통화 소음에도 가짜 목소리 잡는다…한컴위드, 음성 딥페이크 기술 경쟁력 입증

[경제일보] 생성형 인공지능(AI)이 사람의 목소리를 실제와 구분하기 어려울 정도로 복제하면서 음성 인증 기술의 경쟁 기준도 달라지고 있다. 단순히 등록된 사용자의 목소리와 일치하는지를 확인하는 것을 넘어 해당 음성이 실제 사람이 낸 목소리인지, AI가 만들어낸 합성음성인지를 판별하는 기술이 실제 통화 환경에서도 딥페이크 음성을 걸러낼 수 있는지가 핵심 과제로 떠오르고 있다.

11일 한컴위드는 숭실대학교 AI보안연구센터(AISRC)와 함께 개발하고 있는 음성 인증·딥페이크 탐지 솔루션 '한컴 AISRC 스피키(이하 스피키)'가 올해 음성·신호처리 분야 세계 최고 권위 학회인 인터스피치와 ICASSP에서 잇따라 연구 성과를 내며 스피키의 기반이 되는 음성인식·화자검증·합성음성 탐지 기술의 경쟁력을 입증했다고 밝혔다.

스피키는 올해 인터스피치에 총 7건의 논문을 채택시켰다. 음성 분야에서 단일 연구기관이 한 해 동안 여러 논문을 채택시키는 것은 연구 역량을 보여주는 지표 가운데 하나로, 특히 특정 기술에만 집중한 것이 아니라 음성인식과 화자검증, 합성음성 탐지 등 음성 보안과 관련된 여러 영역에서 연구 성과를 냈다는 점이 특징이다.

ICASSP에서는 실제 생활 환경에서 발생하는 음성 딥페이크를 대상으로 기술력을 겨뤘다. 스피키는 ICASSP의 'WildSpoof 챌린지'에서 세계 2위를 기록했다. WildSpoof는 스튜디오에서 깨끗하게 녹음된 음성만을 대상으로 하는 기존 평가 방식에서 벗어나 실제 일상 환경에서 수집되는 음성을 기반으로 합성음성 생성과 탐지 기술을 평가하는 글로벌 경진대회다.

음성 딥페이크 탐지에서 실제 환경 대응력이 중요한 이유는 음성이 전달되는 과정에서 다양한 변수가 발생하기 때문이다. 실제 전화 통화에서는 주변 소음이 섞이거나 음성이 압축될 수 있고, 녹음 장비와 네트워크 환경에 따라서도 음질이 달라진다. AI가 만든 음성에 특정한 흔적이 있더라도 이런 변수가 더해지면 이를 찾아내기가 어려워지는 것으로 평가된다. 연구실에서 확보한 높은 탐지 성능을 실제 금융·콜센터 등의 환경으로 가져가기 위해서는 이 같은 변수를 견디는 기술이 필요하다.

스피키는 이번 WildSpoof에서 실제 일상 소음과 다양한 녹음 환경을 반영한 'SpoofCeleb' 평가 항목에서 종합 1위 팀을 넘어서는 최고 성능을 기록했다. 한컴위드는 전체 순위에서는 2위를 차지했지만 실제 환경을 가정한 평가에서 높은 성능을 기록했다는 점에서 실전 환경에 대응하는 음성 딥페이크 탐지 기술의 가능성을 보여줬다고 설명했다.

최근 생성 AI 확산으로 음성 인증 기술의 중요도가 점차 높아지고 있다. 기존 음성 인증은 사용자의 목소리를 분석해 등록된 화자와 일치하는지를 확인하는 방식이 중심이었다. 다만 생성 AI를 이용하면 특정인의 목소리 특징을 모방한 음성을 만들어낼 수 있어 단순한 화자 일치 여부만으로는 공격을 완전히 차단하기 어려워졌다.

결국 음성 보안 기술에서도 '누구의 목소리인가'와 함께 '실제 사람이 낸 목소리인가'를 구분하는 과정이 중요해지고 있다. 화자 인증과 합성음성 탐지를 결합하는 방식이 필요한 이유다. 스피키 역시 사용자의 음성을 인증하는 기능에 AI가 생성한 가짜 음성을 탐지하는 기술을 더해 음성 기반 인증 과정에서 발생할 수 있는 딥페이크 공격에 대응하는 구조를 갖추고 있다.

한컴위드는 연구기관의 원천기술을 상용 서비스로 연결하는 데 초점을 맞추고 있다. 지난해 스피키를 선보인 데 이어 이번 글로벌 연구 성과를 기반으로 AI 합성 음성 탐지 정확도를 높이고 금융권 음성 인증과 콜센터 보이스피싱 탐지 등 보안성이 요구되는 분야로 사업을 확대한다는 계획이다.

송상엽 한컴위드 대표는 "이번 성과는 스피키가 지닌 기술적 신뢰도와 차별성이 글로벌 수준임을 보여준 결과"라며 "검증된 기술력을 바탕으로 스피키의 경쟁력을 지속해서 강화하고, 생성형 AI를 악용한 사이버 범죄로부터 고객을 안전하게 지키는 차세대 보안 시장의 선도 기업으로 자리매김하겠다"고 말했다.