KR20220166243A - 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치 - Google Patents

뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치 Download PDF

Info

Publication number
KR20220166243A
KR20220166243A KR1020220162594A KR20220162594A KR20220166243A KR 20220166243 A KR20220166243 A KR 20220166243A KR 1020220162594 A KR1020220162594 A KR 1020220162594A KR 20220162594 A KR20220162594 A KR 20220162594A KR 20220166243 A KR20220166243 A KR 20220166243A
Authority
KR
South Korea
Prior art keywords
watermark
server
information
original data
recipient
Prior art date
Application number
KR1020220162594A
Other languages
English (en)
Other versions
KR102681057B1 (ko
Inventor
김태진
Original Assignee
김태진
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 김태진 filed Critical 김태진
Publication of KR20220166243A publication Critical patent/KR20220166243A/ko
Application granted granted Critical
Publication of KR102681057B1 publication Critical patent/KR102681057B1/ko

Links

Images

Classifications

    • 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]
    • G06F21/16—Program or content traceability, e.g. by watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G06Q50/184—Intellectual property management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Technology Law (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

실시예들은 서버가 뉴럴 네트워크(neural network)를 이용하여 서버가 워터마크가 삽입된 데이터를 적어도 하나의 장치에게 전송하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 상기 서버에 입력된 문서 정보를 기반으로 원본 데이터를 획득하고, 상기 원본 데이터, 적어도 하나의 수신인에 대한 명칭 및 사전 입력된 발신인에 대한 명칭을 기반으로 상기 뉴럴 네트워크를 이용한 패턴 생성 모델을 통해 패턴 정보를 결정하고, 상기 적어도 하나의 수신인은 상기 서버에 사전 저장된 수신인 리스트로부터 선택되고, 상기 사전 저장된 수신인 리스트는 수신인에 대한 명칭 및 수신인에 대한 연락 정보를 포함하고, 상기 패턴 정보는 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴에 대한 정보를 포함하고, 상기 패턴 정보 및 사전 입력된 워터마크에 대한 설정 정보를 기반으로 상기 제1 오브젝트 및 상기 제2 오브젝트를 포함하는 워터마크를 상기 원본 데이터에 삽입하고, 상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송하는 단계를 포함할 수 있다. 예를 들어, 상기 제1 오브젝트는 상기 적어도 하나의 수신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 제2 오브젝트는 상기 발신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이하게 결정될 수 있다.

Description

뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING WATERMARKED DATA USING A NEURAL NETWORK}
본 개시의 실시예들은 워터마크가 삽입된 데이터를 제공하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 기술에 대한 것이다.
디지털 기술의 발전으로 온라인 상의 문서, 사진, 영상 데이터에 대한 수요가 증가함에 따라, 디지털 컨텐츠의 불법적인 복제나 유통으로 인한 지적재산권 문제가 발생하고 있다. 디지털 컨텐츠의 경우, 품질의 손상 없이 복사본이 제작될 수 있기 때문에, 디지털 컨텐츠의 무단 복제 및 배포가 더욱 문제될 수 있다. 따라서, 디지털 데이터에 대한 소유권을 보호하고, 불법 복제 및 배포를 방지하기 위한 저작권 보호 기술이 요구된다.
이를 위해, 일반적으로 사용되는 기술은 디지털 워터마킹이며, 디지털 워터마킹은 각종 디지털 컨텐츠의 불법 복제 및 배포, 위조 등과 같이 상업적 도용을 근절시키기 위한 목적으로 저작권자의 고유 정보를 컨텐츠에 삽입하는 기술이다. 여기서, 삽입되는 저작권자의 고유정보를 워터마크(watermark)라고 한다.
특히, 워터마크는 보안 문서의 유출을 방지하기 위해 보안 문서에 가시적으로 삽입될 수 있다. 예를 들어, 편의점 본사에서 전국의 점주에게 보내는 공문, 프랜차이즈 본사에서 각 사업장에 보내는 협조문, 검찰에서 부서별로 보내는 사건진행관련 문서나 판결관련 내용, 기업에서 직원에게 보내는 사내문서, 경찰서 내부에서 도는 각종 문서, 영화나 드라마팀에서 보내는 시나리오, 각종 계약서, 전자 서적 및 계약 직전의 완성된 소설과 같이 보안이 필요한 문서에 대해 워터마크를 가시적으로 삽입함으로써, 문서에 대한 유출을 사전에 방지할 수 있다.
한편, 복수의 보안 문서를 복수의 수신인에게 발송하는 경우, 각각의 수신인에게 전송되는 보안 문서마다 워터마크를 삽입해야 하는 번거로움이 있을 수 있다. 또한, 워터마크가 삽입된 보안 문서의 일부만 유출되는 경우, 상기 보안 문서의 일부에 워터마크의 일부가 포함되면, 워터마크 전체가 아닌 워터마크의 일부만으로는 유출된 경로를 확인하기 어려울 수 있다.
이에, 사전 저장된 수신인 리스트를 통해 수신인을 용이하게 설정하고, 뉴럴 네트워크를 통해 수신인에 대한 명칭 및 발신인에 대한 명칭이 패턴으로 구성된 워터마크가 삽입된 데이터를 제공하는 방법이 필요할 수 있다.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 서버가 뉴럴 네트워크(neural network)를 이용하여 서버가 워터마크가 삽입된 데이터를 적어도 하나의 장치에게 전송하는 방법은, 상기 서버에 입력된 문서 정보를 기반으로 원본 데이터를 획득하고, 상기 원본 데이터, 적어도 하나의 수신인에 대한 명칭 및 사전 입력된 발신인에 대한 명칭을 기반으로 상기 뉴럴 네트워크를 이용한 패턴 생성 모델을 통해 패턴 정보를 결정하고, 상기 적어도 하나의 수신인은 상기 서버에 사전 저장된 수신인 리스트로부터 선택되고, 상기 사전 저장된 수신인 리스트는 수신인에 대한 명칭 및 수신인에 대한 연락 정보를 포함하고, 상기 패턴 정보는 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴에 대한 정보를 포함하고, 상기 패턴 정보 및 사전 입력된 워터마크에 대한 설정 정보를 기반으로 상기 제1 오브젝트 및 상기 제2 오브젝트를 포함하는 워터마크를 상기 원본 데이터에 삽입하고, 상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송하는 단계를 포함할 수 있다. 예를 들어, 상기 제1 오브젝트는 상기 적어도 하나의 수신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 제2 오브젝트는 상기 발신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이하게 결정될 수 있다.
일 실시예에 따라, 상기 제1 오브젝트 및 상기 제2 오브젝트에 대한 정보는 상기 제1 오브젝트 및 상기 제2 오브젝트의 크기에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 형태에 대한 정보를 포함할 수 있다. 예를 들어, 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴은 둘 이상의 패턴을 포함할 수 있다. 예를 들어, 상기 원본 데이터에 포함된 텍스트의 크기에 기반하여 상기 제1 오브젝트와 상기 제2 오브젝트의 크기가 결정될 수 있다.
일 실시예에 따라, 상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 상기 원본 데이터에 대해 복수의 제1 영역이 결정될 수 있다. 예를 들어, 상기 복수의 제1 영역 중에서 상기 워터마크의 삽입이 가능한 하나 이상의 제2 영역이 결정될 수 있다. 예를 들어, 상기 하나 이상의 제2 영역 중에서 상기 워터마크가 삽입될 수 있다.
부가적으로, 예를 들어, 상기 복수의 제1 영역 중에서 제1 영역에 포함된 텍스트의 비율이 사전 설정된 비율보다 크거나 같은 영역이 상기 제2 영역으로 결정될 수 있다. 예를 들어, 상기 제1 영역에 포함된 텍스트의 비율은 상기 제1 영역에 포함된 텍스트들이 상기 제1 영역에 대해 차지하는 비율일 수 있다. 예를 들어, 상기 제1 영역에 포함된 텍스트의 비율은 상기 제1 영역의 크기, 상기 제1 영역 내 포함된 텍스트의 평균 크기 및 상기 제1 영역 내 포함된 텍스트의 개수에 기반하여 결정될 수 있다. 예를 들어, 서버는 상기 복수의 제1 영역 중에서 제1 영역에 포함된 텍스트의 비율이 사전 설정된 비율보다 크거나 같은 영역에 상기 워터마크를 삽입할 수 있다.
예를 들어, 상기 사전 설정된 비율은 하기 수학식에 의해 결정될 수 있다.
Figure pat00001
상기 수학식에서, 상기 rw는 상기 사전 설정된 비율이고, 상기 Ts는 상기 원본 데이터에 포함된 텍스트의 평균 크기이고, 상기 nT는 상기 원본 데이터에 포함된 텍스트의 개수이고, 상기 Ds는 상기 원본 데이터와 관련된 문서의 크기이고, 상기 n은 상기 복수의 제1 영역의 개수이고, 상기 Ai는 i번째 제1 영역의 크기이고, 상기 Ao는 현재 선택된 제1 영역의 크기일 수 있다.
일 실시예에 따라, 상기 원본 데이터에 대한 선명도에 기반하여 상기 워터마크에 대한 투명도의 범위가 상이하게 결정될 수 있다. 예를 들어, 상기 투명도의 최솟값은 하기 수학식에 의해 결정될 수 있다.
Figure pat00002
상기 수학식에서, 상기 amin은 상기 투명도의 최솟값이고, 상기 rt는 상기 원본 데이터에 포함된 텍스트의 비율이고, Bb는 상기 원본 데이터에 포함된 배경에 대한 평균 명도 값이고, Bt는 상기 원본 데이터에 포함된 텍스트에 대한 평균 명도 값이고, 상기 S는 상기 원본 데이터에 대한 선명도이고, 상기 a는 상기 워터마크와 관련된 가중치일 수 있다.
부가적으로, 예를 들어, 상기 원본 데이터에 대한 선명도는 하기 수학식에 의해 결정될 수 있다.
Figure pat00003
상기 수학식에서, 상기 S는 상기 원본 데이터에 대한 선명도이고, 상기 k는 전체 그라디언트의 개수, 상기 Gxj는 j번째 x 방향 기울기 값의 집합, 상기 Gyj는 j번째 y 방향 기울기 값의 집합일 수 있다. 여기서, S 값은 0에서 100 사이의 값일 수 있다. 예를 들어, 상기 원본 데이터에 대한 선명도가 사전 설정된 선명도 미만인 경우, 상기 서버는 샤프닝(sharpening) 필터를 이용하여 상기 원본 데이터에 대한 선명도를 증가시킬 수 있다.
일 실시예에 따라, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 복수의 원본 데이터, 복수의 워터마크가 삽입된 데이터 및 정답 패턴 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되고, 상기 패턴 생성 모델이 생성될 수 있다.
실시예들에 따르면, 서버는 뉴럴 네트워크를 통해 수신인에 대한 명칭 및 발신인에 대한 명칭으로 구성된 패턴을 포함하는 워터마크를 제공함으로써, 문서의 일부가 발췌된 경우에도 수신인과 발신인을 확인할 수 있다. 또한, 상기 워터마크가 둘 이상의 패턴을 포함함으로써, 수신인과 발신인이 동일한 문서들에 대해서도 유출 경로를 특정하여 확인할 수 있다.
실시예들에 따르면, 서버는 원본 데이터에 포함된 텍스트의 분포에 따라 워터마크를 삽입할 수 있는 영역을 결정하고, 원본 데이터의 선명도에 따라 워터마크의 투명도를 결정함으로써, 보다 효과적으로 워터마크를 문서에 삽입할 수 있다.
실시예들에 따르면, 서버는 워터마크가 삽입된 데이터를 사전 저장된 수신인 리스트를 기반으로 수신인과 관련된 장치에게 전송함으로써, 수신인과 관련된 장치마다 상이한 워터마크가 삽입된 데이터를 전송할 수 있고, 이메일 주소, 메신져 ID 또는 전화 번호에 따라 효율적으로 전송할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 적어도 하나의 장치에게 전송하는 방법을 나타낸다.
도 4는 일 실시예에 따른 수신인 리스트가 포함된 기본 화면에 대한 예이다.
도 5는 일 실시예에 따른 워터마크의 설정과 관련된 화면에 대한 예이다.
도 6은 일 실시예에 따른 워터마크가 삽입된 데이터와 함께 전송되는 전체 메시지를 예약하는 화면에 대한 예이다.
도 7은 일 실시예에 따른 전체 메시지를 발송하기 전 화면에 대한 예이다.
도 9는 일 실시예에 따른 워터마크를 원본 데이터에 삽입하기 위해 설정하는 과정에 대한 예이다.
도 10은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 적어도 하나의 장치에게 전송하는 방법을 나타낸다. 도 3의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S301에서, 서버(예: 도 1의 서버(108))는 상기 서버에 입력된 문서 정보를 기반으로 원본 데이터를 획득할 수 있다. 여기서, 문서 정보는 텍스트 데이터 또는 이미지 데이터를 포함하는 문서에 대한 정보일 수 있다. 예를 들어, 문서 정보는 워드프로세서 소프트웨어 파일(예: doc 파일, docx 파일, HWP 파일), pdf(portable document format) 파일 및 이미지 파일을 포함할 수 있다. 예를 들어, 상기 문서 정보는 적어도 하나의 장치(예: 도 1의 전자 장치(101))로부터 수신될 수 있다. 여기서, 원본 데이터는 상기 문서의 픽셀과 관련된 값들을 포함할 수 있다. 예를 들어, 원본 데이터는 상기 문서에 포함된 텍스트에 대한 정보 및 상기 문서에 포함된 배경에 대한 정보를 포함할 수 있다. 예를 들어, 텍스트에 대한 정보는 텍스트의 개수, 텍스트의 크기 및 텍스트의 색공간과 관련된 값을 포함할 수 있다. 예를 들어, 배경에 대한 정보는 배경의 색공간과 관련된 값을 포함할 수 있다. 여기서, 색공간은 색 표시계(color system)를 3차원으로 표현한 공간 개념일 수 있다. 예를 들어, 색공간은 RGB(red, green, blue), HSV(hue, saturation, value), YUV 등 다양한 방식으로 표현될 수 있다. 예를 들어, RGB는 빨강, 초록, 파랑 세 종류의 색상에 대한 좌표 값으로 나타낸 방식일 수 있다. 예를 들어, HSV는 색조(Hue), 채도(Saturation), 밝기 정보(예를 들어, 밸류(Value))를 고려한 방식일 수 있다. 예를 들어, YUV는 y축은 밝기 성분을 U, V 두 축을 이용하여 색상을 표현할 수 있다. 여기서, U축은 파란색에서 밝기 성분을 뺀 값이고, V축은 빨간색에서 밝기 성분을 뺀 값일 수 있다.
단계 S302에서, 서버는 상기 원본 데이터, 적어도 하나의 수신인에 대한 명칭 및 사전 입력된 발신인에 대한 명칭을 기반으로 상기 뉴럴 네트워크를 이용한 패턴 생성 모델을 통해 패턴 정보를 결정할 수 있다.
예를 들어, 상기 적어도 하나의 수신인은 상기 서버에 사전 저장된 수신인 리스트로부터 선택될 수 있다. 예를 들어, 상기 사전 저장된 수신인 리스트는 수신인에 대한 명칭 및 수신인에 대한 연락 정보를 포함할 수 있다. 예를 들어, 상기 적어도 하나의 수신인에 대한 수정된 명칭이 상기 서버에 대해 입력되는 경우, 상기 선택된 수신인에 대한 명칭이 상기 수정된 명칭으로 변경될 수 있다. 예를 들어, 상기 수신인에 대한 연락 정보는 이메일 주소, 메신져 ID 및 전화 번호를 포함할 수 있다. 예를 들어, 상기 사전 저장된 수신인 리스트는 스프레드시트 프로그램 파일(예: 엑셀(excel) 파일)을 통해 입력되거나 업데이트될 수 있다.
예를 들어, 상기 패턴 정보는 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴 정보를 포함할 수 있다. 예를 들어, 상기 제1 오브젝트 및 상기 제2 오브젝트에 대한 정보는 상기 제1 오브젝트 및 상기 제2 오브젝트의 크기에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 형태에 대한 정보를 포함할 수 있다. 예를 들어, 상기 제1 오브젝트는 상기 적어도 하나의 수신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 제1 오브젝트는 상기 수신인에 대한 명칭이 세모 형태, 네모 형태, 원 형태, 별 형태와 같이 다양한 형태 중 어느 하나의 형태로 이루어진 것일 수 있다. 예를 들어, 상기 제2 오브젝트는 상기 발신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 제2 오브젝트는 상기 발신인에 대한 명칭이 세모 형태, 네모 형태, 원 형태, 별 형태와 같이 다양한 형태 중 어느 하나의 형태로 이루어진 것일 수 있다. 예를 들어, 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴은 둘 이상의 패턴을 포함할 수 있다. 여기서, 상기 패턴은 가로 패턴, 세로 패턴, 대각 패턴, 도트 패턴 및 격자 패턴과 같이 다양한 패턴을 포함할 수 있다. 즉, 예를 들어, 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴은 가로 패턴 및 세로 패턴으로 생성될 수 있다.
예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 복수의 원본 데이터, 복수의 워터마크가 삽입된 데이터 및 정답 패턴 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되고, 상기 패턴 생성 모델이 생성될 수 있다.
따라서, 서버는 뉴럴 네트워크를 통해 결정된 패턴 정보에 기반하여 제1 오브젝트 및 제2 오브젝트로 구성된 패턴을 포함하는 워터마크를 제공함으로써, 문서의 일부가 발췌된 경우에도 상기 워터마크에 포함된 패턴을 구성하는 제1 오브젝트 및 제2 오브젝트를 통해 수신인과 발신인을 확인할 수 있다. 또한, 상기 워터마크가 둘 이상의 패턴을 포함함으로써, 수신인과 발신인이 동일한 문서들에 대해서도 상기 워터마크를 통해 유출 경로를 특정할 수 있다.
예를 들어, 서버는 데이터 전처리를 통해 원본 데이터에 포함된 텍스트의 크기, 텍스트과 관련된 색공간에 대한 값 및 배경과 관련된 색공간에 대한 값을 벡터화할 수 있다. 예를 들어, 서버는 데이터 전처리를 통해 워터마크가 삽입된 데이터에 포함된 제1 오브젝트 및 제2 오브젝트의 크기와 형태, 상기 제1 오브젝트 및 제2 오브젝트의 조합으로 구성된 패턴을 벡터화할 수 있다.
예를 들어, 상기 원본 데이터에 포함된 텍스트의 크기에 기반하여 상기 제1 오브젝트와 상기 제2 오브젝트의 크기가 결정될 수 있다. 예를 들어, 상기 원본 데이터에 포함된 텍스트의 크기보다 사전 설정된 비율만큼 작은 크기로 상기 제1 오브젝트와 상기 제2 오브젝트의 크기가 결정될 수 있다. 이로 인해, 상기 제1 오브젝트와 상기 제2 오브젝트의 크기가 항상 고정되지 않고, 상기 원본 데이터에 포함된 텍스트의 크기에 따라 상이할 수 있고, 보다 자연스러운 패턴으로 워터마크를 구성할 수 있다.
단계 S303에서, 서 버는 상기 패턴 정보 및 사전 입력된 워터마크에 대한 설정 정보를 기반으로 상기 제1 오브젝트 및 상기 제2 오브젝트를 포함하는 워터마크를 상기 원본 데이터에 삽입할 수 있다. 예를 들어, 서버는 워터마크로 설정된 문구를 사전 입력된 문구로 결정할 수 있다. 예를 들어, 상기 워터마크에 대한 설정 정보는 워터마크의 위치, 모양, 색깔, 기울기, 글씨체, 크기 및 투명도를 포함할 수 있다. 예를 들어, 상기 워터마크에 대한 설정 정보는 상기 서버에 사전 입력될 수 있다. 예를 들어, 상기 워터마크에 대한 설정 정보는 상기 서버와 연결된 장치로부터 상기 서버에게 수신될 수 있다.
부가적으로, 예를 들어, 사전 입력된 문구가 존재하지 않는 경우, 서버는 상기 문서 정보에 기반하여 상기 워터마크로 설정된 문구를 결정할 수 있다. 예를 들어, 서버는 상기 문서 정보에 기반하여 복수의 카테고리 중에서 어느 하나의 카테고리를 결정할 수 있다. 예를 들어, 복수의 카테고리는 공문서, 기획서, 기안서, 보고서, 설명서, 계약서 및 비즈니스 레터를 포함할 수 있다. 예를 들어, 복수의 카테고리 각각과 관련된 단어들은 상기 서버에 사전 저장될 수 있다. 예를 들어, 복수의 카테고리 각각에 대해 복수의 문구가 상기 서버에 사전 저장될 수 있다. 예를 들어, 서버는 상기 문서 정보에 포함된 단어들 중에서 상기 복수의 카테고리 각각과 관련된 단어들과 매칭되는 복수의 제1 단어를 결정할 수 있고, 상기 복수의 제1 단어 중에 가장 빈도수가 많은 제2 단어를 결정할 수 있다. 이후, 서버는 상기 제2 단어가 포함된 카테고리에 대응하는 복수의 문구 중에서 상기 워터마크에 대한 문구를 랜덤하게 설정할 수 있다.
예를 들어, 상기 문서 정보가 이미지 파일인 경우, 서버는 다양한 OCR(optical character recognition) 기법을 통해 상기 이미지 파일에 포함된 텍스트들을 인식할 수 있다. 예를 들어, 서버는 상기 이미지의 밝기 또는 색과 같은 메타데이터를 전처리할 수 있고, 상기 이미지 내 텍스트들이 존재하는 위치를 결정하고, 해당 위치의 텍스트들에 대해 경계 박스(bounding box)를 설정하고, 상기 경계 박스 내 텍스트들을 인식할 수 있다. 이후, 서버는 인식된 텍스트들 중에서 상기 복수의 카테고리 각각과 관련된 단어들과 매칭되는 단어를 검출함으로써, 상기 복수의 카테고리 중에서 하나의 카테고리를 결정할 수 있다. 즉, 예를 들어, 서버는 인식된 텍스트들 중에서 복수의 카테고리 각각과 관련된 단어들과 매칭되는 복수의 제1 단어를 결정할 수 있고, 상기 복수의 제1 단어 중에 가장 빈도수가 많은 제2 단어를 결정할 수 있다. 이후, 서버는 상기 제2 단어가 포함된 카테고리에 대응하는 복수의 문구 중에서 상기 워터마크에 대한 문구를 랜덤하게 설정할 수 있다. 이로 인해, 워터마크에 대한 문구가 입력되지 않아도, 서버는 문서의 종류에 따라 적절한 워터마크 문구를 자동으로 제공할 수 있다.
예를 들어, 상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 상기 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 상기 원본 데이터에 대한 복수의 제1 영역이 결정될 수 있다. 예를 들어, 서버는 상기 복수의 제1 영역을 상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 뉴럴 네트워크를 이용한 클러스터링(clustering) 기법을 통해 n개의 영역으로 결정될 수 있다. 예를 들어, 클러스터링은 유사한 속성들을 갖는 데이터를 일정한 수의 군집으로 그룹핑하는 비지도 학습을 지칭할 수 있다. 예를 들어, n개의 영역은 상기 원본 데이터에 포함된 텍스트에 기반하여 DBSCAN 기법을 통해 결정될 수 있다. 예를 들어, DBSCAN은 특정 요소(point)가 클러스터에 속하는 경우, 해당 클러스터 내 다른 많은 요소와 가까운 위치에 있어야 하는 것을 전제로 하며, 이러한 계산을 위해 직경(radius)과 최소 요소(minimum points)가 사용될 수 있다. 예를 들어, 직경은 특정 데이터 요소를 기준으로 하는 반경일 수 있고, 이를 밀도 영역(dense area)이라 지칭할 수 있다. 예를 들어, 최소 요소는 핵심 요소(core point)를 지정하기 위해 핵심 요소 주변으로 요소가 몇 개 필요한 지를 나타낼 수 있다. 예를 들어, 상기 직경과 최소 요소는 사전 설정될 수 있다. 또한, 데이터 세트의 각 요소는 핵심(core), 경계(border), 이상치 요소(outlier point)로 구분될 수 있다.
예를 들어, 서버는 데이터 전처리를 통해 상기 원본 데이터에 포함된 텍스트마다 대응하는 좌표를 벡터화할 수 있다. 예를 들어, 서버는 상기 벡터화된 텍스트의 좌표를 하나의 요소로 간주할 수 있고, 서버는 요소별로 직경의 크기를 체크하고, 주변의 요소가 몇 개 있는지를 탐색할 수 있다. 이후, 서버는 직경의 범위 내에 m개 이상의 요소가 존재하면, 해당 요소를 핵심 요소로 결정할 수 있다. 그리고, 서버는 핵심 요소로부터 직경의 범위 내에 포함된 요소를 경계 요소로 결정할 수 있다. 그리고, 서버는 핵심 요소로부터 직경의 범위 내에 포함되지 않은 요소는 이상치 요소로 결정할 수 있고, 상기 이상치 요소는 해당 클러스터에서 제외될 수 있다. 또한, 서버는 핵심 요소들 사이의 거리가 직경보다 작을 경우, 해당 요소들을 동일한 클러스터로 분류할 수 있다.
이로 인해, 서버는 원본 데이터에 포함된 텍스트의 분포에 따라 워터마크를 삽입할 수 있는 영역을 결정함으로써, 보다 효율적으로 워터마크를 원본 데이터에 삽입할 수 있다.
예를 들어, 상기 복수의 제1 영역 중에서 상기 워터마크의 삽입이 가능한 하나 이상의 제2 영역이 결정될 수 있다. 예를 들어, 상기 복수의 제1 영역 중에서 제1 영역에 포함된 텍스트의 비율이 사전 설정된 비율보다 크거나 같은 영역이 상기 제2 영역으로 결정될 수 있다. 예를 들어, 상기 제1 영역에 포함된 텍스트의 비율은 상기 제1 영역에 포함된 텍스트들이 상기 제1 영역에 대해 차지하는 비율일 수 있다. 예를 들어, 상기 제1 영역에 포함된 텍스트의 비율은 상기 제1 영역의 크기, 상기 제1 영역 내 포함된 텍스트의 평균 크기 및 상기 제1 영역 내 포함된 텍스트의 개수에 기반하여 결정될 수 있다. 예를 들어, 서버는 상기 복수의 제1 영역 중에서 제1 영역에 포함된 텍스트의 비율이 사전 설정된 비율보다 크거나 같은 영역에 상기 워터마크를 삽입할 수 있다.
예를 들어, 상기 사전 설정된 비율은 하기 수학식 1에 의해 결정될 수 있다.
Figure pat00004
상기 수학식 1에서, 상기 rw는 상기 사전 설정된 비율이고, 상기 Ts는 상기 원본 데이터에 포함된 텍스트의 평균 크기이고, 상기 nT는 상기 원본 데이터에 포함된 텍스트의 개수이고, 상기 Ds는 상기 원본 데이터와 관련된 문서의 크기이고, 상기 n은 상기 복수의 제1 영역의 개수이고, 상기 Ai는 i번째 제1 영역의 크기이고, 상기 Ao는 현재 선택된 제1 영역의 크기일 수 있다. 따라서, 텍스트의 비율에 대한 기준이 항상 동일하지 않고, 원본 데이터와 관련된 문서 전체의 텍스트 비율을 고려하여 변경됨으로써, 워터마크를 삽입할 영역이 보다 정확하게 결정될 수 있다.
또는, 예를 들어, 서버는 상기 복수의 제1 영역 중 적어도 하나의 제1 영역에 대한 입력 값에 기반하여 상기 입력 값에 대응하는 적어도 하나의 제1 영역에 상기 워터마크를 삽입할 수 있다. 예를 들어, 서버는 상기 복수의 제1 영역에 대한 정보를 상기 서버와 연결된 장치에 전송할 수 있고, 상기 서버와 연결된 장치로부터 적어도 하나의 제1 영역에 대한 입력 값을 수신할 수 있다.
예를 들어, 발신인과 관련된 워터마크가 상기 워터마크가 삽입된 데이터에 추가적으로 삽입될 수 있다. 예를 들어, 서버는 상기 서버와 연결된 장치로부터 발신인과 관련된 워터마크에 대한 정보를 수신할 수 있다. 예를 들어, 상기 발신인과 관련된 워터마크에 대한 정보는 발신인과 관련된 워터마크에 대한 문구, 발신인과 관련된 워터마크의 위치, 모양, 색깔, 기울기, 글씨체, 크기 및 투명도를 포함할 수 있다. 예를 들어, 서버는 상기 발신인과 관련된 워터마크에 대한 정보에 기반하여 상기 발신인과 관련된 워터마크를 상기 워터마크가 삽입된 데이터에 추가적으로 삽입할 수 있다.
예를 들어, 상기 원본 데이터에 대한 선명도에 기반하여 상기 워터마크에 대한 투명도의 범위가 상이하게 결정될 수 있다. 예를 들어, 상기 투명도의 최솟값은 하기 수학식 2에 의해 결정될 수 있다.
Figure pat00005
상기 수학식 2에서, 상기 amin은 상기 투명도의 최솟값이고, 상기 rt는 상기 원본 데이터에 포함된 텍스트의 비율이고, Bb는 상기 원본 데이터에 포함된 배경에 대한 평균 명도 값, Bt는 상기 원본 데이터에 포함된 텍스트에 대한 평균 명도 값이고, 상기 S는 상기 원본 데이터에 대한 선명도이고, 상기 a는 상기 워터마크와 관련된 가중치일 수 있다. 여기서, 명도 값은 상술한 HSV에서 밝기 정보에 대한 값일 수 있다. 여기서, 텍스트의 비율은 상기 원본 데이터에 포함된 텍스트들이 상기 원본 데이터와 관련된 문서에 대해서 차지하는 비율일 수 있다. 여기서, 상기 투명도는 0에서 100사이의 값을 가질 수 있다. 예를 들어, 상기 투명도는 색공간과 관련된 값(예: RGB 값)을 16진수로 표현한 코드 값 앞에 위치한 두 자리 수의 16진수로 표현될 수 있다. 예를 들어, 투명도가 1%이면, '03'으로 변환되고, 투명도가 11%이면, '1C'으로 변환되고, 투명도가 85%인 경우 'D9'로 변환될 수 있다. 예를 들어, 상기 a는 1 이상의 상수일 수 있다. 예를 들어, 상기 a는 2일 수 있다. 예를 들어, 상기 a는 상기 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트의 패턴과 상기 워터마크의 크기에 따라 상이하게 설정될 수 있다.
예를 들어, 상기 원본 데이터에 대한 선명도는 상기 문서 정보에 포함된 픽셀 값을 이용하여 측정될 수 있다. 이때, 예를 들어, 상기 문서에서 경계(edge)의 퍼짐 정도를 측정하여 선명도를 추정하는 경계기반 방식(edge-based method)이 사용될 수 있다. 예를 들어, 서버는 가우시안 흐림 필터(Gaussian blur filter)를 상기 문서에 적용하고, 상기 가우시안 흐림 필터가 적용된 문서에 대한 그라디언트(gradient) 값과 상기 문서의 원본 데이터에 대한 그라디언트 값을 대비하여 선명도를 측정할 수 있다. 여기서, 그라디언트는 다변수 함수의 모든 입력 값에서 모든 방향에 대한 순간변화율일 수 있다. 예를 들어, 그라디언트 크기는 두 직각 방향에 따른 이미지 방향 그라디언트의 평균 제곱근으로 정의될 수 있다. 예를 들어, 그라디언트는 상기 문서에 대해 로버츠(Roberts) 필터, 소벨(Sobel) 필터 및 프레위트(Prewitt) 필터와 같은 선형 필터로 처리함으로써, 계산될 수 있다. 즉, 선명도가 높은 영역은 경계에서 픽셀 값이 급격하게 변함으로써, 그라디언트 값이 높게 결정될 수 있고, 경계에서 흐림 현상이 발생하면 그라디언트 값이 낮게 결정될 수 있다.
예를 들어, 상기 원본 데이터에 대한 선명도는 하기 수학식 3에 의해 결정될 수 있다.
Figure pat00006
상기 수학식 3에서, 상기 S는 상기 원본 데이터에 대한 선명도이고, 상기 k는 전체 그라디언트의 개수, 상기 Gxj는 j번째 x 방향 기울기 값의 집합, 상기 Gyj는 j번째 y 방향 기울기 값의 집합일 수 있다. 여기서, S 값은 0에서 100 사이의 값일 수 있다.
따라서, 서버는 측정된 문서의 선명도에 따라 워터마크의 투명도에 대한 범위를 조절함으로써, 제공된 문서에 보다 적합한 워터마크를 제공할 수 있다.
부가적으로, 예를 들어, 상기 원본 데이터에 대한 선명도가 사전 설정된 선명도 미만인 경우, 상기 서버는 샤프닝(sharpening) 필터를 이용하여 상기 원본 데이터에 대한 선명도를 증가시킬 수 있다. 예를 들어, 서버는 원본 데이터에 대해 라플라시안(Laplacian) 필터를 적용하여 픽셀 값이 크게 변경되는 영역을 검출하고, 상기 픽셀 값이 크게 변경되는 영역을 상기 원본 데이터에 더함으로써, 상기 원본 데이터에 대한 선명도를 증가시킬 수 있다. 여기서, 라플라시안 필터는 2차 미분을 적용한 필터로서, 경계를 검출하기 위한 필터일 수 있다. 또는, 예를 들어, 서버는 언샤프(unsharp) 마스크 필터를 기반으로 상기 원본 데이터의 고주파 성분을 획득하고, 상기 고주파 성분을 상기 원본 데이터에 더함으로써, 상기 원본 데이터에 대한 선명도를 증가시킬 수 있다. 여기서, 언샤프 마스크 필터는 원본 데이터에 적용되어 부드러운 원본 데이터를 획득하기 위한 필터일 수 있다. 예를 들어, 언샤프 마스크 필터는 평균값 필터일 수 있다. 즉, 평균값 필터를 통해 원본 데이터에서 하나의 픽셀과 해당 픽셀의 주변 픽셀들의 산술 평균 값이 결과 데이터 픽셀 값으로 저장될 수 있다. 예를 들어, 언샤프 마스크 필터는 가우시안 필터일 수 있다. 즉, 가우시안 필터는 중심부의 값은 높은 가중치를 가지고, 중심에서 멀어질수록 가중치의 작은 값을 가질 수 있다. 이를 통해, 원본 데이터에 대한 가중 산술 평균 값이 결과 데이터 픽셀 값으로 저장될 수 있다. 따라서, 서버는 선명도가 낮은 문서를 그대로 사용하지 않고, 선명도가 낮은 문서에 대해서는 문서의 선명도를 보완한 후에 워터마크를 삽입할 수 있다.
단계 S304에서, 서버는 상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송할 수 있다.
예를 들어, 서버는 상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 포함하는 메시지를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송할 수 있다. 예를 들어, 서버는 상기 서버와 연결된 장치로부터 수신된 메시지를 상기 워터마크가 삽입된 데이터를 포함시켜 상기 적어도 하나의 수신인과 관련된 장치에게 전송할 수 있다.
예를 들어, 상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이하게 결정될 수 있다. 예를 들어, 상기 적어도 하나의 장치마다 수신인에 대한 명칭이 상이한 경우, 상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이할 수 있다.
예를 들어, 서버는 이메일 주소, 메신져 ID 또는 전화 번호 중 적어도 하나에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 장치에게 전송할 수 있다. 예를 들어, 서버는 이메일 주소를 통해 제1 장치에게 워터마크가 삽입된 데이터를 전송하고, 메신져 ID를 통해 제2 장치에게 워터마크가 삽입된 데이터를 전송할 수 있다. 예를 들어, 서버는 워터마크가 삽입된 데이터를 포함하는 MMS(multimedia messaging service) 메시지를 상기 전화 번호를 통해 적어도 하나의 장치에게 전송할 수 있다. 여기서, MMS 메시지는 사진, 동영상과 같은 멀티미디어를 보낼 수 있는 메시지이다.
본 개시의 일 실시예에 따르면, 서버는 상기 서버와 연결된 장치(예: 도 1의 전자 장치(101))에게 워터마크를 삽입하는 인터페이스와 관련된 정보를 전송할 수 있다. 예를 들어, 상기 워터마크를 삽입하는 인터페이스와 관련된 정보는 수신인 리스트가 포함된 기본 인터페이스와 관련된 정보, 상기 워터마크의 설정에 대한 인터페이스와 관련된 정보, 상기 워터마크가 삽입된 데이터와 함께 전송되는 메시지를 예약하는 인터페이스와 관련된 정보 및 상기 메시지를 발송하기 이전에 확인하는 인터페이스와 관련된 정보를 포함할 수 있다.
이하, 서버 및 상기 서버와 연결된 장치에 기반하여 특정 문서에 워터마크를 삽입하고, 상기 워터마크가 삽입된 특정 문서를 메시지와 함께 적어도 하나의 수신인과 관련된 장치에게 전송하는 일 예를 설명한다. 또한, 본 개시에서 설명된 인터페이스는 하나의 실시 예이며, 상기 실시 예에 한정되지 않고, 다양한 인터페이스로 구현될 수 있다.
도 4는 일 실시예에 따른 수신인 리스트가 포함된 기본 화면에 대한 예이다. 도 5는 일 실시예에 따른 워터마크의 설정과 관련된 화면에 대한 예이다. 도 6은 일 실시예에 따른 워터마크가 삽입된 데이터와 함께 전송되는 전체 메시지를 예약하는 화면에 대한 예이다. 도 7은 일 실시예에 따른 전체 메시지를 발송하기 전 화면에 대한 예이다. 도 4 내지 도 7의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 수신인 리스트가 포함된 기본 화면은 수신인의 이름, 워터마크의 내용 및 수신인의 연락 정보를 포함할 수 있다. 예를 들어, 서버와 연결된 장치는 엑셀 파일을 통해 상기 엑셀 파일에 저장된 수신인 리스트를 서버에 입력할 수 있다. 또한, 예를 들어, 서버와 연결된 장치는 엑셀 파일을 통해 상기 서버에 사전 저장된 수신인 리스트를 변경할 수 있다.
예를 들어, 서버와 연결된 장치는 상기 서버에 사전 저장된 수신인 리스트로부터 적어도 하나의 수신인을 검색하고, 상기 적어도 하나의 수신인을 선택할 수 있다. 예를 들어, 서버와 연결된 장치는 상기 서버에 대해 사전에 입력된 워터마크에 대한 문구를 사용할 수 있다. 예를 들어, 서버와 연결된 장치는 상기 서버에 사전 입력된 워터마크에 대한 문구를 변경하여 사용할 수 있다. 예를 들어, 서버와 연결된 장치는 상기 서버에 대해 문서에 대한 서식을 사전 입력할 수 있다.
부가적으로, 예를 들어, 상기 서버에 사전 입력된 워터마크에 대한 문구가 존재하지 않는 경우, 서버와 연결된 장치는 상기 서버로부터 워터마크에 대한 문구를 수신할 수 있다. 예를 들어, 상기 워터마크에 대한 문구는 문서 정보에 기반하여 상기 서버에 의해 결정될 수 있다.
도 5를 참조하면, 워터마크의 설정과 관련된 화면은 워터마크에 대한 세부설정 및 워터마크가 삽입된 문서에 대한 미리보기 창을 포함할 수 있다. 예를 들어, 워터마크는 수신인에 대한 명칭과 발신인에 대한 명칭으로 구성된 제1 워터마크 및 발신인에 의해 설정된 제2 워터마크를 포함할 수 있다. 예를 들어, 제1 워터마크에 대한 세부설정은 위치, 모양, 색깔, 기울기, 글씨체, 크기 및 투명도에 대한 설정을 포함할 수 있다. 예를 들어, 제2 워터마크에 대한 세부설정은 위치, 모양, 색깔, 기울기, 글씨체, 크기 및 투명도에 대한 설정을 포함할 수 있다. 예를 들어, 워터마크가 삽입된 문서에 대한 미리보기 창은 제1 워터마크와 제2 워터마크가 삽입된 문서 이미지를 포함할 수 있다.
도 6을 참조하면, 워터마크가 삽입된 데이터와 함께 전송되는 전체 메시지를 예약하는 화면은 전체 메시지, 예약 날짜, 예약 시간 및 예약 발송 여부를 포함할 수 있다. 예를 들어, 서버와 연결된 장치는 상기 워터마크가 삽입된 문서를 상기 전체 메시지와 함께 적어도 하나의 장치에게 전송할 수 있다. 예를 들어, 예약 발송이 설정된 경우, 서버와 연결된 장치는 상기 워터마크가 삽입된 문서를 상기 전체 메시지와 함께 적어도 하나의 장치에게 상기 예약 발송이 설전된 시간에 전송할 수 있다.
도 7을 참조하면, 전체 메시지를 발송하기 전 화면은 수신인 리스트와 상기 수신인 리스트에 포함된 수신인에 대응하는 워터마크가 삽입된 문서를 미리 볼 수 있는 창을 포함할 수 있다. 예를 들어, 서버와 연결된 장치는 수신인 리스트에 포함된 수신인에 대응하는 워터마크가 삽입된 문서를 화면 상에 디스플레이할 수 있다.
도 8은 일 실시예에 따른 워터마크에 대한 예이다. 도 8의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.
도 8을 참조하면, 워터마크는 수신인에 대한 명칭(예: 홍길동)과 발신인에 대한 명칭(예: 심청이)으로 구성된 패턴을 포함할 수 있다. 따라서, 상기 워터마크가 삽입된 문서의 일부가 발췌된 경우에도, 상기 수신인에 대한 명칭과 상기 발신인에 대한 명칭을 통해 수신인과 발신인을 확인할 수 있다.
부가적으로, 예를 들어, 상기 워터마크를 구성하는 상기 수신인에 대한 명칭 및 상기 발신인에 대한 명칭은 세모 형태, 네모 형태, 원 형태, 별 형태와 같이 다양한 형태 중 어느 하나의 형태로 이루어질 수 있다. 예를 들어, 상기 수신인에 대한 명칭 및 상기 발신인에 대한 명칭의 조합으로 구성된 패턴은 둘 이상의 패턴을 포함할 수 있다. 여기서, 상기 패턴은 가로 패턴, 세로 패턴, 대각 패턴, 도트 패턴 및 격자 패턴과 같이 다양한 패턴을 포함할 수 있다. 즉, 예를 들어, 상기 수신인에 대한 명칭 및 상기 발신인에 대한 명칭으로 구성된 패턴은 가로 패턴 및 세로 패턴으로 생성될 수 있다.
도 9는 일 실시예에 따른 워터마크를 원본 데이터에 삽입하기 위해 설정하는 과정에 대한 예이다. 도 9의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 9를 참조하면, 단계 S910에서, 서버는 상기 서버에 입력된 문서 정보를 기반으로 원본 데이터를 획득할 수 있다.
단계 S920에서, 서버는 상기 원본 데이터에 대한 선명도가 사전 설정된 선명도 미만인지 여부를 결정할 수 있다. 예를 들어, 서버는 상술한 수학식 3에 의해 상기 원본 데이터에 대한 선명도를 결정할 수 있다.
단계 S930에서, 상기 원본 데이터에 대한 선명도가 사전 설정된 선명도 미만인 경우, 서버는 샤프닝 필터를 상기 원본 데이터에 적용함으로써, 상기 원본 데이터에 선명도를 증가시킬 수 있다.
단계 S940에서, 서버는 상기 원본 데이터에 대한 선명도에 기반하여 워터마크에 대한 투명도의 범위를 결정할 수 있다. 예를 들어, 상기 투명도의 범위에서 최솟값은 상술한 수학식 2에 의해 결정될 수 있다. 예를 들어, 상기 투명도의 범위에서 최댓값은 하기 수학식 4에 의해 결정될 수 있다.
Figure pat00007
상기 수학식 4에서, 상기 amax는 상기 투명도의 최댓값이고, 상기 rt는 상기 원본 데이터에 포함된 텍스트의 비율이고, Bb는 상기 원본 데이터에 포함된 배경에 대한 평균 명도 값, Bt는 상기 원본 데이터에 포함된 텍스트에 대한 평균 명도 값이고, 상기 S는 상기 원본 데이터에 대한 선명도일 수 있다.
예를 들어, 상기 원본 데이터에 대한 선명도가 사전 설정된 선명도 이상인 경우, 서버는 상기 원본 데이터에 대한 선명도에 기반하여 워터마크에 대한 투명도의 범위를 결정할 수 있다.
단계 S950에서, 서버는 원본 데이터에 대한 복수의 제1 영역을 결정할 수 있다. 예를 들어, 서버는 상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 상기 DBSCAN 기법을 통해 상기 원본 데이터에 대한 복수의 제1 영역을 결정할 수 있다.
단계 S960에서, 서버는 복수의 제1 영역 각각에 대해 사전 설정된 비율 이상인지 여부를 결정할 수 있다. 예를 들어, 서버는 복수의 제1 영역 각각에 대해 제1 영역에 포함된 텍스트의 비율이 사전 설정된 비율보다 크거나 같은 영역인지 여부를 결정할 수 있다. 예를 들어, 상기 사전 설정된 비율은 상술한 수학식 1에 의해 결정될 수 있다.
단계 S970에서, 서버는 사전 설정된 비율 이상인 제1 영역을 제2 영역으로 결정할 수 있다. 예를 들어, 상기 제2 영역은 상기 워터마크의 삽입이 가능한 영역일 수 있다. 예를 들어, 상기 제2 영역은 하나 이상일 수 있다.
단계 S980에서, 서버는 하나 이상의 제2 영역에 워터마크를 삽입할 수 있다. 예를 들어, 하나 이상의 제2 영역 중에서 상기 서버와 연결된 장치로부터 수신된 입력 값에 대응하는 제2 영역에 워터마크가 삽입될 수 있다.
상기 도 9의 실시예는 하나의 예이며, 서버는 사전 설정된 선명도에 대한 판단 과정 및 사전 설정된 비율에 대한 판단 과정을 독립적으로 수행할 수 있다. 또는, 예를 들어, 서버는 상기 판단 과정들을 병렬적으로 수행할 수 있다.
도 10은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 10의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 10에 도시된 바와 같이, 서버(1000)는 프로세서(1010), 통신부(1020) 및 메모리(1030)를 포함할 수 있다. 그러나, 도 10에 도시된 구성 요소 모두가 서버(1000)의 필수 구성 요소인 것은 아니다. 도 10에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(1000)가 구현될 수도 있고, 도 10에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(1000)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(1000)는 프로세서(1010), 통신부(1020) 및 메모리(1030) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(1010)는, 통상적으로 서버(1000)의 전반적인 동작을 제어한다. 프로세서(1010)는 하나 이상의 프로세서를 구비하여, 서버(1000)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(1010)는, 메모리(1030)에 저장된 프로그램들을 실행함으로써, 통신부(1020) 및 메모리(1030) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1010)는 메모리(1030)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 9에 기재된 서버(1000)의 기능을 수행할 수 있다.
일 실시예에 따라, 프로세서(1010)는 상기 서버(1000)에 입력된 문서 정보를 기반으로 원본 데이터를 획득할 수 있다. 프로세서(1010)는 통신부(1020)를 통해 상기 문서 정보를 상기 서버(1000)와 연결된 장치로부터 네트워크를 통해 수신할 수 있다.
프로세서(1010)는 메모리(1030)를 통해 상기 원본 데이터, 적어도 하나의 수신인에 대한 명칭 및 사전 입력된 발신인에 대한 명칭을 기반으로 상기 뉴럴 네트워크를 이용한 패턴 생성 모델을 통해 패턴 정보를 결정할 수 있다. 예를 들어, 상기 적어도 하나의 수신인은 상기 서버에 사전 저장된 수신인 리스트로부터 선택될 수 있다.
예를 들어, 상기 사전 저장된 수신인 리스트는 수신인에 대한 명칭 및 수신인에 대한 연락 정보를 포함할 수 있다. 예를 들어, 상기 패턴 정보는 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴 정보를 포함할 수 있다.
프로세서(1010)는 메모리(1030)를 통해 상기 패턴 정보 및 사전 입력된 워터마크에 대한 설정 정보를 기반으로 상기 제1 오브젝트 및 상기 제2 오브젝트를 포함하는 워터마크를 상기 원본 데이터에 삽입할 수 있다.
프로세서(1010)는 통신부(1020)를 통해 상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송할 수 있다.
예를 들어, 상기 제1 오브젝트는 상기 적어도 하나의 수신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 제2 오브젝트는 상기 발신인에 대한 명칭을 기반으로 생성될 수 있다. 예를 들어, 상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이하게 결정될 수 있다.
예를 들어, 상기 제1 오브젝트 및 상기 제2 오브젝트에 대한 정보는 상기 제1 오브젝트 및 상기 제2 오브젝트의 크기에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 형태에 대한 정보를 포함할 수 있다. 예를 들어, 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴은 둘 이상의 패턴을 포함할 수 있다.
프로세서(1010)는 상기 원본 데이터에 포함된 텍스트의 크기에 기반하여 상기 제1 오브젝트와 상기 제2 오브젝트의 크기를 결정할 수 있다.
프로세서(1010)는 상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 상기 원본 데이터에 대해 복수의 제1 영역을 결정할 수 있다. 프로세서(1010)는 상기 복수의 제1 영역 중에서 상기 워터마크의 삽입이 가능한 하나 이상의 제2 영역이 결정할 수 있다. 프로세서(1010)는 상기 하나 이상의 제2 영역 중에서 적어도 하나의 영역 상에 상기 워터마크를 삽입할 수 있다.
프로세서(1010)는 메모리(1030)를 통해 상기 원본 데이터에 대한 선명도에 기반하여 상기 워터마크에 대한 투명도의 범위를 상이하게 결정할 수 있다. 예를 들어, 프로세서(1010)는 상기 투명도의 최솟값을 상술한 수학식 2에 의해 결정할 수 있고, 상기 투명도의 최댓값을 상술한 수학식 4에 의해 결정할 수 있다.
예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 프로세서(1010)는 메모리(1030)를 통해 복수의 원본 데이터, 복수의 워터마크가 삽입된 데이터 및 정답 패턴 정보로 구성된 각각의 학습 데이터를 상기 뉴럴 네트워크의 상기 입력 레이어에 입력시키고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과시켜 출력 벡터를 생성할 수 있다. 프로세서(1010)는 메모리(1030)를 통해 상기 출력 벡터를 상기 출력 레이어에 연결된 손실함수 레이어에 입력시키고, 상기 손실함수 레이어를 통해 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터를 상기 손실 값이 작아지는 방향으로 학습시킴으로써, 상기 패턴 생성 모델을 생성할 수 있다.
통신부(1020)는, 서버(1000)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(1020)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(1020)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(1020)는 프로세서(1010)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(1020)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(1020)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(1030)는, 프로세서(1010)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(1030)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(1030)는 프로세서(1010)에서 생성된 데이터를 저장할 수 있다. 예를 들어, 메모리(1030)는 프로세서(1010)가 생성한 패턴 정보, 제1 오브젝트, 제2 오브젝트, 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴에 대한 정보, 워터마크에 대한 정보, 복수의 제1 영역, 하나 이상의 제2 영역, 원본 데이터에 대한 선명도를 저장할 수 있다. 메모리(1030)는 서버(1000)로 입력되거나 서버(1000)로부터 출력되는 정보를 저장할 수도 있다. 예를 들어, 메모리(1030)는 텍스트의 크기에 대해 사전 설정된 비율, 텍스트의 비율에 대해 사전 설정된 비율, 원본 데이터에 대해 사전 설정된 선명도, 사전 입력된 발신인에 대한 명칭 및 사전 입력된 워터마크에 대한 설정 정보를 저장할 수 있다.
메모리(1030)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

  1. 뉴럴 네트워크(neural network)를 이용하여 서버가 워터마크가 삽입된 데이터를 적어도 하나의 장치에게 전송하는 방법에 있어서,
    상기 서버에 입력된 문서 정보를 기반으로 원본 데이터를 획득하는 단계;
    상기 원본 데이터, 적어도 하나의 수신인에 대한 명칭 및 사전 입력된 발신인에 대한 명칭을 기반으로 상기 뉴럴 네트워크를 이용한 패턴 생성 모델을 통해 패턴 정보를 결정하는 단계 -상기 적어도 하나의 수신인은 상기 서버에 사전 저장된 수신인 리스트로부터 선택됨-;
    상기 사전 저장된 수신인 리스트는 수신인에 대한 명칭 및 수신인에 대한 연락 정보를 포함하고,
    상기 패턴 정보는 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴에 대한 정보를 포함하고,
    상기 패턴 정보 및 사전 입력된 워터마크에 대한 설정 정보를 기반으로 상기 제1 오브젝트 및 상기 제2 오브젝트를 포함하는 워터마크를 상기 원본 데이터에 삽입하는 단계; 및
    상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송하는 단계를 포함하되,
    상기 제1 오브젝트는 상기 적어도 하나의 수신인에 대한 명칭을 기반으로 생성되고,
    상기 제2 오브젝트는 상기 발신인에 대한 명칭을 기반으로 생성되고,
    상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이하게 결정되는,
    방법.
  2. 제 1항에 있어서,
    상기 제1 오브젝트 및 상기 제2 오브젝트에 대한 정보는 상기 제1 오브젝트 및 상기 제2 오브젝트의 크기에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 형태에 대한 정보를 포함하고,
    상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴은 둘 이상의 패턴을 포함하고,
    상기 원본 데이터에 포함된 텍스트의 크기에 기반하여 상기 제1 오브젝트와 상기 제2 오브젝트의 크기가 결정되는,
    방법.
  3. 제 1항에 있어서,
    상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 상기 원본 데이터에 대해 복수의 제1 영역이 결정되고,
    상기 복수의 제1 영역 중에서 상기 워터마크의 삽입이 가능한 하나 이상의 제2 영역이 결정되고,
    상기 하나 이상의 제2 영역 중에서 상기 워터마크가 삽입되는,
    방법.
  4. 제 1항에 있어서,
    상기 원본 데이터에 대한 선명도에 기반하여 상기 워터마크에 대한 투명도의 범위가 상이하게 결정되고,
    상기 투명도의 최솟값은 하기 수학식에 의해 결정되고,
    Figure pat00008

    상기 수학식에서, 상기 amin은 상기 투명도의 최솟값이고, 상기 rt는 상기 원본 데이터에 포함된 텍스트의 비율이고, Bb는 상기 원본 데이터에 포함된 배경에 대한 평균 명도 값이고, Bt는 상기 원본 데이터에 포함된 텍스트에 대한 평균 명도 값이고, 상기 S는 상기 원본 데이터에 대한 선명도이고, 상기 a는 상기 워터마크와 관련된 가중치인,
    방법.
  5. 제 1항에 있어서,
    상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
    복수의 원본 데이터, 복수의 워터마크가 삽입된 데이터 및 정답 패턴 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되고, 상기 패턴 생성 모델이 생성되는,
    방법.
  6. 적어도 하나의 프로세서; 적어도 하나의 메모리 및 통신부를 포함하는 서버에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 서버에 입력된 문서 정보를 기반으로 원본 데이터를 획득하고,
    상기 원본 데이터, 적어도 하나의 수신인에 대한 명칭 및 사전 입력된 발신인에 대한 명칭을 기반으로 뉴럴 네트워크를 이용한 패턴 생성 모델을 통해 패턴 정보를 결정하고,
    상기 적어도 하나의 수신인은 상기 서버에 사전 저장된 수신인 리스트로부터 선택되고,
    상기 사전 저장된 수신인 리스트는 수신인에 대한 명칭 및 수신인에 대한 연락 정보를 포함하고,
    상기 패턴 정보는 워터마크를 구성하는 제1 오브젝트 및 제2 오브젝트에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴 정보를 포함하고,
    상기 패턴 정보 및 사전 입력된 워터마크에 대한 설정 정보를 기반으로 상기 제1 오브젝트 및 상기 제2 오브젝트를 포함하는 워터마크를 상기 원본 데이터에 삽입하고,
    상기 수신인에 대한 연락 정보에 기반하여 상기 워터마크가 삽입된 데이터를 상기 적어도 하나의 수신인과 관련된 적어도 하나의 장치에게 전송하되,
    상기 제1 오브젝트는 상기 적어도 하나의 수신인에 대한 명칭을 기반으로 생성되고,
    상기 제2 오브젝트는 상기 발신인에 대한 명칭을 기반으로 생성되고,
    상기 적어도 하나의 장치에게 전송되는 워터마크는 상기 적어도 하나의 장치 별로 상이하게 결정되는,
    서버.
  7. 제 6항에 있어서,
    상기 제1 오브젝트 및 상기 제2 오브젝트에 대한 정보는 상기 제1 오브젝트 및 상기 제2 오브젝트의 크기에 대한 정보와 상기 제1 오브젝트 및 상기 제2 오브젝트의 형태에 대한 정보를 포함하고,
    상기 제1 오브젝트 및 상기 제2 오브젝트의 조합으로 구성된 패턴은 둘 이상의 패턴을 포함하고,
    상기 원본 데이터에 포함된 텍스트의 크기에 기반하여 상기 제1 오브젝트와 상기 제2 오브젝트의 크기가 결정되는,
    서버.
  8. 제 6항에 있어서,
    상기 원본 데이터에 포함된 텍스트의 분포에 기반하여 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 상기 원본 데이터에 대해 복수의 제1 영역이 결정되고,
    상기 복수의 제1 영역 중에서 상기 워터마크의 삽입이 가능한 하나 이상의 제2 영역이 결정되고,
    상기 하나 이상의 제2 영역 중에서 상기 워터마크가 삽입되는,
    서버.
  9. 제 6항에 있어서,
    상기 원본 데이터에 대한 선명도에 기반하여 상기 워터마크에 대한 투명도의 범위가 상이하게 결정되고,
    상기 투명도의 최솟값은 하기 수학식에 의해 결정되고,
    Figure pat00009

    상기 수학식에서, 상기 amin은 상기 투명도의 최솟값이고, 상기 rt는 상기 원본 데이터에 포함된 텍스트의 비율이고, Bb는 상기 원본 데이터에 포함된 배경에 대한 평균 명도 값이고, Bt는 상기 원본 데이터에 포함된 텍스트에 대한 평균 명도 값이고, 상기 S는 상기 원본 데이터에 대한 선명도이고, 상기 a는 상기 워터마크와 관련된 가중치인,
    서버.
  10. 제 6항에 있어서,
    상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
    복수의 원본 데이터, 복수의 워터마크가 삽입된 데이터 및 정답 패턴 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되고, 상기 패턴 생성 모델이 생성되는,
    서버.
  11. 하드웨어와 결합되어 제6항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  12. 하드웨어와 결합되어 제6항의 방법을 실행시키기는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
KR1020220162594A 2022-06-16 2022-11-29 뉴럴 네트워크를 이용하여 마이크로 워터마크를 삽입하는 방법 및 장치 KR102681057B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
KR20220073716 2022-06-16
KR1020220073716 2022-06-16
KR20220074379 2022-06-17
KR1020220074379 2022-06-17
KR1020220075104A KR102473506B1 (ko) 2022-06-16 2022-06-20 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020220075104A Division KR102473506B1 (ko) 2022-06-16 2022-06-20 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20220166243A true KR20220166243A (ko) 2022-12-16
KR102681057B1 KR102681057B1 (ko) 2024-07-04

Family

ID=84392154

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020220075104A KR102473506B1 (ko) 2022-06-16 2022-06-20 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치
KR1020220162594A KR102681057B1 (ko) 2022-06-16 2022-11-29 뉴럴 네트워크를 이용하여 마이크로 워터마크를 삽입하는 방법 및 장치
KR1020220162589A KR20220166242A (ko) 2022-06-16 2022-11-29 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020220075104A KR102473506B1 (ko) 2022-06-16 2022-06-20 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220162589A KR20220166242A (ko) 2022-06-16 2022-11-29 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Country Status (2)

Country Link
KR (3) KR102473506B1 (ko)
WO (1) WO2023243885A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102473506B1 (ko) * 2022-06-16 2022-12-05 김태진 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050065254A (ko) * 2004-06-24 2005-06-29 이덕남 전자메일에 대한 증명 서비스 제공 방법
KR20140059975A (ko) * 2012-11-09 2014-05-19 주식회사 디투믹스 온라인 증명서 발급 서비스 시스템 및 그 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101351995B1 (ko) * 2012-04-25 2014-02-13 양진수 문자메시지 변환 전송 시스템 및 방법
CN106997580B (zh) * 2016-01-25 2020-09-01 阿里巴巴集团控股有限公司 图片处理方法和装置
KR102473506B1 (ko) * 2022-06-16 2022-12-05 김태진 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050065254A (ko) * 2004-06-24 2005-06-29 이덕남 전자메일에 대한 증명 서비스 제공 방법
KR20140059975A (ko) * 2012-11-09 2014-05-19 주식회사 디투믹스 온라인 증명서 발급 서비스 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20220166242A (ko) 2022-12-16
WO2023243885A1 (ko) 2023-12-21
KR102473506B1 (ko) 2022-12-05
KR102681057B1 (ko) 2024-07-04

Similar Documents

Publication Publication Date Title
CN111091132B (zh) 基于人工智能的图像识别方法、装置、计算机设备及介质
KR20190026560A (ko) 영상 표시 장치 및 그 동작 방법
KR102408462B1 (ko) 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치
KR102480969B1 (ko) 뉴럴 네트워크를 이용하여 설정된 값을 기반으로 몰래 카메라를 탐지한 결과에 따라 전력을 공급하는 방법 및 장치
KR102473506B1 (ko) 뉴럴 네트워크를 이용하여 워터마크가 삽입된 데이터를 제공하는 방법 및 장치
KR102576380B1 (ko) 뉴럴 네트워크를 이용하여 rMQR 코드에 날짜가 중첩되어 표기된 상품을 관리하는 방법 및 시스템
KR102476292B1 (ko) 인공지능을 이용하여 차량의 페달 박스 촬영 영상 데이터를 가공하는 블랙박스 관리 시스템
KR102596451B1 (ko) 뉴럴 네트워크를 이용하여 상담사 단말과 내담자 단말을 매칭시키는 방법 및 장치
KR102486525B1 (ko) 뉴럴 네트워크를 이용한 nft 발행 방법 및 장치
KR102550862B1 (ko) 뉴럴 네트워크를 이용하여 영상 제작과 관련된 프리랜서들을 매칭시키는 방법 및 장치
KR102433654B1 (ko) 뉴럴 네트워크를 이용하여 서버가 색상 이미지에 기반한 심리 상태와 관련된 정보를 단말에게 제공하는 방법 및 장치
KR102422153B1 (ko) 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치
KR102479534B1 (ko) 뉴럴 네트워크 기반 사용자 맞춤형 원스톱 인쇄 서비스 제공 장치 및 방법
KR102468193B1 (ko) IP-Cam 모니터링 방법 및 장치
KR102513048B1 (ko) 뉴럴 네트워크를 이용하여 지원 사업과 관련된 리포트 정보 및 지원 사업과 관련된 진행 정보를 기반으로 진단 정보를 멘토 단말에게 전송하는 방법 및 장치
KR102585090B1 (ko) 뉴럴 네트워크를 이용하여 웹툰과 연동된 게임을 사용자 단말에게 제공하는 방법 및 장치
KR20220139255A (ko) 뉴럴 네트워크를 이용한 장치 가상화 장치 및 방법
KR102564511B1 (ko) 사용자 커스터마이징 기반의 메뉴판 인터페이스 제공 장치 및 방법
KR102456402B1 (ko) 뉴럴 네트워크를 이용한 디자인 공동 작업 보조 방법 및 장치
KR102696271B1 (ko) 뉴럴 네트워크를 이용하여 모바일 어플리케이션에 대한 예상 개발 기간을 제공하는 방법 및 장치
KR102466836B1 (ko) 뉴럴 네트워크를 이용한 매칭 방법 및 매칭 장치
US20230244771A1 (en) Electronic device and control method therefor
US20240176474A1 (en) Electronic device and method for editing screenshot in electronic device
US11995798B2 (en) Electronic device and method for managing non-destructive editing contents
US20230259652A1 (en) Electronic device and method of operating the same

Legal Events

Date Code Title Description
A107 Divisional application of patent