를 더 포함하고, 상기 유사도 분석단계는 상기 적어도 하나 이상의 제1 객체가 상기 적어도 하나 이상의 제2 객체를 모두 포함하는 상기 대체 불가 토큰의 데이터에 대응되는 상기 디지털 저작물에 대하여 상기 디지털 파일과의 유사도를 분석할 수 있다.
본 발명의 일 실시예에 있어서, 상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물로부터 적어도 하나 이상의 제1 특징 벡터를 획득하고, 상기 디지털 파일로부터 적어도 하나 이상의 제2 특징 벡터를 획득하는 특징 벡터 획득단계를 더 포함하며, 상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 특징 벡터를 더 포함하고, 상기 유사도 분석단계는 상기 적어도 하나 이상의 제2 특징 벡터를 상기 대체 불가 토큰의 데이터에 포함된 상기 적어도 하나 이상의 제1 특징 벡터와 비교하여 상기 유사도를 분석할 수 있다.
이와 같은 NFT를 이용한 디지털 저작물 검색 시스템 및 방법에 따르면, 검색 대상 디지털 저작물이 대체 불가 토큰을 이용하여 발행되었는지 여부를 검색할 수 있고, 디지털 저작물의 중복 발행을 방지할 수 있다.
또한, 저작권을 침해하는 디지털 저작물이 대체 불가 토큰을 이용하여 발행되었는지 여부를 검색할 수 있어 저작권 침해 모티터링에 활용할 수 있다.
도 1은 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템을 나타내는 블록도이다.
도 5는 본 발명의 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 방법을 설명하기 위한 순서도이다.
이하에서, 첨부한 도면들을 참조하여, 본 발명을 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략될 수 있다.
도 1은 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템을 설명하기 위한 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템(10)은 사용자 단말기(20)로부터 디지털 저작물에 해당하는 디지털 파일을 입력 받을 수 있다. NFT를 이용한 디지털 저작물 검색 시스템(10)은 입력 받은 디지털 파일을 대체 불가 토큰을 이용하여 발행된 디지털 저작물들과 비교하고, 비교 결과 유사도가 높은 적어도 하나 이상의 디지털 저작물에 대한 대체 불가 토큰 정보를 표시할 수 있다.
NFT를 이용한 디지털 저작물 검색 시스템(10) 대체 불가 토큰을 이용하여 발행된 디지털 저작물들을 웹(WEB)으로부터 수집할 수 있다.
일 실시예에서, 대체 불가 토큰은 NFT 스마트 컨트랙트(30)로부터 수집될 수 있다.
일 실시예에서, NFT를 이용한 디지털 저작물 검색 시스템(10)은 서버를 이용하여 구현될 수 있다. 예를 들어, NFT를 이용한 디지털 저작물 검색 시스템(10)은 웹서버(Web Server)의 형태로 구현될 수 있다. 웹서버는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수의 클라이언트 또는 다른 서버와 연결되고, 클라이언트 또는 다른 웹서버의 작업수행 요청을 접수하며, 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 컴퓨터 소프트웨어(웹서버 프로그램)를 포함할 수 있다. 또한, 전술한 웹서버 프로그램 이외에도, 상기 웹서버 상에서 동작하는 일련의 응용 프로그램(Application Program)과 내부에 구축되어 있는 각종 데이터베이스를 포함하는 넓은 개념으로 이해될 수 있다.
사용자 단말기(20)는 노트북, 데스크톱(Desktop), 랩톱(Laptop) 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 컴퓨팅 장치를 포함할 수 있다.
NFT를 이용한 디지털 저작물 검색 시스템(10), 사용자 단말기(20) 및 NFT 스마트 컨트랙트(30)는 네트워크를 통해 유선 또는 무선으로 통신할 수 있다. 일 실시예에서, 네트워크는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함할 수 있다. 예를 들어, 무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함될 수 있으나, 이에 한정되지 않는다.
일반적으로, 블록체인 기술 분야에 있어서 스마트 컨트랙트(Smart Contract)는 금융거래, 부동한 계약, 공증 등 다양한 형태의 계약을 중개자 없이 p2p(peer to peer) 방식으로 체결하고 이행하도록 블록체인(block chain)을 이용하여 구현된 거래 기술을 의미한다.
NFT 스마트 컨트랙트(30)는 디지털 저작물과 연결된 대체 불가 토큰, 즉, NFT가 발행되고, 거래가 이루어지는 스마트 컨트랙트를 의미한다.
본 발명에 따른 대체 불가 토큰은 이더리움(ethereum) 블록체인 관련 표준 인터페이스인 ERC(ethereum request for comments)-721를 활용하여 발행 및 거래될 수 있으나, 이에 한정되는 것은 아니다. 다른 실시예에서, NFT는 이더리움 표준 인터페이스인 ERC-1155을 이용하여 발행 및 거래될 수 있으며, 이더리움 외 다양한 블록체인 프로토콜을 이용하여 발행될 수 있다.
일반적인 대체 가능 토큰과 달리, 대체 불가 토큰은 디지털 저작물의 정보를 포함하여 발행(minting) 될 수 있다. 일 실시예에서, 디지털 저작물의 정보는 작품 이름, 작품 설명, 창작자 정보, 원본 파일이 저장된 주소, 카피 수(전체 에디션 수 및 해당 에디션의 번호), 재판매 로열티 비율(예를 들어, 작품이 판매될 때마다 받을 수 있는 로열티 비율) 중 적어도 어느 하나 이상을 포함할 수 있다.
대체 불가 토큰의 발행을 통해 대체 불가 토큰이 생성되어 스마트 컨트랙트를 구성하는 블록들이 체인에 추가될 수 있다.
대체 불가 토큰은 토큰 식별자(tokenID), 토큰 통합자원식별자(tokenURI), 토큰 소유자(tokenOwner)를 비롯하여 대체 불가 토큰이 따르고 있는 프로토콜에 부합하는 속성값들을 포함할 수 있다.
토큰 식별자(tokenID)는 토큰의 고유 번호를 포함할 수 있다. 일 실시예에서, 이미 발행되어 있는 토큰의 고유 번호는 사용될 수 없다. 또한, 소각된 토큰의 고유 번호는 다시 사용될 수 없다.
토큰 통합자원식별자(tokenURI)는 토큰의 정보를 담은 파일의 위치를 통합자원식별자(Uniform Resource Identifier, URI)로 표현한 값을 포함할 수 있다. 토큰의 정보는 토큰의 속성, NFT 토큰에 연결되는 디지털 저작물의 원본 파일이 저장된 위치 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 여기서, 통합자원식별자(URI)는 인터넷에 있는 자원을 나타내는 유일한 주소를 의미할 수 있다. 일 실시예에서, 토큰 통합자원식별자는 JSON(JavaScript Object Notation) 타입의 파일을 포함할 수 있다.
토큰 소유자(tokenOwner)는 해당 토큰을 소유한 자에 대한 정보를 포함할 수 있다. 예를 들어, 토큰을 소유한 자에 대한 정보는 토큰 소유자의 블록체인 지갑 주소를 포함할 수 있다.
디지털 저작물은 이미지 파일, 연속 이미지 파일, 동영상 파일, 음원 파일 등을 포함할 수 있으나 이에 한정되는 것은 아니다.
사용자에 의해 사용자 단말(20)로부터 입력 받은 디지털 파일은 검색의 대상이 되는 저작물의 디지털 파일을 포함할 수 있다. 일 실시예에서, 사용자 단말(20)로부터 입력 받은 디지털 파일은 이미지 파일, 연속 이미지 파일, 동영상 파일, 음원 파일 등을 포함할 수 있으나 이에 한정되는 것은 아니다.
도 2는 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템을 나타내는 블록도이다. 도 3은 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 방법을 설명하기 위한 순서도이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템(10)은 수집부(110), 객체 추출부(120), 특징 벡터 획득부(130), NFT 데이터베이스(140), 유해물질 검출부(150), 유사도 분석부(160) 및 검색부(170)를 포함할 수 있다.
수집부(110)는 대체 불가 토큰이 저장되어 있는 저장소를 탐색하여 대체 불가 토큰의 데이터를 수집할 수 있다. 대체 불가 토큰은 디지털 저작물에 대한 정보를 포함할 수 있다.
일 실시예에서, 대체 불가 토큰이 저장되어 있는 저장소는 대체 불가 토큰을 거래하는 대체 불가 토큰 마켓 플레이스를 포함할 수 있으나, 이에 한정되는 것은 아니다. 대체 불가 토큰이 저장되어 있는 저장소는 대체 불가 토큰을 발행하여 보관하기 위한 목적의 대체 불가 토큰 플랫폼을 포함할 수 있다.
예를 들어, 대체 불가 토큰 마켓 플레이스는 OpenSea, Rarible, Foundation, Niftygateway, SuperRare, KnownOrigin, MakersPlace, Async, Paras, NBA TopShot 등의 마켓 플레이스를 포함할 수 있으나, 이에 한정되는 것은 아니며 새로운 마켓 플레이스가 새롭게 오픈되거나 폐쇄되는 경우 추가되거나 제외될 수 있다.
대체 불가 토큰 마켓 플레이스 및 대체 불가 토큰 플랫폼은 대체 불가 토큰을 저장하기 위한 NFT 스마트 컨트랙트(30)를 포함할 수 있다.
다시 말해, 수집부(110)는 디지털 저작물에 대한 정보를 포함하여 발행되는 대체 불가 토큰의 거래 정보를 포함하는 NFT 스마트 컨트랙트(30)를 탐색하여 대체 불가 토큰의 데이터를 수집할 수 있다(S100).
일 실시예에서, 수집부(110)는 각각의 대체 불가 토큰의 발행에 사용된 블록체인 표준 인터페이스를 활용하여 대체 불가 토큰의 발행 및 거래 내역을 조회하여 대체 불가 토큰의 데이터를 수집할 수 있다.
대체 불가 토큰의 데이터는 후술되는 NFT 데이터베이스(140)에 저장될 수 있다.
대체 불가 토큰의 데이터는 토큰 식별자(tokenID), 토큰 통합자원식별자(tokenURI) 또는 토큰 소유자(tokenOwner) 중 적어도 하나 이상을 포함할 수 있다. 토큰 통합자원식별자에 포함된 주소를 이용하여 토큰의 정보를 획득할 수 있다.
토큰의 정보는 대체 불가 토큰과 대응되는 디지털 저작물의 정보를 포함할 수 있다. 디지털 저작물의 정보는 작품 이름, 작품 설명, 창작자 정보, 원본 파일이 저장된 인터넷 주소, 카피 수(전체 에디션 수 및 해당 에디션의 번호), 재판매 로열티 비율(예를 들어, 작품이 판매될 때마다 받을 수 있는 로열티 비율) 중 적어도 어느 하나 이상을 포함할 수 있다.
대체 불가 토큰의 데이터는 디지털 저작물의 최초 소유자 정보를 더 포함할 수 있다. 일 실시예에서, 수집부(110)는 대체 불가 토큰의 토큰 식별자(tokenID) 속성 정보를 기초로 대체 불가 토큰의 거래 이력을 추적하여 디지털 저작물의 최초 소유자(즉, 창작자 또는 최초 발행자) 정보(예를 들어, 최초 소유자의 블록체인 지갑 주소)를 수집할 수 있다.
객체 추출부(120)는 대체 불가 토큰의 데이터에 포함된 인터넷 주소를 이용하여 디지털 저작물의 원본 파일을 획득할 수 있다. 객체 추출부(120)는 획득된 디지털 저작물의 원본 파일에 포함된 적어도 하나 이상의 제1 객체를 추출할 수 있다. 객체 추출부(120)는 사용자로부터 입력 받은 디지털 파일에 포함된 적어도 하나 이상의 제2 객체를 추출할 수 있다(S300).
객체 추출부(120)는 획득된 디지털 저작물의 원본 파일로부터 딥러닝 기반의 객체 인식 알고리즘을 사용하여 적어도 하나 이상의 제1 객체를 추출하고, 사용자로부터 입력 받은 디지털 파일로부터 딥러닝 기반의 객체 인식 알고리즘을 사용하여 적어도 하나 이상의 제2 객체를 추출할 수 있다.
객체 추출부(120)에 의해 추출된 적어도 하나 이상의 제1 객체에 대한 정보는 대응되는 대체 불가 토큰의 데이터에 포함되어 후술되는 NFT 데이터베이스(140)에 저장될 수 있다.
일 실시예에서, 딥러닝 기반의 객체 인식 알고리즘은 Faster R-CNN, R_FCN, FPN-FRCN, YOLO, SSD 또는 RetinaNet 중 적어도 어느 하나를 이용하여 구현될 수 있으나, 이에 한정되는 것은 아니며 다양한 공개된 객체 인식 알고리즘을 사용하여 구현될 수 있다.
구체적으로, 딥러닝 기반의 객체 인식 알고리즘은 선택적 탐색(Selective Search)과 같은 컴퓨터 비전 기술을 활용하거나 딥러닝 기반의 영역 제안 네트워크(Region Proposal Network, RPN)를 통해 객체를 포함할 가능성이 높은 영역에 대한 영역 제안(Region Proposal) 단계를 거치는 이단계 방식의 Faster R-CNN(Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks), R_FCN(R-FCN: Object Detection via Region-based Fully Convolutional Networks) 및 FPN-FRCN(FPN-FRCN: Feature Pyramid Networks for Object Detection) 알고리즘을 이용할 수 있다.
또는, 딥러닝 기반의 객체 인식 알고리즘은 미리 정해진 위치와 정해진 크기의 객체만 검색하는 단일 단계 방식의 YOLO(YOLO9000: Better, Faster, Stronger), SSD(Single Shot Mutibox Detector) 및 RetinaNet(Focal Loss for Dense Object Detection) 알고리즘을 이용할 수 있다.
특징 벡터 획득부(130)는 대체 불가 토큰의 데이터에 포함된 인터넷 주소를 이용하여 획득된 디지털 저작물의 원본 파일로부터 적어도 하나 이상의 제1 특징 벡터를 획득할 수 있다. 특징 벡터 획득부(130)는 사용자로부터 입력 받은 디지털 파일로부터 적어도 하나 이상의 제2 특징 벡터를 획득할 수 있다(S400).
일 실시예에서, 특징 벡터 획득부(130)는 획득된 디지털 저작물의 원본 파일로부터 특징 벡터 획득 알고리즘을 사용하여 적어도 하나 이상의 제1 특징 벡터를 획득하고, 사용자로부터 입력 받은 디지털 파일로부터 특징 벡터 획득 알고리즘을 사용하여 적어도 하나 이상의 제2 특징 벡터를 획득할 수 있다.
일 실시예에서, 특징 벡터 획득부(130)는 객체 추출부(120)를 이용하여 추출된(즉, 디지털 저작물의 원본 파일로부터 추출된) 제1 객체로부터 특징 벡터 획득 알고리즘을 사용하여 적어도 하나 이상의 제1 특징 벡터를 획득할 수 있다. 특징 벡터 획득부(130)는 객체 추출부(120)를 이용하여 추출된(즉, 사용자로부터 입력 받은 디지털 파일로부터 추출된) 제2 객체로부터 특징 벡터 획득 알고리즘을 사용하여 적어도 하나 이상의 제2 특징 벡터를 획득할 수 있다.
특징 벡터 획득 알고리즘에 의해 획득되는 특징 벡터는 이미지의 특징을 나타내는 벡터로서, 예를 들어, 특징 벡터는 2차원 좌표 값으로 표현될 수 있다.
특징 벡터 획득부(130)에 의해 획득된 적어도 하나 이상의 제1 특징 벡터는 대응되는 대체 불가 토큰의 데이터에 포함되어 후술되는 NFT 데이터베이스(140)에 저장될 수 있다.
일 실시예에서, 특징 벡터 획득 알고리즘은 SIFT(Scale Invariant Feature Transform), HOG(Histogram of Oriented Gradient), Haar, ORB(Object Request Broker), FAST(Features from Accelerated Segment Test) 또는 AGAST(Adaptive and Generic Corner Detection Based on the Accelerated Segment Test) 중 적어도 어느 하나를 이용하여 구현될 수 있으나, 이에 한정되는 것은 아니며 다양한 공개된 특징 벡터 획득 알고리즘을 사용하여 구현될 수 있다.
NFT 데이터베이스(140)는 수집부(110)에 의해 수집된 대체 불가 토큰의 데이터를 저장할 수 있다.
유해물질 검출부(150)는 사용자로부터 입력 받은 디지털 파일에 대한 검색을 수행하기 전에, 입력 받은 디지털 파일이 음란물, 마약, 도박, 폭력, 혐오스러운 영상 등 유해한 컨텐츠를 포함하고 있는지 여부를 판단할 수 있다(S200).
유해물질 검출부(150)는 다수의 유해물들을 이용하여 미리 학습된 유해성 판단 모델을 이용하여 디지털 파일이 유해 컨텐츠를 포함하고 있는지 여부를 판단할 수 있다.
유해물질 검출부(150)는 사용자로부터 입력 받은 디지털 파일이 유해 컨텐츠를 포함하고 있다고 판단되는 경우, 사용자에게 경고 메시지를 전송할 수 있다.
일 실시예에서, 미리 학습된 유해성 판단 모델은 Google Vision AI 또는 naver X-eye 중 적어도 어느 하나를 이용하여 구현될 수 있으나, 이에 한정되는 것은 아니며 다양한 공개된 유해물 검색 모델을 사용하여 구현될 수 있다.
유사도 분석부(160)는 대체 불가 토큰에 대응되는 디지털 저작물과 사용자로부터 입력 받은 디지털 파일 간의 유사도를 분석할 수 있다(S500).
일 실시예에서, 유사도 분석부(160)는 대체 불가 토큰의 데이터에 포함된 인터넷 주소를 이용하여 획득된 디지털 저작물의 원본 파일과 사용자로부터 입력 받은 디지털 파일 간의 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(160)는 적어도 하나 이상의 제1 객체가 적어도 하나 이상의 제2 객체를 모두 포함하는 대체 불가 토큰의 데이터에 대응되는 디지털 저작물에 대하여 상기 디지털 파일과의 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(160)는 적어도 하나 이상의 제1 객체가 적어도 하나 이상의 제2 객체에 모두 포함되는 대체 불가 토큰의 데이터에 대응되는 디지털 저작물에 대하여 상기 디지털 파일과의 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(160)는 사용자에 의해 입력된 디지털 파일로부터 획득된 적어도 하나 이상의 제2 특징 벡터를 대체 불가 토큰의 데이터에 포함된 적어도 하나 이상의 제1 특징 벡터와 비교하여 두 저작물 간의 유사한 정도를 나타내는 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(160)는 기준점과 각 특징 벡터들 간의 거리를 기초로 산출되는 유사도를 비교하여 두 저작물 간의 유사한 정도를 판단할 수 있다. 예를 들어, 기준점은 특징 벡터들의 평균 값, 분산 값 또는 최빈 값 중 어느 하나일 수 있다. 따라서, 유사도 분석부(160)는 유사도의 차이가 작을수록 유사한 이미지로 판단할 수 있고, 유사도의 차이가 클수록 비유사한 이미지로 판단할 수 있다.
앞서 기재된 유사도 분석부(160)가 두 저작물 간의 유사도를 분석하는 방법은 하나의 실시예에 불과하며, 이에 한정되는 것은 아니다. 유사도 분석부(160)는 다양한 방법을 사용하여 두 저작물 간의 유사도를 분석할 수 있다. 다른 실시예에서, 유사도 분석부(160)는 유클리디안 유사도(uclidean Similarity), 코사인 유사도(Cosine Similarity), 피어슨 상관계수(Pearson Correlation Coefficient), 자카드 유사도(Jaccard similarity) 함수를 이용하여 유사도를 분석할 수 있다.
검색부(170)는 사용자로부터 입력 받은 디지털 파일을 대체 불가 토큰이 발행된 디지털 저작물들과 비교하여 유사한 디지털 저작물을 검색할 수 있다. 검색부(170)는 검색된 유사한 디지털 저작물에 대응되는 대체 불가 토큰의 데이터를 이용하여 디지털 파일의 소유자를 검색할 수 있다(S600).
일 실시예에서, 검색부(170)는 검색된 유사한 디지털 저작물에 대응되는 대체 불가 토큰의 데이터로부터 토큰 소유자(tokenOwner) 속성 정보를 획득할 수 있다. 검색부(170)는 토큰 소유자(tokenOwner) 속성 정보를 기초로 검색된 유사한 디지털 저작물의 현재 소유자 정보(예를 들어, 토큰 소유자의 블록체인 지갑 주소)를 획득하여 사용자 단말기(20)로 제공할 수 있다.
일 실시예에서, 검색부(170)는 검색된 유사한 디지털 저작물과 최초 소유자가 동일한 디지털 저작물을 더 검색할 수 있다. 구체적으로, 검색부(170)는 검색된 유사한 디지털 저작물에 대응되는 대체 불가 토큰의 데이터로부터 최초 소유자 정보를 획득할 수 있다. 검색부(170)는 획득된 최초 소유자 정보와 동일한 최초 소유자 정보를 포함하고 있는 대체 불가 토큰의 데이터를 검색하여 검색된 유사한 디지털 저작물과 최초 소유자가 동일한 디지털 저작물을 더 검색할 수 있다. 검색부(170)는 최초 소유자가 동일한 디지털 저작물에 대한 정보(예를 들어, 디지털 저작물 원본 또는 저해상도 버전, 현재 소유자 정보 등)를 사용자 단말기(20)로 제공할 수 있다.
검색부(170)가 실시간으로 웹 상에 존재하는 대체 불가 토큰이 발행된 디지털 저작물들에 각각 접근하여 사용자로부터 입력 받은 디지털 파일과 유사한지 여부를 판단하는 것은 많은 자원과 시간을 필요로 하며, 인터넷 환경에 영향을 받아 결과를 담보할 수 없다는 문제점이 있다.
일 실시예에서, 검색부(170)는 대체 불가 토큰의 데이터를 미리 수집하여 NFT 데이터베이스에 보관하고, 사용자로부터 디지털 파일 및 검색 요청이 입력되면, NFT 데이터베이스에 저장된 대체 불가 토큰의 데이터를 이용하여 디지털 파일과 유사한 디지털 저작물을 검색할 수 있다.
일 실시예에서, 검색부(170)는 유사도 분석부(160)를 이용하여 디지털 저작물과 디지털 파일간의 유사도를 분석할 수 있다.
일 실시예에서, 검색부(170)는 디지털 파일로부터 추출된 적어도 하나 이상의 제2 객체를 NFT 데이터베이스에 저장된 대체 불가 토큰의 데이터와 비교하여 미리 정해진 제1 유사도 판단 조건을 만족하는 대체 불가 토큰의 데이터에 대해서만 디지털 저작물과 디지털 파일간의 유사도를 분석할 수 있다.
미리 정해진 제1 유사도 판단 조건은 디지털 저작물로부터 추출된 적어도 하나 이상의 제1 객체가 디지털 파일로부터 추출된 적어도 하나 이상의 제2 객체를 모두 포함하는 조건을 포함할 수 있으나, 이에 한정되는 것은 아니다.
다른 실시예에서, 미리 정해진 제1 유사도 판단 조건은 디지털 저작물로부터 추출된 적어도 하나 이상의 제1 객체가 디지털 파일로부터 추출된 적어도 하나 이상의 제2 객체에 모두 포함되는 조건을 포함할 수 있다.
다시 말해, 검색부(170)는 미리 정해진 제1 유사도 판단 조건을 만족하는 대체 불가 토큰의 데이터에 대해서만 유사도 분석부(160)를 이용하여 디지털 저작물과 디지털 파일간의 유사도를 분석할 수 있다.
따라서, 본 발명에 따른 NFT를 이용한 디지털 저작물 검색 시스템(10)은 저장된 모든 대체 불가 토큰에 대하여 검색할 필요 없이 검색 대상을 한정하여 검색 시간을 단축시킬 수 있다.
도 4는 본 발명의 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템을 나타내는 블록도이다. 도 5는 본 발명의 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 방법을 설명하기 위한 순서도이다.
도 4 및 도 5를 참조하면, 본 발명의 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템(11)은 객체 추출부(121), 특징 벡터 획득부(131), 유사도 분석부(161), 저작권 데이터베이스(180) 및 저작권 모니터링부(190)를 제외하면 도 2 및 도 3에서 설명된 NFT를 이용한 디지털 저작물 검색 시스템(10)과 동일한 구성을 포함하고 있는 바, 객체 추출부(121), 특징 벡터 획득부(131), 유사도 분석부(161), 저작권 데이터베이스(180) 및 저작권 모니터링부(190)를 제외한 다른 구성에 대한 자세한 설명은 생략될 수 있다.
본 발명의 다른 실시예에 따른 NFT를 이용한 디지털 저작물 검색 시스템(11)은 수집부(110), 객체 추출부(121), 특징 벡터 획득부(131), NFT 데이터베이스(140), 유해물질 검출부(150), 유사도 분석부(161), 검색부(170), 저작권 데이터베이스(180) 및 저작권 모니터링부(190)를 포함할 수 있다.
저작권 데이터베이스(180)는 저작권이 등록된 저작물을 저장할 수 있다.
저작권 데이터베이스(180)는 저작권이 등록된 저작물의 멀티미디어 파일(즉, 이미지 또는 동영상 파일) 및 저작권이 등록된 저작물의 데이터를 저장할 수 있다.
객체 추출부(121)는 저작권 데이터베이스(180)에 저장된, 저작권이 등록된 저작물의 멀티미디어 파일로부터 딥러닝 기반의 객체 인식 알고리즘을 사용하여 적어도 하나 이상의 제3 객체를 더 추출할 수 있다(S310).
객체 추출부(121)에 의해 추출된 적어도 하나 이상의 제3 객체에 대한 정보는 대응되는 저작권이 등록된 저작물의 데이터에 포함되어 저작권 데이터베이스(180)에 저장될 수 있다.
객체 추출부(121)는 제1 객체 및 제2 객체에 더하여 제3 객체를 더 추출하는 것을 제외하고, 도 2의 객체 추출부(120)와 동일한 구성을 포함하고 있는 바, 중복되는 자세한 설명은 생략될 수 있다.
특징 벡터 획득부(131)는 저작권 데이터베이스(180)에 저장된, 저작권이 등록된 저작물의 멀티미디어 파일로부터 적어도 하나 이상의 제3 특징 벡터를 획득할 수 있다(S410).
일 실시예에서, 특징 벡터 획득부(131)는 저작권이 등록된 저작물의 멀티미디어 파일로부터 특징 벡터 획득 알고리즘을 사용하여 적어도 하나 이상의 제3 특징 벡터를 획득할 수 있다.
일 실시예에서, 특징 벡터 획득부(131)는 객체 추출부(121)를 이용하여 추출된(즉, 저작권이 등록된 저작물의 멀티미디어 파일로부터 추출된) 제3 객체로부터 특징 벡터 획득 알고리즘을 사용하여 적어도 하나 이상의 제3 특징 벡터를 획득할 수 있다.
특징 벡터 획득부(131)는 제1 특징 벡터 및 제2 특징 벡터에 더하여 제3 특징 벡터를 더 추출하는 것을 제외하고, 도 2의 특징 벡터 획득부(130)와 동일한 구성을 포함하고 있는 바, 중복되는 자세한 설명은 생략될 수 있다.
특징 벡터 획득부(131)에 의해 획득된 적어도 하나 이상의 제3 특징 벡터는 대응되는 저작권이 등록된 저작물의 데이터에 포함되어 저작권 데이터베이스(180)에 저장될 수 있다.
유사도 분석부(161)는 대체 불가 토큰에 대응되는 디지털 저작물과 저작권 데이터베이스(180)에 저장된 저작권이 등록된 저작물의 멀티미디어 파일 간의 유사도를 더 분석할 수 있다(S510).
일 실시예에서, 유사도 분석부(161)는 대체 불가 토큰의 데이터에 포함된 인터넷 주소를 이용하여 획득된 디지털 저작물의 원본 파일과 저작권 데이터베이스(180)에 저장된 저작권이 등록된 저작물의 멀티미디어 파일 간의 유사도를 더 분석할 수 있다.
일 실시예에서, 유사도 분석부(161)는 적어도 하나 이상의 제1 객체가 적어도 하나 이상의 제3 객체를 모두 포함하는 대체 불가 토큰의 데이터에 대응되는 디지털 저작물에 한하여 상기 저작물의 멀티미디어 파일과의 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(161)는 적어도 하나 이상의 제1 객체가 적어도 하나 이상의 제3 객체에 모두 포함되는 대체 불가 토큰의 데이터에 대응되는 디지털 저작물에 한하여 상기 저작물의 멀티미디어 파일과의 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(161)는 저작권 데이터베이스(180)에 저장된 저작물의 멀티미디어 파일로부터 획득된 적어도 하나 이상의 제3 특징 벡터를 대체 불가 토큰의 데이터에 포함된 적어도 하나 이상의 제1 특징 벡터와 비교하여 두 저작물 간의 유사한 정도를 나타내는 유사도를 분석할 수 있다.
일 실시예에서, 유사도 분석부(161)는 기준점과 각 특징 벡터들 간의 거리를 기초로 산출되는 유사도를 비교하여 두 저작물 간의 유사한 정도를 판단할 수 있으며, 유사도 분석부(161)가 두 저작물 간의 유사도를 분석하는 방법은 도 2에서 설명된 유사도 분석부(160)와 동일한 바, 중복되는 자세한 설명은 생략될 수 있다.
유사도 분석부(161)는 대체 불가 토큰에 대응되는 디지털 저작물과 사용자로부터 입력 받은 디지털 파일 간의 유사도를 분석하는 것에 더하여, 대체 불가 토큰에 대응되는 디지털 저작물과 저작권이 등록된 저작물의 멀티미디어 파일 간의 유사도를 더 분석하는 것을 제외하고, 도 2의 유사도 분석부(160)와 동일한 구성을 포함하고 있는 바, 중복되는 자세한 설명은 생략될 수 있다.
저작권 모니터링부(190)는 저작권 데이터베이스(180)에 저장된, 저작권이 등록된 저작물을 대체 불가 토큰이 발행된 디지털 저작물들과 비교하여, 저작권자가 아닌 타인에 의해 대체 불가 토큰을 이용하여 발행되었는지 여부를 모니터링할 수 있다.
일 실시예에서, 저작권 모니터링부(190)는 검색된 유사한 디지털 저작물에 대응되는 대체 불가 토큰의 데이터로부터 최초 소유자 정보 및 토큰 소유자(tokenOwner) 속성 정보를 획득할 수 있다. 저작권 모니터링부(190)는 최초 소유자 정보 및 토큰 소유자(tokenOwner) 속성 정보를 기초로 각각 검색된 유사한 디지털 저작물의 최초 소유자 정보(예를 들어, 최초 소유자의 블록체인 지갑 주소) 및 현재 소유자 정보(예를 들어, 현재 소유자의 블록체인 지갑 주소)를 획득하여 사용자 단말기(20)로 제공할 수 있다(S610).
여기서, 사용자 단말기(20)는 NFT를 이용한 디지털 저작물 검색 시스템(11)의 관리자, 관련된 등록된 저작권자 등 미리 정해진 열람 등급을 보유한 자로 한정될 수 있으나, 이에 한정되는 것은 아니다.
일 실시예에서, 저작권 모니터링부(190)는 유사도 분석부(161)를 이용하여 대체 불가 토큰에 대응되는 디지털 저작물과 저작권 데이터베이스(180)에 저장된 멀티미디어 파일 간의 유사도를 분석할 수 있다.
일 실시예에서, 저작권 모니터링부(190)는 멀티미디어 파일로부터 추출된 적어도 하나 이상의 제3 객체를 NFT 데이터베이스(140)에 저장된 대체 불가 토큰의 데이터와 비교하여 미리 정해진 제2 유사도 판단 조건을 만족하는 대체 불가 토큰의 데이터에 대해서만 디지털 저작물과 멀티미디어 파일 간의 유사도를 분석할 수 있다.
미리 정해진 제2 유사도 판단 조건은 디지털 저작물로부터 추출된 적어도 하나 이상의 제1 객체가 멀티미디어 파일로부터 추출된 적어도 하나 이상의 제3 객체를 모두 포함하는 조건을 포함할 수 있으나, 이에 한정되는 것은 아니다.
다른 실시예에서, 미리 정해진 제2 유사도 판단 조건은 디지털 저작물로부터 추출된 적어도 하나 이상의 제1 객체가 멀티미디어 파일로부터 추출된 적어도 하나 이상의 제3 객체에 모두 포함되는 조건을 포함할 수 있다.
다시 말해, 저작권 모니터링부(190)는 미리 정해진 제2 유사도 판단 조건을 만족하는 대체 불가 토큰의 데이터에 대해서만 유사도 분석부(161)를 이용하여 디지털 저작물과 멀티미디어 파일 간의 유사도를 분석할 수 있다.
따라서, 본 발명에 따른 NFT를 이용한 디지털 저작물 검색 시스템(11)은 저장된 모든 대체 불가 토큰에 대하여 검색할 필요 없이 검색 대상을 한정하여 검색 시간을 단축시킬 수 있다.
이상 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10, 11: NFT를 이용한 디지털 저작물 검색 시스템
20: 사용자 단말 30: NFT 스마트 컨트랙트
110: 수집부 120, 121: 객체 추출부
130, 131: 특징 벡터 획득부 140: NFT 데이터베이스
150: 유해물질 검출부 160, 161: 유사도 분석부
170: 검색부 180: 저작권 데이터베이스
190: 저작권 모니터링부

Claims (10)

  1. 디지털 저작물에 대한 정보를 포함하여 발행되는 대체 불가 토큰의 거래 정보를 포함하는 NFT 스마트 컨트랙트를 탐색하여 상기 대체 불가 토큰의 데이터를 수집하는 수집부;
    상기 대체 불가 토큰의 데이터를 저장하는 NFT 데이터베이스;
    사용자로부터 입력 받은 디지털 파일과 유사한 상기 디지털 저작물에 대응되는 상기 대체 불가 토큰의 데이터를 이용하여 상기 디지털 파일의 소유자를 검색하는 검색부; 및
    다수의 유해물들을 이용하여 미리 학습된 유해성 판단 모델을 이용하여 상기 디지털 파일이 유해 컨텐츠를 포함하고 있는지 여부를 판단하는 유해물 검출기;를 포함하는 NFT를 이용한 디지털 저작물 검색 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 대체 불가 토큰의 데이터는 대응되는 상기 디지털 저작물이 저장된 인터넷 주소를 더 포함하고,
    상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물과 상기 디지털 파일 간의 유사도를 분석하는 유사도 분석부를 더 포함하는 것을 특징으로 하는, NFT를 이용한 디지털 저작물 검색 시스템.
  4. 제3항에 있어서,
    상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물에 포함된 적어도 하나 이상의 제1 객체를 추출하고, 상기 디지털 파일에 포함된 적어도 하나 이상의 제2 객체를 추출하는 객체 추출부를 더 포함하며,
    상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 객체의 정보를 더 포함하고,
    상기 유사도 분석부는 상기 적어도 하나 이상의 제1 객체가 상기 적어도 하나 이상의 제2 객체를 모두 포함하는 상기 대체 불가 토큰의 데이터에 대응되는 상기 디지털 저작물에 대하여 상기 디지털 파일과의 유사도를 분석하는 것을 특징으로 하는, NFT를 이용한 디지털 저작물 검색 시스템.
  5. 제3항에 있어서,
    상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물로부터 적어도 하나 이상의 제1 특징 벡터를 획득하고, 상기 디지털 파일로부터 적어도 하나 이상의 제2 특징 벡터를 획득하는 특징 벡터 획득부를 더 포함하며,
    상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 특징 벡터를 더 포함하고,
    상기 유사도 분석부는 상기 적어도 하나 이상의 제2 특징 벡터를 상기 대체 불가 토큰의 데이터에 포함된 상기 적어도 하나 이상의 제1 특징 벡터와 비교하여 상기 유사도를 분석하는 것을 특징으로 하는, NFT를 이용한 디지털 저작물 검색 시스템.
  6. 디지털 저작물에 대한 정보를 포함하여 발행되는 대체 불가 토큰의 거래 정보를 포함하는 NFT 스마트 컨트랙트를 탐색하여 상기 대체 불가 토큰의 데이터를 수집하는 수집단계;
    사용자로부터 입력 받은 디지털 파일과 유사한 상기 디지털 저작물에 대응되는 상기 대체 불가 토큰의 데이터를 이용하여 상기 디지털 파일의 소유자를 검색하는 검색단계; 및
    다수의 유해물들을 이용하여 미리 학습된 유해성 판단 모델을 이용하여 상기 디지털 파일이 유해 컨텐츠를 포함하고 있는지 여부를 판단하는 유해물 검출단계;를 포함하는 NFT를 이용한 디지털 저작물 검색 방법.
  7. 삭제
  8. 제6항에 있어서,
    상기 대체 불가 토큰의 데이터는 대응되는 상기 디지털 저작물이 저장된 인터넷 주소를 더 포함하고,
    상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물과 상기 디지털 파일간의 유사도를 분석하는 유사도 분석단계를 더 포함하는 것을 특징으로 하는, NFT를 이용한 디지털 저작물 검색 방법.
  9. 제8항에 있어서,
    상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물에 포함된 적어도 하나 이상의 제1 객체를 추출하고, 상기 디지털 파일에 포함된 적어도 하나 이상의 제2 객체를 추출하는 객체 추출단계를 더 포함하며,
    상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 객체의 정보를 더 포함하고,
    상기 유사도 분석단계는 상기 적어도 하나 이상의 제1 객체가 상기 적어도 하나 이상의 제2 객체를 모두 포함하는 상기 대체 불가 토큰의 데이터에 대응되는 상기 디지털 저작물에 대하여 상기 디지털 파일과의 유사도를 분석하는 것을 특징으로 하는, NFT를 이용한 디지털 저작물 검색 방법.
  10. 제8항에 있어서,
    상기 인터넷 주소를 이용하여 획득된 상기 디지털 저작물로부터 적어도 하나 이상의 제1 특징 벡터를 획득하고, 상기 디지털 파일로부터 적어도 하나 이상의 제2 특징 벡터를 획득하는 특징 벡터 획득단계를 더 포함하며,
    상기 대체 불가 토큰의 데이터는 상기 적어도 하나 이상의 제1 특징 벡터를 더 포함하고,
    상기 유사도 분석단계는 상기 적어도 하나 이상의 제2 특징 벡터를 상기 대체 불가 토큰의 데이터에 포함된 상기 적어도 하나 이상의 제1 특징 벡터와 비교하여 상기 유사도를 분석하는 것을 특징으로 하는, NFT를 이용한 디지털 저작물 검색 방법.
KR1020210092529A 2021-07-14 2021-07-14 Nft를 이용한 디지털 저작물 검색 시스템 및 방법 KR102639645B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210092529A KR102639645B1 (ko) 2021-07-14 2021-07-14 Nft를 이용한 디지털 저작물 검색 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210092529A KR102639645B1 (ko) 2021-07-14 2021-07-14 Nft를 이용한 디지털 저작물 검색 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20230011818A KR20230011818A (ko) 2023-01-25
KR102639645B1 true KR102639645B1 (ko) 2024-02-21

Family

ID=85109762

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210092529A KR102639645B1 (ko) 2021-07-14 2021-07-14 Nft를 이용한 디지털 저작물 검색 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102639645B1 (ko)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101000871B1 (ko) * 2009-01-16 2010-12-13 케이티하이텔 주식회사 디지털 저작물의 통제를 위한 장치 및 방법

Also Published As

Publication number Publication date
KR20230011818A (ko) 2023-01-25

Similar Documents

Publication Publication Date Title
US10929671B2 (en) Systems and methods for image-feature-based recognition
Al-Dhaqm et al. CDBFIP: Common database forensic investigation processes for Internet of Things
Beebe Digital forensic research: The good, the bad and the unaddressed
CN108959478B (zh) 一种云环境下的密文图像检索方法及系统
US20160048849A1 (en) Method and system for clustering and classifying online visual information
Bharati et al. Beyond pixels: Image provenance analysis leveraging metadata
Wang et al. You are your photographs: Detecting multiple identities of vendors in the darknet marketplaces
KR102546100B1 (ko) Nft를 이용한 디지털 저작물 수익 공유 시스템 및 방법
Qadir et al. Applications of machine learning in digital forensics
Karunanayake et al. A multi-modal neural embeddings approach for detecting mobile counterfeit apps: A case study on Google Play store
CN113254696B (zh) 一种封面图像获取方法及装置
CN110891071A (zh) 一种网络流量信息获取方法、装置及其相关设备
KR102639645B1 (ko) Nft를 이용한 디지털 저작물 검색 시스템 및 방법
CN112487082A (zh) 一种生物特征识别的方法及相关设备
Moreira et al. Image provenance analysis
CN113572781A (zh) 网络安全威胁信息归集方法
Bruno et al. Distributed anti-plagiarism checker for biomedical images based on sensor noise
Alnajjar et al. The Enhanced Forensic Examination and Analysis for Mobile Cloud Platform by Applying Data Mining Methods.
Malmurugan et al. Hybrid Encryption Method for Health Monitoring Systems Based on Machine Learning
KR102457034B1 (ko) Nft 디지털 자산의 저작권 침해 여부 검출 방법
Jang et al. Clustering-based pattern abnormality detection in distributed sensor networks
US10296990B2 (en) Verifying compliance of a land parcel to an approved usage
US20240235861A1 (en) System and method for machine learning based security incidents detection and classification in a blockchain ecosystem
CN111447082B (zh) 关联账号的确定方法、装置和关联数据对象的确定方法
KR20190104671A (ko) 콘텐츠 기반 클린 클라우드 시스템 및 그 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant