<C7A5C1F62E687770>

Transcription

1 1929 호

2 주간기술동향 은과학기술정보통신부 ICT 동향분석및정책지원 과제의일환으로정보통신기획평가원 (IITP) 에서발간하고있습니다. 주간기술동향 은인터넷 ( 을통해서비스를이용할수있으며, 본고의내용은필자의주관적인의견으로 IITP의공식적인입장이아님을밝힙니다. 정보통신기획평가원의 주간기술동향 저작물은공공누리 출처표시-상업적이용금지 조건에따라이용할수있습니다. 즉, 공공누리의제2 유형에따라상업적이용은금지하나, 별도의이용허락 을받은경우에는가능하오니이용하실때공공누리출처표시지침을참조하시기바랍니다. ( 참고 ) 예시 ) 본저작물은 OOO( 기관명 ) 에서 OO년 작성하여공공누리제O유형으로개방한 저작물명 ( 작성자 :OOO) 을이용하였으며, 해당저작물은 OOO( 기관명 ), OOO( 홈페이지주소 ) 에서무료로다운받으실수있습니다.

3 1929 호 기획시리즈 2 인공지능기술및특허동향 [ 김말희 김내수 표철식 / 한국전자통신연구원 ] Ⅰ. 서론 Ⅱ. 인공지능기술동향 Ⅲ. 인공지능특허동향 Ⅳ. 결론 ICT 신기술 14 알고리즘담합의연구동향과전망 [ 김도훈 / 경희대학교 ] Ⅰ. 서론 Ⅱ. 알고리즘담합의개념과유형 Ⅲ. 연구동향과시사점 Ⅳ. 시사점과향후전망 ICT R&D 동향 31 SDN에서의보안규칙전개를위한소프트웨어정의마이크로방화벽기술 [ 임혁 / 광주과학기술원 ] 딥러닝기반다중 CCTV 영상내차량분류및재식별기술 [ 김건우 / 한국전자통신연구원 ]

4 주간기술동향 기획시리즈 chapter 1 인공지능기술및특허동향 * 김말희 김내수 표철식 한국전자통신연구원책임연구원한국전자통신연구원실장한국전자통신연구원단장 AI washing! 요즘마켓팅분야에서많이사용되는용어이다. 모든기업들이제품및회사브랜드이미지에인공지능기술의옷을입힌다는의미이다. 디바이스, 네트워크, 서비스플랫폼, 응용서비스에이르는 ICT 기술영역전반에걸쳐서인공지능기술의활용은빠른속도로진행되고있다. 인공지능과기존산업의융합은기존산업의지능화및효율화, 또한이를기반으로건강과의료, 주거, 통신, 교통, 식생활에이르는인류사회전반의영역에걸친혁신을만들어내고있다. 기술적혁신과병행하여, 인공지능이이끌어내는혁신이대다수사용자의권익을보호하고, 궁극적으로인간존엄에위기를초래하지않도록하는연구및정책수립노력들도함께진행되고있다. 본고에서는인공지능관련한최근기술동향과특허동향을살펴볼것이다. 이를통해서, 인공지능기술개발및사업화를추진함에있어서전략적으로지식재산권을확보하고, 성공적으로사업화를추진할수있도록도움을주고자한다. I. 서론 몰입형 (immersive) 인터페이스라는말은미디어분야에서그간널리사용되어왔다. 4D 영화관, AV/VR 과같이미디어콘텐츠를사용자가소비하는데있어서현장감을주는 * 본내용은김말희책임연구원 ( , mariekim@etri.re.kr) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP 의공식적인입장이아님을밝힙니다. ***This work was supported by the National Research Council of Science & Technology(NST) grant by the Korea government (MSIP) (No. CRC ETRI). 2

5 기획시리즈 - 인공지능 인터페이스를일컫는다. 앰비언트인텔리전스 (ambient intelligence) 혹은만능지능 (pervasive intelligence) 은어감의차이는존재하지만, 궁극적으로는지능형디바이스나서비스가인간활동영역곳곳에내재하고있어서사용자가언제어디서나지능적인서비스를유연하게제공받을수있는컴퓨팅및서비스환경을일컫는다. 지금의인공지능기술개발의방향은몰입형지능스페이스를사용자에게제공하는것이다. 서비스제공자측면에서보면, 서비스제공을위한인프라전반에걸쳐인공지능을활용하여사용자에게몰입형지능서비스환경을제공하는동시에서비스제공측면에서의비용및운용효율성과안정성을확보한다. 반면, 사용자입장에서보면, 지능형서비스를인간중심의인터페이스와디바이스를통해서언제어디서나불편함없이제공받을수있다. 이것이우리가지향하는미래형서비스환경이다. 칩기술의놀라운발전으로디바이스레벨에서딥러닝처리가가능하며, 디바이스자체적으로혹은클라우드와의협업을통해지능적인서비스를제공하는스마트디바이스가생산되고있다. 사물인터넷기술을통한엄청난수의기기들에대해안전한연결성을제공하고, 디바이스및서비스의패킷사용패턴을분석하여네트워크자원을효율적이고유연하며, 안전하고안정적으로운용하기위해서네트워크기술부분에도인공지능기술이적용되고있다. 선도적인클라우드서비스플랫폼들은이미자연어처리, 비전인식및기계학습처리모듈들을모두장착하고있으며, 우버서비스는사용자및운전자에대한정보분석을기반으로플랫폼중심의공유경제라는새로운산업형태를만들어내어시장을확대하고있다. 비전인식및음성인식과같은기능을탑재한 AR(Augmented Reality)/ VR(Virtual Reality) 디바이스와기술들은물리세계와가상세계의경계를모호하게하고있으며, 점차삶의공간을혼합현실로확장시키도록진화하고있다. 이와는별도로, 엄청난수의디바이스들로부터수집되는개인들의데이터에대한수집 관리 활용에있어서의개인프라이버시및권익을보호하고, 데이터기반분석결과에대한편향성을견지하며, 상황인식기반의사결정이인간에유해하지않도록하는다양한연구나정책들에대한연구도같이진행되고있다. 유럽의개인정보보호규정, 미국의딥페이크관련정책제안및유럽각국의규제들에대한연구및적용이현실화되고있다 [1]. 한편으로는편향되지않는인공지능을위한공정한 설명가능한인공지능기술들에대한연구도진행되고있다 [2]-[4]. 정보통신기획평가원 3

6 주간기술동향 인공지능제품은현재우리사회곳곳에이미활용되고있다. 누구나인공지능제품및서비스의개발 생산 판매를통해수익을창출할수있다. 하지만경쟁기업이나국가들에대해서경쟁우위를확보하기위해서는지재권확보가매우중요하다. 현재인공지능관련특허보유는미국이가장앞서있으며, 중국이빠른속도로추격하고있다. 한국에서는삼성, 현대, SKT, LG와같은기업을중심으로특허를출원하고있으며, 대학및연구기관으로는 ETRI와 KAIST가많은특허를출원하고있다 [5]. 본고에서는다가올새로운산업지형을만드는핵심생산자원인인공지능의현재기술현황및특허현황을살펴볼것이다. 이를통해서, 인공지능제품및서비스사업화를추진하는데있어서성공적인방향및전략수립에도움이되고자한다. II. 인공지능기술동향 1. 디바이스와인공지능 스마트폰, 자율주행자동차, 스피커, 드론, 로봇등의제품들이지능화되고있다. 아직까지는대부분의지능서비스들이클라우드서비스형태로제공되고있지만, AI 내장칩기술의발달과함께디바이스레벨에서의인공지능학습및추론서비스가제공되고있다. ABI 리서치 [7] 에따르면, 2018년에지 AI 추론칩시장은 19억달러에이르렀으며, 에지 AI 학습칩시장은 140만달러에이르렀다. 선두주자는엔비디아이며현재자동차, 카메라시스템, 로봇공학및스마트제조분야에활용되고있다. 디바이스에서직접인공지능을처리하기위해서는처리알고리즘의개선및칩과같은하드웨어의성능개선이함께고려되어야한다. 현재딥러닝알고리즘경량화에대한기술 (queeznet, MobileNet) 은급속도로발전하고있으며, 디바이스탑재용 AI 칩기술 ( 애플 A13 Bionic, Huawei Kirin 990) 과칩을활용한처리플랫폼기술 ( 퀄컴 Snapdragon TM 모바일플랫폼 ) 그리고개발툴킷 (Qualcomm Neural Processing SDK) 들이빠른속도로진화하고있다. 온디바이스인공지능 (on-device AI) 은개인화된지능서비스를제공하는데있어서기능적, 보안적, 비용적으로최적의솔루션이며, 동시에거시적으로는대용량의데이터를 4

7 기획시리즈 - 인공지능 [ 그림 1] Qualcomm Neural Processing SDK 효율적으로처리하는전략이될수있다. 이미비전인식기술및음성언어처리기술은스마트폰, 스피커등의디바이스에탑재되어인간중심인터페이스를제공하고있다. [ 그림 1] 의퀄컴 NPE(Neural Processing Engine) 툴킷을보면, 클라우드혹은데스크탑에서추론을위한기계학습모델을학습한후, 학습된모델을 DCL(Deep Learning Container) 형태로변환하여디바이스에탑재한다 [8]. 2. 네트워크와인공지능 네트워크기술분야에서는 NFV(Network Functions Virtualization) 와 SDN(Software- Defined Network) 기술을기반으로물리네트워크인프라를비용이효율적이고안전하게운용함으로써사용자만족도를높이고사업자수익을증대시키도록인공지능기술을활용하고있다. 에릭슨 [9] 에따르면, 통신사들의 53% 가 2020년까지는인공지능을통신망에통합할계획을가지고있다고하며, 네트워크플래닝, 네트워크성능관리, SLA(Service Level Agreement) 관리부분에적용하는것이통신사의수익측면에서유리한것으로분석하고있다. 시스코는보안위협을감지하거나데이터센터의가용자원들에대한분석작업등에이미인공지능기술을활용하고있다. 사물인터넷의저변화, 사용자의고품질네트워크서비스에대한요구및다양한형태의새로운서비스를지원하기위한차세대네트워크구조는대용량, 초저지연, 초고신뢰도, 글로벌웹규모, 대규모사물간통신및보안을지원해야하는요구사항을가지고있다. 제로터치네트워크 (zero-touch network) 는네트워크관리를네트워크스스로관리하며, 정보통신기획평가원 5

8 주간기술동향 < 자료 > ETSI ZSM[12] 자료참조 [ 그림 2] ZSM 참조구조 비즈니스에맞게자동으로네트워크를제어하는네트워크이다. 데이터중심의인공지능기술을이용하여네트워크시스템성능최적화, 결함예측및예방조치수행을포함한네트워크생명주기관리를제로터치로가능하게한다. 제로터치성능은더넓은범위의네트워크로부터수집된데이터를분석함에따라높아질수있으며이때분산기계학습솔루션을이용하게된다. 현재국제표준기구인 ETSI ZSM(Zero network and service management) 그룹 [11] 에서는관련하여시나리오에기반한요구사항, 참조구조, 개념및용어에대한표준작업이진행되고있으며, 여러글로벌기업들이참여하고있다. 현재 6

9 기획시리즈 - 인공지능 까지만들어진제로터치네트워크참조구조를보면다음과같다. 시스코의의도기반네트워크 (intent-based Networking)[10] 기술은관리자들의의도를자연어기반으로입력받아서, 인공지능기술 ( 자연어처리, 기계학습, 기계추론 ) 을이용해서해석하여네트워크및보안정책으로변환 (translate) 한다. 변환된정책을물리 / 가상인프라에적용 (activation) 한다. 적용에의한수행이최선이었는지를검증하기위해서실시간으로많은데이터들을수집및분석하여처음요청된의도기반네트워크가관리되고있는지를보증 (assurance) 하게된다. 3. 서비스플랫폼과인공지능 그간글로벌클라우드서비스플랫폼들은인공지능기능들을플랫폼의독립적모듈로서제공해왔다. 가트너 [13] 에따르면, 아마존, 구글, IBM, MS 모두자연어처리, 비전처리, 기계학습처리모듈들을독립적인서비스모듈로서제공하고있다. 클라우드서비스제공사들은 [ 표 1] 과같이인공지능기능을 as-a-service 모델형태로제공하고있다. [ 표 1] 클라우드서비스플랫폼과인공지능모듈 컴퓨터비전언어처리기계학습 AWS Amazon Rekognition Amazon Lex Amazon SageMaker Google Vision API Dialogflow Google Cloud Machine Learning Engine IBM Watson Watson Visual Recognition Watson Assistant Watson Machine Learning MS Computer Vision API Language Understanding < 자료 > Market Guide for AI Portfolio Cloud Service Providers, 가트너, Azure Machine Learning Studio 인공지능서비스는채팅, 비전인식, 자연어처리, 미래예측과같은단편적인서비스제공에서벗어나보다복잡하고포괄적인형태의서비스기능을제공할것으로전망되고있다. 가트너는이를 connected intelligence[14] 라고부르며, 복수의인공지능서비스혹은서버들이복잡한문제를처리하기위해서포트폴리오를구성하여복합적으로서로연결되어활용되는것을일컫는다. connected intelligence는인공지능혹은분석서비스들의연결적인측면을강조한 정보통신기획평가원 7

10 주간기술동향 용어인데, 서비스적인측면에서보면사용자경험을만족시키고업무효율성을극대화하기위한것으로, 주변의가용한자원들을적절하게활용하여앰비언트인텔리전스환경을제공하는것과같은의미라고볼수있다. 이러한연결된지능에서제공되는통찰 (insight) 이사용자에게전달될때자연어처리인공지능인터페이스를활용하게되고, 사용자나업무상황을인식하기위해서다수의센서정보를 알아서 수집 분석하도록서비스플랫폼은입출력과처리에있어서모두인공지능서비스를이용하게될것이다. 즉, 기술을인식하지않고도필요한지능서비스를사용자가제공받을수있도록하는몰입형지능스페이스를구현할수있도록서비스플랫폼기술이진화하고있다. 4. 윤리적인인공지능기술과관련정책현황 딥페이크 (DeepFake) 란인공지능기술을이용한이미지혹은동영상합성기술이다. 이러한가짜영상은미국, 인도, 멕시코등에서정치적으로악용된사례가있어규제필요성이크게대두되고있다. 국회입법조사처보고서 [1] 에따르면, 미국, EU 등전세계적으로딥페이크로부터사회안전을도모하는정책및규제들에대한연구및실행이진행되고있다고한다. 미국에서는딥페이크에대해기술적해결책을우선하지만, 입법움직임이없는가짜뉴스와달리적극적입법시도가진행되고있다고한다. EU는허위정보에대해적극적입법으로대응하고있으므로, 딥페이크는허위정보관련법에의해규제된다. 유럽에서딥페이크피해자는 개인정보보호규정(GDPR) 제17조 잊혀질권리 ( 삭제할권리, right to erasure) 에따라삭제를요청할권리가있으며, 데이터처리에이의를제기할수있다 ( 제21조 ). EU는 2019년에허위정보에대한대응에대한보고서, Report on the Implementation of the Action Plan Against Disinformation 을발표하였다. 독일은 네트워크법집행법(NetzDG), 프랑스는정보조작대처법 에따라딥페이크가처리될수있다. 옥스퍼드대학교산하의인류미래연구소 (Future of Humanity Institute)[2] 는인공지능이우리의미래를파괴할가능성이얼마나있는지, 과학기술이어떤식으로인간의본질을바꿀지와같은질문을탐구하며, 구글, 딥마인드와같은기업들과협업하고있다. 컴퓨터과학자, 수학자, 철학자, 엔지니어등학제간연구를진행하고있으며, 인공지능의윤리관정합성 (AI alignment Technology) 이라는분야에서는인공지능을인류의보편 8

11 기획시리즈 - 인공지능 적가치, 윤리에부합하게만드는방법을연구하고있다. 마이크로소프트리서치그룹 [3], UC 버클리대학교 [4] 등에서는공정한기계학습 (Fair Machine Learning) 에대한연구가진행되고있다. 예측오류를최소화하도록훈련된기계학습기술은종종인종및성별과같은민감한특성을기반으로차별적인식결과를내놓을수있다. 여러가지이유가있겠지만주요하게는과거데이터의편향성때문이다. 이러한편향성이대출, 채용, 형사사법및광고를포함한다양한응용분야에서조정없이사용된다면, 몇몇의소수집단은인공지능에의한명시적인불이익을받게된다. 따라서이러한데이터편향성에기반을둔편향성을어떻게보정할것인지에대한연구와함께기계학습모델의동작방식이나결과에대한설명을제공하는설명가능한인공지능 (explainable AI) 에대한연구도지속적으로수행되고있다. III. 인공지능특허동향 세계지식재산권기구 (World Intellectual Property Organization: WIPO) 보고서 (from theory to commercial application)[5] 에따르면, 인공지능기술관련한국면은이론적, 학문적연구에서이제는산업적측면으로전환되고있다고한다. 2013년이후로빠른속도로인공지능관련특허들이출원되고있고, 학문적연구들과특허의비율이 2010년 8:1의비율에서, 2016년에는 3:1의비율로줄어든것에서알수있듯이빠른속도로 AI 기술이산업에적용되고있다고한다. 본절에서소개될각종수치와분석결과는 WIPO에서검색한 1950년대이후부터보고서집필시기전까지출원된인공지능관련 34만여건의특허에기반을둔다. 기술분야, 기능분야그리고응용분야로구분할때, 기술분야에서는기계학습분야가인공지능관련특허의약 1/3을차지하였다. 특히, 딥러닝의경우에는 2013년에서 2016 년 175% 의성장세로특허가출원되었다. 기능분야에서는비전인식분야가 49% 로가장많았고, 연 24% 의성장세를보이고있다고한다. 응용분야에서는통신분야 (15%) 와교통분야 (15%) 가가장많았고, 그뒤를의학분야 (12%), 개인디바이스및휴먼인터페이스분야 (11%) 가따르고있다. 통신분야에서는사용자만족도를제공하기위해서가상비서서비스나챗봇과같은서비스를인공 정보통신기획평가원 9

12 주간기술동향 [ 표 2] WIPO 특허분류표 분류기술 (5) 기능 (9) 응용 (20) 카테고리 machine learning, logic programming, ontology engineering, fuzzy logic, probabilistic reasoning computer vision, speech processing, natural language processing, predictive analytics, distributed AI, robotics, control methods, planning and scheduling, knowledge representation and reasoning telecommunication, transportation, networks, business, banking and finance, military, cartography, physical sciences and engineering, personal devices/computing and HCI, arts and humanities, agriculture, energy management, industry and manufacturing, law/social and behavioral sciences, security, education, document management and publishing, entertainment, computing in government, life and medical sciences < 자료 > WIPO Technology Trends 지능을활용해서제공하게된다. 혹은통신인프라관리, 최적화, 보안등에있어서인공지 능을전반적으로활용한다. < 자료 > WIPO Technology Trends [ 그림 3] 기능및응용별출원건수 10

13 기획시리즈 - 인공지능 미국, 중국, 일본의특허출원량이많고, 인공지능특허출원기관 30개기관중 26개가기업이고 4개가대학이나공공연구소이다. 기업중에는 IBM과마이크로소프트가출원을주도하고있다. 그외에도도시바, 삼성, NEC와같은회사들이많은출원을하고있다. 특히, 바이두와같은회사는딥러닝관련한전문적인특허들을산출하고있으며, 도요타와보쉬의경우에는교통, 지멘스, 필립스와삼성은라이프와의학분야특허를집중적으로출원하고있다. 대학이나공공연구기관의경우에는 20개기관중 17개가중국기관들이다. 가장많은특허를출원한곳이 CAS(Chinese Academy of Sciences) 이며, 그뒤를한국의전자통신연구원이잇고있다. [ 표 3] 대학 / 공공연구기관특허기술별출원건수 구분 Machine Learning Logic programming Fuzzy logic Ontology engineering Probabilistic reasoning CAS 1, ETRI KAIST POSTECH < 자료 > WIPO Technology Trends 삼성과 LG 모두개인디바이스및휴먼인터페이스분야, 통신분야, 교통분야특허가많고그외헬스나보안분야특허출원이많다. 전반적으로봤을때인공지능특허는중국과미국의싸움이되고있는형국이다. 흥미로운것은중국의경우특허를자국내특허로주로출원하고있는반면, 미국을비롯한 [ 표 4] 응용분야별기업출원건수 (5 개응용분야 ) 구분 Telecommunication Transportation Personal devices, computing and HCI Security Arts and humanity IBM , MS Sony Samsung LG < 자료 > WIPO Technology Trends 정보통신기획평가원 11

14 주간기술동향 다른나라들은복수개의나라를상대로특허를출원하고있다. 최근인공지능관련한무효심판처리건수를보면, 무효심판을제기하는회사는 Daimler가가장많고, 그대상이되는회사는삼성, LG, 현대가가장많다고한다. 전반적으로확인된소송의양은상대적으로적은데 (1% 미만 ), 이는아직제품이시장에출시되지않았고침해를입증하기가어려울수있기때문이다. IV. 결론 파바로티효과 는최고의아티스트외의음반은팔리지않는것을의미한다. 세계석학들의인류미래예측 [15] 에따르면, 앞으로인간의미래는인공지능과초격차가가장핵심적인이슈가될것이라고한다. 인공지능이앞으로모든국면에서혁명적변화를일으킬것으로확실시되지만, 그혜택과부는소수에게집중될것이라고전망한다. 사회적, 국가적차원에서격차가극심해지고이것은지구사회전체적으로불안요소가될것이라는것이다. 세계적인경제저성장기조가인공지능을필두로하는혁신적인신산업을기반으로돌파구를찾게될지도모르겠다. 혹은제러미리프킨 [16] 의예언대로인간이인간으로서꼭해야하는영역외의노동은기술이대체해주고, 인간은인간본연의놀이나창조적인활동만해도되는시대를열게될지도모르겠다. 핵심기술에대한지식재산권을전략적으로확보하고이를기반으로산업경쟁력을키우는일은미래에대한예측결과와무관하게지금바로당장해야하는일이다. 동시에우버 [17] 와같은첨단 IT 기업들이기술력과이기적인경영전략으로노동시장교란과같은사회적폐해를생산하지못하도록, 사회윤리적인인식에기반을둔제도적인노력도함께병행해야도구로서의인공지능이인류사회를밝게진화시킬것으로전망된다. [ 참고문헌 ] [1] 김유향, 딥페이크 (Deepfake) 의발전과해외법제도대응, 국회입법조사처, 이슈와논점, 제1619호, [2] Future of Humanity Institute, [3] MSR, Machine Learning for fair decisions,

15 기획시리즈 - 인공지능 [4] BAIR, Delayed Impact of Fair Machine Learning, [5] WIPO Technology Trends 2019, WIPO, [6] Qualcomm, We are making on-device AI ubiquitous, [7] ABIresearch, NVIDIA Leads the Fast-Growing and Complex Edge AI Chipset Market but Competition is Intensifying, [8] Qualcomm, Qualcomm Neural Processing SDK for AI, [9] Employing AI techniques to enhance returns on 5G network investments, Erricsson AI&Automation, [10] Cisco, Intent-Based Networking, [11] ETSI, Zero touch network&service Management(ZSM), [12] Zero-touch network and Service Management(ZSM); Reference Architecture, ETSI GS ZSM 002, [13] Market Guide for AI Portfolio Cloud Service Providers, 가트너, [14] 2020 Planning Guide for Business Analytics and Artificial Intelligence, 가트너, [15] 오노가즈모토, 초예측, 웅진지식하우스, [16] 제레미리프킨, 소유의종말, 민음사, [17] 알렉스로젠블랏, 우버혁명, 유엑스리뷰, 정보통신기획평가원 13

16 주간기술동향 ICT 신기술 chapter 2 알고리즘담합의연구동향과전망 * 김도훈 경희대학교교수 I. 서론 AI가실질적으로업무에도움을주는경우가많기때문에긍정적인평가와장밋빛전망이많았지만, AI로인한피해사례가등장하면서 [2],[5] 부정적이고암울한시나리오에대한관심도크게증가하고있다. 알고리즘과 AI 시스템이변화시키고있는비즈니스활동의대표적대상이마케팅과가격설정방식 (Pricing Scheme) 이다. 이는소비자와의거래에직접관련된다는측면에서사회적파급과관심도큰편이다. 알고리즘에의한자동화가생활의편의를증진시키고있지만, 공급측면에서볼때알고리즘을활용하는사업자간경쟁에서새로운국면도형성된다. 예를들어, Uber와같은공유경제플랫폼은기본적으로수요와공급을매칭하는비즈니스모델이므로알고리즘에의한가격설정노하우와시스템이경쟁우위의주요원천이다. 이러한비즈니스모델이등장한초기에는데이터와알고리즘을통해거래비용을낮추고공급과수요사이의정보비대칭성 (Information Asymmetry) 문제를완화시킴으로써보다투명하고효율적인시장을가능하게할것이라는낙관적인전망이지배적이었다. 이또한기업의혁신을촉진하고소비자의선택권을확대함으로써사회후생 (Social Welfare) 을증가시킬것으로기대되었다. 그러나거래비 * 본내용은김도훈교수 ( , dyohaan@khu.ac.kr) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP 의공식적인입장이아님을밝힙니다. 14

17 ICT 신기술 용 (Transaction Costs) 과메뉴비용감소로인해빈번한거래와가격조정을가능하게하는알고리즘이오히려가격담합 (Price Fixing) 과같은반경쟁적행위도쉽게할수있는여지를제공하는역설적인상황도가능하다는인식이등장했다. 이러한배경에서본고는알고리즘에의한자동화가담합을이끄는시나리오와이에관련된이론및실험등에관해소개하고법제도적관점에서제시된의견과전망을살펴본다. 본고의구성은다음과같다. 먼저, 다음장에서는알고리즘에의한담합의개념에대해소개하고그가능성에대한개념적논의를살펴본다. III장에서는알고리즘담합에대한최근의이론과실험등의연구를소개하면서그실현가능성과소비자피해에대한영향을평가하는상반된견해를정리하여소개한다. IV장에서는이상의논의가주는시사점과더불어향후전망을간단히제시한다. II. 알고리즘담합의개념과유형 1. 담합에관한이슈와배경 일반적으로담합은경쟁해야할주체들 ( 공급자들 ) 이소통을통해의도적으로특정행위 ( 가격 ) 를조율하는것으로, 많은경우반경쟁적행위 (Anti-trust Behavior) 에해당되어경쟁법 (Competition Law) 과같은법제도와규제로제한된다. 주로가격 ( 예 ; OPEC의원유가격카르텔 (Cartel) 등 ) 을고정시키는경우가대표적이기때문에보통담합이라고하면가격담합을의미한다. 담합사례가생각보다많이눈에띄지않는이유는법규제에의해금지될뿐만아니라, 담합을유지하는것자체가어렵기때문이다. 이론적으로담합은게임이론의죄수의딜레마 (Prisoner s Dilemma) 에해당하는균형 ( 공모에의해서만유지가능한균형, Collusive Equilibrium) 에해당된다. 카르텔회원이담합에서이탈하면더큰이득을보게될유인이존재하기때문에담합은지속되기어렵다 ( 실제로 OPEC 회원국들은이탈행위를하는경우가꽤많다 ). 또한, 담합을유지하려면카르텔회원들이서로견제하고감시할수있어야할뿐만아니라유효한보복 (Retaliation) 도할수있어야한다 [12]. 그러나견제, 감시, 보복에는상당한거래비용이수반되므로담합을유지하는것이어렵다는것이일반적인 정보통신기획평가원 15

18 주간기술동향 견해이다. 그런데알고리즘에의한담합에서는그러한거래비용이매우낮을수있다. 또한, 알고리즘에의한담합이형성되기까지필요한정보교환도암묵적 (tacit 또는 implicit) 일수있다. 계약및합의나 ( 비 ) 공식적소통채널에의한제도화된혹은의도적인조정 (Institutional Arrangement) 없이도담합이형성될때이를 의식적병행행위 (Conscious Parallelism) 혹은 암묵적담합 (Tacit Collusion) 이라고한다. 알고리즘에의한가격설정방식에서암묵적담합의가능성을온라인시장의특징에기인한새로운현상으로보는시각도존재한다. 예를들어, Thepot(2018)[25] 는디지털경제가혁신기업에의해주도되면서적극적마케팅에영향을받으며, 대중시장이아닌여러개의좁은니치 (niche) 에서경쟁하기때문에수요도탄력적인경우가많아서가격전쟁으로귀결될가능성이높다고본다. 1) 이는수요와공급을연결시키는가격의기능이효율적으로작동되기어렵다는것을시사한다. 또한, Gal & Elkin-Koren(2016)[11] 이지적하는바와같이, 소비자들도알고리즘을전략적으로활용한다면소비자집단도시장지배력을형성할수있으며, 공급자와일부소비자집단사이의담합도가능하다. 이때이런집단에소속되지못하는소비자들은담합에의해피해를볼가능성이있다. 알고리즘담합의예로확정된실제사례는아직까지없다. 다만, 위와같이여러가능성에대한논리적추론과몇가지이론이제시되었을뿐이다. 그가능성을뒷받침하는엄밀한이론과기초적수준의실험도최근에와서야활발히진행되고있는상황이다. 이론적뒷받침과실험결과에대해서는 Ⅲ.1절에서소개하고, 다음절에서는알고리즘담합에대한가능성을처음으로제시한선행연구에서의개념모형과시나리오를정리 소개한다. 2. 알고리즘담합의유형과특징 알고리즘담합이소비자는물론, 사회 경제적으로피해를줄것이라는주장은 Ezrachi & Stucke(2017)[9], Mehra(2015)[17], Stucke & Ezrachi(2017)[24] 등이처음제기하였다. 이들의주장외에도알고리즘담합과가격설정에관해가장많이인용되는 OECD (2017)[20] 와 CMA(2018)[8] 보고서등이제시하는담합의시나리오와개념모형을몇 1) Thepot(2018) 는이를규모의불경제 (dis-economies of scale) 로인해확정적인과점균형의성립이어려워지는 Bertrand-Edgeworth 의역설이일반화되기때문이라고해석한다. 이런상황에서는담합을이끌명확한신호가존재하지않기때문에가격의상향조정 (upward matching) 이어렵다. 16

19 ICT 신기술 가지유형으로재정리하여소개한다. 가. 알고리즘담합의피해이론알고리즘담합으로발생하는대표적인피해는, 경쟁해야하는공급자들이효율적으로명시적 / 암묵적합의나조율을통해경쟁을피하여소비자후생 (Consumer Welfare) 의감소를야기하는것이다. 이러한피해의원인과과정을분석하기위해서는알고리즘이담합에관여하는두가지경로를구분해야한다. 먼저, 담합참여자들의행위를감시하고조율된행위를유도 관리하기위해알고리즘을활용하는것이다. 더나아가알고리즘이담합에필요한정보를전송 교환하는데직접사용될수있는데, 이를메신저역할이라부른다. 알고리즘담합의피해이론 (Theory of Harm) 에서는알고리즘이메신저역할을통해실질적으로담합과같은행위나결과를야기할가능성이높다고본다. 여기서주목할부분은다음두가지이다. 첫째, 알고리즘이가격설정방식을직접통제하지않고감시나메신저의역할만해도담합의피해를야기했다고볼수있다. 둘째, 의도와는무관하게결과적으로담합에해당하는행위 ( 예 ; 가격설정의조율등 ) 를야기한다면담합으로인해피해가발생했다고본다. 현실에서실제로알고리즘담합의피해가발생했다고인정된경우는거의없다. 하나의관련사례는가격설정방식을포함한마케팅용소프트웨어가여러사업자간명시적합의를유도하여영국경쟁시장국 (Competition and Markets Authority: CMA) 에의해제소된사건이고 (Trod Ltd/GB eye Ltd case), 다른하나는미국법무부 (DoJ) 가가격재설정 (re-pricing) 소프트웨어를통해비슷한결과를야기한 Aston & Trod를제소한것이다 (Aston & Trod case). 이러한사례로부터 Mehra(2015)[17] 는 robo-seller와같은 AI 소프트웨어가광범위하게사용되면영향력있는일부사업자간담합이전반적인가격담합을이끌것이라고주장한다. 2) 그런데정책당국은위와같은상황을상대적으로쉽게파악할수있을뿐만아니라소프트웨어를관리하는사업자들도피해를최소화하기위해사전에적절하고신속하게대응할수있다. 위의사례에서도기존의법제도내에서그피해를사전에예상하고사후에적절 2) 이러한견해는알고리즘이담합을보다안정적으로유지하는데도움을주며, 참여자의의도치않은이탈 (deviation) 이나이탈로오해받을수있는신호를줄이게하고, 인간의사결정자의재량을제한하여 ( 담합유지에 ) 불필요한신호를차단할수있다는가정에의존한다. 그러나이러한가정이보편적으로받아들여지는것은아니다 (Ⅲ.2 절참조 ). 정보통신기획평가원 17

20 주간기술동향 한조치를취하는것이가능했다. 알고리즘담합이새로운국면을제공하는측면은암묵적담합 (tacit collusion) 에서발생한다. 암묵적담합에참여하는플레이어들은애초에담합을의도했을수도그렇지않을수도있으며, 그것을규제기관이나제3자가객관적으로밝혀내는것이어렵기때문에쉽게판단하기어려운이슈를야기한다. 예를들어, 부지불식간에동일소프트웨어를사용해의도치않은담합에돌입한사업자들을처분해야하는가? 와같은미묘한문제가발생한다. Ezrachi & Stucke(2017)[9] 는효율성이나이익을높이기위해개발된알고리즘이반경쟁적행위 (anti-competitive behavior) 를유발할수있는몇가지시나리오를 [ 표 1] 과같이제시했다. [ 표 1] 의메신저유형의담합은명시적담합으로분류되기때문에앞의사례에서도언급한바와같이기존의법제도틀로충분히처리될수있다. 이하에서는암묵적담합에직 / 간접적으로관련되는다른두가지유형을자세히소개한다. [ 표 1] 알고리즘담합의대표적유형과시나리오 유형 Messenger Hub-&-Spoke(HS) arrangement 시나리오의개요와특징 알고리즘이의사결정주체 ( 개인이나조직 ) 를대신하여반경쟁적담합에도움이되는정보와의견을교환하거나직접적으로가격을조율하는등의의식적병행행위 (conscious parallelism) 를수행 플랫폼과같은허브가이끄는생태계에참여하는경쟁자들 (spoke 에해당 ) 이동일한가격설정방식알고리즘과데이터를사용할암묵적담합이발생 ( 허브의역할에따라순수한 hub-&-spoke 유형과플랫폼유형으로나누어볼수있음 ) Predictable Agent & Autonomous Machine (PA) 알고리즘이환경에능동적으로대응하면서암묵적담합을형성 유지하기위한전략적행위를담당. 알고리즘의목표는담합의성과에견줄만한결과가창출되도록참여자들의행위를조율하는것임. (digital eye-optimizing performance) < 자료 > [1], [3], [8], [9], [20], [24] 등에서소개된내용을본고의목적에맞춰재정리하였음. 나. Hub-and-Spoke 유형 (HS) HS 유형의담합은경쟁자들이가격설정방식에동일한알고리즘이나데이터를사용할때형성될수있다. 알고리즘이직접적으로가격을설정하거나조율하지않더라도상대방의의도나계획및가격설정방식을분석 파악하여실제가격설정에도움을주어도이에해당한다. 또한, 전략적불확실성을제거하여담합에참여할유인을높이거나담합의지속성을높이는데도움을줄수도있다. HS 유형의담합이성립되기위해서는보통다음세가지조건이갖추어져야한다 [8]. 첫째, HS 구조의바퀴살 (spoke) 부분을구성하는수평적관계의경쟁자들 (Horizontal 18

21 ICT 신기술 Competitors) 이존재한다. 둘째, 경쟁자들이가치사슬의다른계위에있는공동의파트너 ( 허브 ) 와계약관계를맺고있다. 셋째, 허브와바퀴살사이에서전략적차원의정보교환이빈번하게발생한다. 플랫폼을통해거래하는경쟁자들 ( 예 ; Uber의드라이버들 ) 이개별적으로가격을결정하거나소비자데이터를보유하지않고데이터관리와가격설정방식을플랫폼에의존한다면상기한세가지조건이충족될가능성이높다. 3) [ 그림 1] 은 HS 유형이작동하는방식을도식적으로보여준다. HS 원형을보여주는 (a) 에서는경쟁하는기업 A와 B가제3자 ( 그림에는표현되지않음 ) 에의해제공되는동일한알고리즘 X를사용하여고객과거래한다. (b) 에서는다면시장 (multi-sided) 플랫폼과같이허브의역할을하는제3자가보다명시적으로드러나있다. 허브는공통으로쓰이는알고리즘을배포하고데이터를지원하여기업 A와 B가암묵적합의를이루도록유도한다. (a) Hub-&-Spoke 프로토타입 (b) Hub-&-Spoke-Like < 자료 > CMA, Pricing Algorithms, Economic Working Paper on the use of algorithms to facilitate collusion and personalised pricing, Oct. 8, 2018, pp [ 그림 1] Hub-&-Spoke 알고리즘담합현재많은경쟁당국이 HS 유형의 ( 특히플랫폼을통한 ) 담합에대해서판단을유보하고있다. 동일한알고리즘을사용하는것만으로암묵적담합이라고보기에는근거가약하며, 실제가격설정방식에는다양한요소가개입되는것이일반적이기때문이다 ( 이에대한최근의법제도적판단과사례에대해서는 Ⅲ.2절을참조 ). 또한, 가격설정방식을위탁하는것이허브와주변기업들 (spokes) 입장에서볼때실제로실행할만한의미있는전략인지에대해서도의문이제기된다. 허브와이들의이해관계가일치한다고보기어렵다면 3) 플랫폼에서담합의가능성을보여주는실제사례로, Amazon 오픈마켓에등록된 Poster Revolution 사건이많이거론된다. 이기업은 Amazon 오픈마켓에서동일한가격설정소프트웨어를사용하여가격을고정시킨혐의로 2015 년에미국법무부 (DOJ) 에의해제소되었다. 그러나이사례는메신저유형의담합에해당한다. 정보통신기획평가원 19

22 주간기술동향 대리인문제 (Principal-agent Problem) 가발생하기때문이다. 예를들어, 플랫폼이참여기업의이익이극대화되도록알고리즘을설계할유인이작을뿐만아니라기술적으로도쉽지않다. 반대로참여기업들은허브의알고리즘개발을돕기위해자신의고유정보 ( 예 ; 재고관리데이터, 인력현황등 ) 를공유할것을꺼리기마련이다. 4) 다. Predictable Agent 유형 (PA) PA 유형에서는알고리즘이외부의여러요인들에능동적으로반응하면서전략적불확실성을줄이기위해활용된다. 예를들어, 자동화된알고리즘이시장가격의변동을모니터하면서담합을이끄는리더의신호를따르도록하고, 암묵적합의를위반하거나담합에서이탈하려는참여자에게불이익을주는역할을한다. 따라서 PA 유형의담합에서알고리즘의목표는담합자체를형성하고유지하는것이아니라, 담합의이득에견줄만한성과가나오도록참여자들의행위를조율하는데 (Coordinated Outcomes) 있다. [ 그림 2] 는 PA 유형의작동방식을도식화한것으로, 기업 A와 B가서로다른알고리즘을사용하면서도조율된행위를통해담합에준하는효과를창출한다. 이경우암묵적담합으로규정하는것도어렵지만, 실제결과는이와유사하게발생하기때문에판단을내리는것이어려워진다. Ezrachi & Stucke(2017)[9] 는더나아가자동화된기계 (Autonomous Machine) 에의한문제까지제기한다. 이는 PA 유형이보다더정교하게진화한것으로볼수있기때문에여러문헌 [6],[8],[11],[20] 에서도비슷한유형으로다룬다. 자동화된기계는단지동일한목적 (pre-set target) 만을지정해놓고서로다른알고리즘이각각의방식으로 < 자료 > CMA, Pricing Algorithms, Economic Working Paper on the use of algorithms to facilitate collusion and personalised pricing, Oct. 8, 2018, p.28. [ 그림 2] Predictable Agent 알고리즘담합 4) 참여기업들은서로경쟁하기때문에자사의정보가허브를통해경쟁자에게유출될위험을감수할이유가없다. 20

23 ICT 신기술 이목적을달성하도록한다. 따라서순수 PA 유형과비교할때, 알고리즘을분석한다고해도담합에관한직접적연관성도발견하기힘들다. 알고리즘은학습을통해서로비슷하게닮아가며결과적으로담합과유사한성과를창출한다. 이러한방식은처음에는시장의투명성 (market transparency) 을높일것으로기대되어긍정적으로평가되기도하였다 [11],[12],[18],[20]. 이런담합의참여자들은서로의정보를공유하지않아도상대방을파악할수있으며경쟁자들과사실상동일한행태를보이게될것이다. 그러나 CMA (2018)[9] 를비롯한여러전문가들은실제가격설정방식과담합과정을무시한채지나치게단순화된추론에근거한시나리오로보고있으며현실화는어려울것으로전망한다. Ⅲ. 연구동향과시사점 1. 이론적연구의배경과동향 이절에서는알고리즘의담합이실현될가능성을이론모형이나실험을통해살펴본최근의연구들을소개한다. 먼저, 이들연구에서사용된알고리즘은모두학습에기반하고있다. 적응형학습 (Adaptive Learning) 의가장단순한알고리즘인 성과가좋으면기존방식을유지하지만나쁘면다른방식으로전환하는 WCLR(Win Continue, Lose Reverse) 부터좀더복잡한 Q-learning이나신경망 (Neural Network) 등을사용하여현실의가격설정방식을모사한다. 여기서 Q-learning은은닉된마코프의사결정과정 (Markov Decision Process) 을추론하기위해 Watkins가 1989년에개발한알고리즘이다 [14]. 이알고리즘은할인이득 (Discounted Payoff) 의누적값을극대화하는것을목적으로, 주변탐색과특정방식에대한심화탐색사이에서균형을추구하면서시행착오를통해최적전략을찾는다. 5) [ 그림 3] 은 Q-learning 알고리즘의개요를보여주는데, 여기서 Q는상태와행위의조 5) 은닉된마코프전이행렬 (transition matrix) 을정확히밝혀낸다면언제나최적의사결정이가능하다. Q-learning 은감추어진 Q- 함수를적응형학습에의해찾아가는과정으로, 몇가지조건이충족되면 ( 이론적으로는 ) Q- 함수를밝히는것이가능하다. 이방식을채택한연구들은 Q-learning 이실제가격설정방식에영향을받지않는 (model-free) 알고리즘임을강조한다. Ⅲ.2 절에서소개하는바와같이, 가격설정방식은너무다양해서일반화하는것이불가능하기때문에언뜻보면 Q-learning 이다양한경우에적용될수있을것이다. 그러나 ( 그반대로생각하면 ) 상황별가격설정방식의독특한측면 ( 예 ; 수요환경이나경쟁강도등 ) 을무시하는것이기도하므로일반화의오류에빠질위험도있다. 정보통신기획평가원 21

24 주간기술동향 < 자료 > 위키피디아 Q-learning [ 그림 3] Q-Learning 알고리즘의구조 합에따른이득을연결시켜주는함수이다. 학습을통해갱신된가치 ( 그림의가 ) 와학습율파라미터 ( 그림의나 ) 에따라기존의 Q를수정해나가는적응형학습을따르고있다. Foster(2019)[10] 와 Calvano et al.(2019)[6] 은시행착오와 Q-learning과같은적응형학습을가정하고시뮬레이션을통해알고리즘담합의가능성을검토하였다. Foster (2019)[10] 는 WCLR과유사한간단한적응형학습알고리즘을사용할때담합행위가발생함을실험을통해보였다. 여기서실험환경은 EU 집행위원회가차별화된시장에서합병의경쟁효과분석에사용하는표준모형 ( 차별화된 Bertrand 경쟁모형 ) 을바탕으로한다. 경쟁기업의수, 시장점유율분포, 시장지배력정도등에대해다양한시나리오를수립하여시뮬레이션을수행한결과, 경쟁강도와는다소무관하게담합행위는매우빈번하게발생하였으며, 결국에는경쟁자모두가비슷한방식의알고리즘을사용하게되어담합이안정적으로유지되었다. 다만, 한두개소수의기업만이라도다른유형의알고리즘을고수하도록강제한실험에서는담합이발생하지않았다. Calvano et al.(2019)[6] 은경쟁이치열한과점시장을전제로 Q-learning 알고리즘에따른가격경쟁을시뮬레이션하였다. 의도적으로경쟁을부추기기위해알고리즘에가격을줄이도록하는 (price-cutting) 요소를추가하였기때문에시뮬레이션초반에는알고리즘이가격전쟁을벌이지만, 점진적으로담합이유리함을깨닫고경쟁가격보다높은수준 (supra-competitive price) 에서담합을유지하는행태를보인다 ([ 그림 4] 참조 ). 시뮬레이션시나리오 ( 예 ; 수요환경, 공급비용의차이, 경쟁자의수등 ) 와거의무관하게행태의질적특성은상당히유사했다. 알고리즘들은상대방의행태만파악할수있을뿐이며서로정보를주고받을수없도록설계되었기때문에실험결과는암묵적담합의가능성을시사한다. 또한, 담합을형성한이후에는이탈을효과적으로응징하는장치를도입하면담합이안정적으로유지된다는것도확인할수있다. 22

25 ICT 신기술 [ 가격의움직임 ] [ 이익 (Porfit) 의변화 ] < 자료 > E. Calvano, G. Calzolari, V. Denicolo, and S. Pastorello, Artificial intelligence, algorithmic pricing and collusion, CEPR, 2019, pp [ 그림 4] 실험결과의예 Salcedo(2016)[23] 는위연구들과는달리반복게임 (repeated game) 을적용한이론모형을통해알고리즘담합의가능성을분석했다. 가격담합은가능한정도를넘어서필연적으로발생함을증명하였으며실험을통해확인하였다. 그런데 Salcedo(2016)[23] 가도입한알고리즘은가격설정방식을모사하는것이아니라가격설정에따른행태 ( 예 : 가격전략에대한선택이나상대방전략을따라하기등 ) 를모사하는것이어서가격설정알고리즘으로볼수는없다. 6) 행태를모사할경우 ( 최소한장기적으로는 ) 이익이극대화되는전략을선택할것은당연하기때문에이론모형을수립하는단계에서이미가격담합이필연적으로발생하는결과가예견된다. 이상의연구들을포함한다른유사한연구들도대부분실험실환경에서진행된시뮬레이션결과이나, 알고리즘담합의가능성을 ( 상당부분 ) 보여주었다는점에서 EU, 영국, 미국정책당국들의주목을받은것으로보인다 [8],[12],[20]. 2. 알고리즘담합에대한반론과피해이론의실현가능성 가. 알고리즘담합의가능성과피해이론에대한다양한입장 Ezrachi & Stucke(2017)[9], Mehra(2015)[17], OECD(2017)[20] 등이알고리즘담 합의가능성을주장하면서개념적차원의시나리오를제시하였고이후모형과실험을통 6) 이러한접근법을취한이유로, Salcedo(2016)[23] 는현실에서의가격설정방식이너무다양하고여러요인에의해영향을받으므로이를직접모사하는것이어렵기때문이라고말한다. 정보통신기획평가원 23

26 주간기술동향 한연구들에서그가능성이어느정도확인되었다. 그러나이에반대하는주장이나보다신중한태도를요구하는것이보다일반적이다. 알고리즘담합의가능성을낮게보는첫번째근거는전형적인담합모형에따를때알고리즘으로인해수요예측의정확도가높아지는것이오히려담합이지속될가능성을낮춘다 ( 즉, 담합에서이탈할유인을증가시킨다 ) 는것이다. 따라서알고리즘을가격설정방식에도입하는것이소비자후생에긍정적인영향을미친다고본다 [8],[18],[25]. 또다른근거는알고리즘담합을보이기위해사용된알고리즘이실제가격설정방식에적용되는것에비해너무단순하다는것이다. 앞절에서소개한연구모두간단한수요모형과알고리즘을사용한다. 그런데실험실이나컴퓨터시뮬레이션분석이가능한형태의알고리즘일수록담합을유지할가능성이높은반면에, 학습을많이활용하는좀더복잡한알고리즘을적용하면담합에실패하는경우도보고된다 [8]. 자기강화학습 (reinforcement learning) 에가까운경우, 7) 충분한학습에필요한자원 ( 학습기간및데이터소요량등 ) 이부족할수록담합형성에실패하는경우가자주발생하지만, 완전정보 (perfect information) 가유지되기쉬운단순한자기강화학습에서는담합이자주발생한다 [14],[19]. 셋째, 담합에대한이론은게임이론에서의균형의안정성 (stability of equilibrium) 과밀접하게관련되는데, 담합에필요한정보를교환하는과정에서잡음 (noise), 불확실성, 예상치못한충격등은일반적으로균형의안정성에큰영향을준다. Ⅲ.1절에서소개한연구들에서도사소한충격과요동치는시장환경에서는담합에실패하거나담합의유지가어려운경우가발생한다. 또한, 담합의안정성자체가실험에서알고리즘을구체적으로구현하는과정과파라미터설정에어느정도의존함을인정한다. 넷째, 알고리즘담합이적용되는플레이어간의관계구조가너무단순해서 Ezrachi & Stucke(2017)[9] 등이주장하는 Hub-&-Spoke(HS) 유형의암묵적담합의맥락과차이가있다. 알고리즘담합에서는플랫폼을허브로활용하는암묵적담합이 ( 가능하다면 ) 더일반적일것으로전망된다. 이경우플랫폼도자신의이익을위해전략적차원에서가격설정에개입할것이기때문에플랫폼참여자들 ( 바퀴살 ) 의가격담합을유도할이유는크지 7) 여기서자기강화학습은유전알고리즘 (genetic algorithm) 이나 WCLR 과같은비교적간단한알고리즘을대상으로하였다. 자기강화학습이란학습스킴 (learning scheme) 이신경망기반딥러닝에만적용되어야하는것은아니다. 이스킴이세간에서딥러닝과차별을두지않는것처럼쓰이기시작한것도비교적최근의경향이다. 24

27 ICT 신기술 않다. 8) 플랫폼기반 HS 가격담합에가장가까운실제사례는인도의 Ola/Uber 사건이다. 인도경쟁위원회 (Competition Commission of India) 는 Ola/Uber 플랫폼에의해운전자간가격설정방식에서경쟁법에저촉되는담합행위 (concerted action) 를유발했다고의심하였다. 9) 조사결과, 경쟁위원회는운전자앱에탑재된알고리즘이플랫폼에의해제공되고여러운전자로부터수집된데이터를활용하는것은사실이나이것만으로는담합이라고규정할수없다고결론을내렸다. 가격설정방식이운전자별로다양한요소를고려하면서다르게운영되며, 동일한데이터를활용해도서로차별화된가격을제공하게되어결과적으로가격분포 (price dispersion) 를낳기때문에 HS 유형의조정이라고보기어렵다는것이다. 이외에도현실에서의알고리즘담합이상식적추론이나 Ⅱ.2절의사고실험 (thinking experiment) 보다복잡한이슈가되는근거는다음과같다. 먼저, 간단한알고리즘일수록경쟁자에의해쉽게파악되어오히려역으로이용당할수있다. 이경우담합은매우취약해진다. 또한, Ⅲ.1절에서소개된대부분의연구와는달리, 여러기업들이서로다른알고리즘을고수한다면담합의가능성은떨어진다. 그리고단순한알고리즘을공통으로사용하여가격담합이발생해도그가격이언제나경쟁균형가격 (competitive equilibrium price) 과큰차이가나는것은아니다. 10) 마지막으로, 다음절에서보듯이현실에서사용되는가격설정방식은단순히가격에대한소비자의반응만고려하지는않는다 ([ 표 2] 참조 ). 위와같은이유에서 CMA도당분간알고리즘에의한가격담합이결정적인이슈 (game changer) 가되지는않을것으로전망한다 [8]. 또한, 알고리즘담합이발생한다고해도그영향력이미미할것이며, 오히려다른측면에서소비자에게주는이득 ( 예 ; 가격투명성증대와불확실성제거등, Thepot, 2018[25]) 이더클수있다고본다. 알고리즘담합의주체가알고리즘이아니었으면불가능할경우는드물것으로도판단한다. 이런관점에서 8) 플랫폼은다면시장 (multi-sided markets) 을운영하면서간접적네트워크외부성 (indirect network externality) 을통해이득을극대화하는행태를보인다. 이경우플랫폼운영이라는한단계높은전략적차원에서가격설정방식도활용되기때문에플랫폼참여자들의이해관계와불일치하는가격설정방식을유도할가능성이충분히존재한다. 가격설정과관련된플랫폼의전략에관해서는김도훈 (2010)[2], Kim(2018)[16], Zhu & Iansiti(2019)[28] 등을참조. 9) 이런행동이가격담합으로기소되려면, 먼저바퀴살에해당하는운전자들이플랫폼에고용된직원들이아니라독립적인제 3 자로서소비자와독자적인계약을채결하는상황으로인정되어야한다. 그런데최근미국캘리포니아의 Uber 운전자의지위에대한논란에서보듯이, 공유경제플랫폼과생태계참여자의관계를서비스공급자 ( 플랫폼 ) 와독립적인제 3 자사이의비즈니스관계로규정할수있는가하는이슈는여전히논쟁중에있다. 10) 현실에서이러한담합이발생한다면정책당국 ( 예 ; 공정거래위원회 ) 의제재를피하기위해담합가격을경쟁균형가격보다약간만높게설정할가능성이높다. 정보통신기획평가원 25

28 주간기술동향 최근가격담합의본질적측면에집중해서알고리즘담합에접근해야한다는주장도제기된다. 즉, 담합의핵심은 ( 잠재적 ) 경쟁자간조율된행위를이끌어낼수있는보상-징벌체계 (reward-punishment scheme) 에있는데, 이체계는객관적 (evidentiary) 으로관측되기어렵기때문에행위뿐만아니라전반적인맥락과결과론적유효성에도주목해야한다는것이다 [12]. 그렇다면현실에서쓰이는복잡하고정교한알고리즘이실질적으로암묵적담합의가능성을높이는데기여하는지를분석하는데논의가집중되는것이더효과적일것이다. 나. 알고리즘가격설정의다양한측면현실의가격설정방식에활용되는알고리즘은소비자의반응을단순히가격이라는단일기준으로만분석 평가하지않는다. 시장에서는가격뿐만아니라품질이나비가격요소로불리는다양한경쟁차원들이존재하므로, 이런요소들을종합적으로반영할뿐만아니라경쟁자에대한전략적대응도고려해야한다. [ 그림 5] 와같이기업이가격을결정할때고려하는요소가다양하기때문에알고리즘을사용한다고하더라도실제로특정시점에관측되는가격의폭이꽤넓은경우가많다. 최근조사에따르면, 2013년 12월 Amazon 웹사이트에서는하루에 250만건이상의가격변동이관찰되었다 [8]. 2015년에도 Amazon을통해거래된상위 1,600여개의품목중에최소한 ⅓은알고리즘에의해가격이책정되었으며, 하루에도항목별로수십에서수백번까지가격변동이발생한다 [15]. 또한, Amazon 마켓플레이스에등록된사업자중에서알고리즘을활용하여가격을책정하는판매자가그렇지않은판매자에비해소비 < 자료 > [8],[10],[12],[20],[23] 의내용을종합하여정리하였음 [ 그림 5] 일반적인가격설정알고리즘에서의투입 - 산출요소 26

29 ICT 신기술 자로부터보다많은반응을접하며 Buy Box([ 그림 5]) 를획득하는경우가더많다 [7]. 그러나알고리즘을사용하는판매자가더많은이익을본다는증거는찾을수없었다. 결국, 알고리즘을이용한가격설정방식은 ( 담합으로귀결되기이전에 ) 우선적으로메뉴비용을줄임으로써경쟁과투명성을높여서그혜택이소비자에게귀속될가능성을증가시킨다. 또한, 알고리즘은개인별맞춤가격설정 (personalized pricing) 에활용될여지가크다. 만약, 개인별가격설정이광범위하게적용된다면이는담합을무력화할동인으로작용할가능성이높다. 11) 경우에따라서는알고리즘담합보다소비자에게피해를더입힐가능성도제기된다 [21],[22]. 일차가격차별 (1st degree of discrimination) 과같은완벽한개인별맞춤가격설정은대중시장에서경쟁을줄이고, 기존기업 (incumbent) 이소비자에대한정보를더유리하게활용할여지를넓혀서지배적입지를공고히하고보이지않는진입장벽을높이는데도움을줄수있다 [21]. 비록개인별가격설정을구현하는것이 ( 알고리즘담합에비해 ) 쉽지않으며더많은컴퓨팅역량을요구하지만, 이런차별화는본질적으로불투명하기때문에외부에서객관적으로감시하기어렵다. 또한, 합법적으로인정되는다른수준의가격차별 ( 예 ; 수량할인 (2nd degree), 집단별로차별화된가격 (3rd degree) 등 ) 과구별하는것도쉽지않다 [8],[22]. IV. 시사점과향후전망 알고리즘담합에대한관심이높고 ( 미래에만연하게된다면 ) 사회 경제적파장도적지않을수있기때문에여러나라가이에대한분석과대비책을마련하려는움직임을보이고있다. 우리나라공정거래위원회에서도이에대한사전연구와법제도검토에들어갔다 [4]. 그런데아직까지는사고실험에의한추상적 개념적유형과시나리오가제시되거나단순한알고리즘을가지고실험실에서진행된연구가대다수이기때문에보다정교한보완과신중한접근이필요하다는것이중론이다 [8],[12]. 특히, 알고리즘을이해하기위한더많은검토와현실적수준의실험이필요하며, 경영 경제학및법제도적측면에서관련되는이론 11) Ezrachi & Stucke(2017)[9] 는알고리즘담합에서비밀스런가격제안이나 drip pricing 을통해개인별가격설정까지시행할수있다고주장하지만 ( 그리고그경우에소비자피해가더클것은자명하지만 ), OFT(2013a, b)[21][22], CMA(2018)[8] 와많은전문가들은담합과개인별가격설정이동시에실현될가능성은매우낮다고본다. 정보통신기획평가원 27

30 주간기술동향 < 자료 > Amazon, [ 그림 6] Amazon에서의가격분포 (price dispersion) 의예과근거를파악하려는노력도요구된다. 따라서혹시라도 EU와미국일부에의해주도되고있는, 테크자이언트 (tech giant) 를제재하려는글로벌분위기에편승하여알고리즘담합에대한사전규제에앞서가려는접근은위험하다. 이런측면에서인도의 Ola/Uber 사례와더불어, ( 알고리즘담합은아니지만 ) 미국유명휴양지인마서즈빈야드 (Martha s Vineyard) 섬의주유소가격담합에대한판례는시사하는바가있다. 이섬의지리적입지를이용한몇몇주유소의가격인상을다른주유소대부분이 따라했다 고해서담합이라고볼수없다는판결이 2011년에있었다 (White 대 R.M. Packer Co. 사건 ; The Economists, 2017[26]). 12) 이사례들은알고리즘을이용하는상업적의사결정을평가할때에는가격외의다른요소들과더불어행태및경쟁구도등을종합적으로고려해야한다는것을시사한다. 알고리즘책임성에대한지난논의와함께살펴보면아직도우리사회가알고리즘과 AI에대해학습해나가는단계에있는것으로보인다. [ 참고문헌 ] [1] 김건우, 알고리즘으로움직이는경제디지털카르텔가능성커진다, LG 경제연구원리포트, ) 이판결은경쟁자들의합리적이고일방적인의사결정에의해의도적인가격조정이발생했다는명확한근거가제시되어야가격담합으로인정된다는취지로해석된다. 28

31 ICT 신기술 [2] 김도훈, 알고리즘책임성논의와알고리즘에대한이해, IITP, 주간기술동향, , pp [3] 최난설헌, 알고리즘을통한가격정보의교환과경쟁법적평가, 경쟁법연구, 35, 2017, [4] 최지현, 공정위, OECD 경쟁위서 AI 플랫폼가격담합 경쟁법이슈다룬다, 아주경제, [5] 파스콸레 (Pasquale, F.), 이시은 ( 역 ), 블랙박스사회 ( 원제 : Black Box Society), 안티고네, [6] E. Calvano, G. Calzolari, V. Denicolo, and S. Pastorello, Artificial intelligence, algorithmic pricing and collusion, CEPR, [7] M. Chen and Z.L. Chen, Recent developments in dynamic pricing research: multiple products, competition, and limited demand information, Production and Operations Management, 24(5), 2015, [8] CMA, Pricing Algorithms, Economic Working Paper on the use of algorithms to facilitate collusion and personalised pricing, Oct. 8, [9] A. Ezrachi and M.E. Stucke, Artificial Intelligence and Collusion: When Computers Inhibit Competition, University of Illinois Law Review, 1775, [10]D. Foster, Algorithms and Price Collusion: Learning to love artificial intelligence, Competition Law Insight, [11] M.S. Gal and N. Elkin-Koren, Algorithmic consumers, Harvard Journal of Law & Technology, 30, 2016, 309. [12] J.E. Harrington, Developing Competition Law for Collusion by Autonomous Artificial Agents, Journal of Competition Law & Economics, 14(3), 2018, [13] A. Ittoo and N. Petit, Algorithmic Pricing Agents and Tacit Collusion: A technological perspective, SSRN No , [14] S.S. Izquierdo and L.R. Izquierdo, The Win-Continue, Lose-Reverse rule in Cournot oligopolies: robustness of collusive outcomes, Advances in Artificial Economics, Springer, Cambridge, 2015, [15] M. Kassel, Beware algorithms that could collude on prices, The Wall Street Journal, April 19, [16] D. Kim, Equilibrium Analysis for Platform Developers in Two-Sided Market with Backward Compatibility, Games, 9(4), 2018, 76. [17] S.K. Mehra, Antitrust and the robo-seller: Competition in the time of algorithms, Minn. Law Review, 100, 2015, [18] J. Miklos-Thal and C. Tucker, Collusion by Algorithm: Does Better Demand Prediction Facilitate Coordination Between Sellers?, Management Science, 65(4), 2019, [19] J.H. Miller, The coevolution of automata in the repeated prisoner s dilemma, Journal of Economic Behavior & Organization, 29(1), 1996, [20] OECD, Algorithms and Collusion, Background Note by the Secretariat, OECD Roundtable on Algorithms and Collusion, 정보통신기획평가원 29

32 주간기술동향 [21] OFT, The Economics of Online Personalized Pricing, Office of Fair Trading, 2013a. [22] OFT, Personalised Pricing: Increasing transparency to improve trust, 2013b. [23] B. Salcedo, Pricing Algorithms and Tacit Collusion, Manuscript, Pennsylvania State University, [24] M.E. Stucke and A. Ezrachi, How digital assistants can harm our economy, privacy, and democracy, Berkeley Technology Law Journal, 32, 2017, [25] J. Thepot, Pricing Algorithms in Oligopoly: theory and antitrust implications, Laboratoire de Recherche en Gestion et Economie(LaRGE), Universite de Strasbourg, No , [26] The Economist, Price-bots can collude against consumers, May 6th [27] L. Waltman and U. Kaymak, Q-learning Agents in a Cournot Oligopoly Model, Journal of Economic Dynamics and Control, 32(10), 2008, [28] F. Zhu and M. Iansiti, Why some platforms thrive and others don t, Harvard Business Review, Jan-Feb Issue,

33 ICT R&D 동향 ICT R&D 동향 chapter 3-1 SDN 에서의보안규칙전개를위한소프트웨어정의마이크로방화벽기술 * 임혁 광주과학기술원교수 I. 결과물개요 개발목표시기 기술성숙도 (TRL) 개발전 개발후 TRL 3 TRL 4 결과물형태 SW-Server, Patent 검증방법시험인증, 3 자검증 (SCI 논문 ) Keywords Cyber security, Firewall, Software-defined networking, Software-defined firewall 외부기술요소 Open Source 사용권리성특허, SCI 논문 II. 기술의개념및내용 1. 기술의개념 기존방화벽기술은네트워크의고정된위치혹은호스트내부에서패킷필터링을수행 하는데, 패킷필터링은방화벽내부에서정해진방화벽규칙에따라패킷을허용하거 * 본내용은임혁교수 ( ) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP 의공식적인입장이아님을밝힙니다. *** 정보통신기획평가원은현재개발진행및완료예정인 ICT R&D 성과결과물을과제종료이전에공개하는 ICT R&D 사업화를위한기술예고 를 2014 년부터실시하고있는바, 본칼럼에서는이를통해공개한결과물의기술이전, 사업화등기술활용도제고를위해매주 1~2 건의관련기술을소개함 정보통신기획평가원 31

34 주간기술동향 [ 그림 1] 기술개념도 나폐기하는방법이며, 방화벽규칙은프로토콜, 출발지 / 목적지 IP주소, 포트번호, 액션의 6가지필드를가짐 - 소프트웨어정의네트워킹 (Software-Defined Networking: SDN) 기술은기존의네트워크에서제어영역 (Control Plane) 과데이터영역 (Data Plane) 을분리한구조로, SDN 기술을이용하면제어영역을 API 등을통해사용할수있게됨으로써중앙의 SDN 제어기를통해플로우테이블을이용하여네트워크플로우조절이가능하며, 플로우테이블은네트워크의각스위치에서정해진플로우규칙에따라패킷을처리하고, 플로우규칙은방화벽규칙의 6가지필드를포함할수있음 - 제안하는기술은다음과같이 1 네트워크에분산되어있는호스트들의방화벽규칙들을 SDN 제어기로안전하게병합하고, 2 병합한방화벽들의규칙개수를최소화하고 SDN의플로우규칙형태로변환함으로써, 마이크로방화벽을생성하고, 3 네트워크전체트래픽양을최소화할수있도록마이크로방화벽들을 SDN 스위치들에배치하며, 이를통해고정된방화벽위치까지전달되어야만했던패킷들이네트워크의어느위치에서든스위치들에의해처리됨으로써네트워크전체에흐르는트 32

35 ICT R&D 동향 래픽의양및방화벽이패킷을처리하기위해필요한자원들의소모를줄일수있는 기술임 2. 기술의상세내용및사업화제약사항 기술의상세내용 - 본기술은안전하게호스트들의정보를 SDN 제어기로모으기위해 SDN 제어영역을통해방화벽규칙암호화를수행하고, 암호화된방화벽규칙들을데이터영역을통해 SDN 제어기로병합하며, 병합한방화벽규칙들을복호화하고규칙의개수를최소화하여 SDN 플로우규칙들로변환함으로써, 마이크로방화벽을생성하고이를 SDN 스위치들에배치함 - 마이크로방화벽을네트워크가장자리의 edge 스위치들에배치할경우에는 (Edge Filtering) 여러 SDN 스위치에분산되어배치되므로스위치자원의소모량은줄어들지만네트워크전체에흐르는트래픽의양은증가하며, 반대로네트워크중심부의 ingress 스위치들에배치할경우에는 (Ingress Filtering) 스위치의자원소모량은늘어나지만네트워크전체에흐르는트래픽의양은감소하는데, 본기술은네트워크전체에흐르는트래픽의양을최소화할수있도록네트워크의중심부에위치한스위치들부터가장자리에위치한 SDN 스위치까지순차적으로마이크로방화벽들을배치함 [ 그림 2] Edge filtering vs. Ingress filtering 정보통신기획평가원 33

36 주간기술동향 기술이전범위 - 안전하게호스트들의정보를 SDN 제어기로모으기위한방법 - 병합한방화벽규칙들을네트워크전체트래픽양을줄이기위해 SDN 스위치들에배치하는기법 사업화제약사항 - 본기술은 SDN에포함되는호스트의방화벽규칙에대응하여새로이병합된적정용량의방화벽을스위치로전송하여네트워크의데이터용량을줄일수있는방법으로, 사업화를위해서는라우터, 방화벽및부하분산장치와같은고가의전용하드웨어장치를산업표준서버에서가상머신으로실행되는소프트웨어기반장비로대체할수있도록해주는네트워크기능가상화 (Network Function Virtualization: NFV) 기술과의접목을통해패킷필터링방화벽규칙뿐만아니라, 다양한방화벽기능들을제공할수있도록추가연구가필요함 III. 국내외기술동향및경쟁력 1. 국내기술동향 국내 SDN기반방화벽기술의경우, SDN 제어기의애플리케이션방화벽형태의기술개발및 SDN 제어기의보안이슈위주등초기연구단계임 광주과학기술원 WiSe Lab 및 NetCS Lab 연구팀은소프트웨어정의망 (SDN) 보안분야연구를중점추진하고있는데, 대규모네트워크상에서사이버공격에대한탐지및분석기술을보유하고있으며, 다양한오픈소스와 Smart NIC 하드웨어를연계하는가시성확보및네트워킹가속화연구개발을진행하고있음 2. 해외기술동향 해외 SDN 기반방화벽기술의경우, Nicira Networks 의 NSX 와같이 NFV 기술과 34

37 ICT R&D 동향 SDN을접목하여라우팅, 로드밸런싱, 침입탐지, 방화벽등의네트워크기능들을소프트웨어기반으로실행하는애플리케이션인가상네트워크기능 (Virtual Network Function: VNF) 을통해트래픽의세분화된특성에따라하이브리드방화벽기술개발이이루어지고있음 Technical University of Munich, SanJose State University 등학계에서도 SDN/NFV 기반의차세대방화벽기술들에대한다양한연구가진행되고있음 3. 표준화동향 국내표준화동향 - 정보통신표준화위원회사이버보안프로젝트그룹 (PG503) 에서는클라우드컴퓨팅, 미래인터넷등네트워크보안기술, 스마트모바일네트워크보안및모바일유해정보방지기술, 사이버보안기술등의표준화를진행하고있음 국외표준화동향 - ITU-T SG17에서는통신망기반의관리체계, 사이버보안, 스팸대응, 통신서비스보안, 응용서비스보안, 클라우드보안등의국제표준화가진행되고있음 4. 기술적경쟁력 경쟁기술 AuthFlow Nicira 사의 NSX 본기술의우수성및차별성 SDN 기반방화벽의종래기술은별도의관리서버를두거나, 각가상머신마다방화벽을둠으로써네트워크및컴퓨팅자원사용량이증가하는등의비효율적인문제가있음. 본기술은별도의추가적인하드웨어장비가없어도하드웨어, 소프트웨어, 가상머신, 컨테이너등으로구현된방화벽들이가지고있는정보를안전하게활용할수있음 NFV 기술을 SDN 과접목하여방화벽기능을제공하는 NSX 에적용하면, 각가상머신혹은컨테이너에분산되어있는방화벽정보를병합하여네트워크의스위치들에배치함으로써, 데이터센터의자원사용을줄일수있는장점이있음 정보통신기획평가원 35

38 주간기술동향 IV. 국내외시장동향및전망 1. 국내시장동향및전망 아토리서치, 나임네트웍스등의 SDN 기술기반중소기업들위주로차세대방화벽기술연구및개발이진행되고있음 안랩(Ahn Lab) 은국내의대표적보안업체로 24시간모니터링, 침입시도에대한탐지, 분석, 대응등보안관제서비스를제공하고있음 2. 해외시장동향및전망 Juniper Networks, Cisco, Palo Alot Networks, Infosim GmbH & Co. KG, VMWare, AWS 등기존네트워크기업뿐만아니라다양한 IT 기업들이클라우드환경에서소프트웨어중심의 SDN/NFV 기반의개방형네트워크보안가상화기술을기반으로기존보안장비가연동할수있는보안기술및제품개발등을진행하고있음 3. 제품화및활용분야 활용분야 ( 제품 / 서비스 ) 데이터센터 제품및활용분야세부내용 마이크로방화벽배치기술은데이터센터등대규모데이터전송량이필수적인환경에적용되어데이터안정성및데이터처리효율성을향상시킬수있음. 또한, 데이터센터의서버들의정보를안전하게수집하여운영효율성및안정성을향상시킬수있음 V. 기대효과 1. 기술도입으로인한경제적효과 본기술은 SDN 이적용되는네트워크보안을위한솔루션으로 SDN 을기반으로하는 36

39 ICT R&D 동향 모든서비스사업에도입가능하며, 구체적으로는 SDN을기반으로한데이터센터운영비용절감및사이버보안을위해적용할수있음 클라우드환경에서는 CPU와같은컴퓨팅자원및네트워크자원의사용량에따라비용이결정되며, 네트워크에흐르는트래픽의양과서버들의자원사용량을줄임으로써, 클라우드컴퓨팅환경유지보수비용의절감효과가기대됨 2. 기술사업화로인한파급효과 네트워크상황에따라동적으로방화벽을배치함으로써, 기존방화벽기술의문제점인고정된위치문제를해결하고사이버보안의유연성을증대시킬수있을것으로기대됨 안전하게호스트들의정보를 SDN 제어기로병합하는기술및마이크로방화벽배치기술은데이터센터등대규모데이터전송량이필수적인환경에적용되어, 데이터안정성및데이터처리효율성을향상시킬수있을것으로기대됨 정보통신기획평가원 37

40 주간기술동향 ICT R&D 동향 chapter 3-2 딥러닝기반다중 CCTV 영상내차량분류및재식별기술 * 김건우 한국전자통신연구원책임연구원 I. 결과물개요 개발목표시기 기술성숙도 (TRL) 개발전 개발후 TRL 5 TRL 7 결과물형태 SW-System, Patent, Service 검증방법 Q-mark 인증 Keywords 차량재식별 외부기술요소 100% 개발기술권리성특허, SW-IP II. 기술의개념및내용 1. 기술의개념 CCTV 가촬영하는데이터에서관심차량의제조사, 모델, 색상, 크기및방향등의 속성을식별하고이동시간상해당차량이지나갔음이예상되는다중 CCTV 에서유사 * 본내용은김건우책임연구원 ( ) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP 의공식적인입장이아님을밝힙니다. *** 정보통신기획평가원은현재개발진행및완료예정인 ICT R&D 성과결과물을과제종료이전에공개하는 ICT R&D 사업화를위한기술예고 를 2014 년부터실시하고있는바, 본칼럼에서는이를통해공개한결과물의기술이전, 사업화등기술활용도제고를위해매주 1~2 건의관련기술을소개함 38

41 ICT R&D 동향 [ 그림 1] 기술개념도 차량을찾아재식별하는영상분석기술 차량재식별기술은 CCTV 영상에서탐지된차량이미지 (gallery) 들중에서목표 (probe) 이미지와동일한차종의후보들을 (Re-ID Vehicles) 찾는것을의미 2. 기술의상세내용및사업화제약사항 기술의상세내용 - 지능형영상인식솔루션제공을위한실제환경에서수집된영상에대한실증치안 DB 구축기술, 지능형치안서비스에필요한차량모델인식신경망, 차량추적기술을포함하며, 이들기술기반의차량재식별서비스를제공 - CCTV 영상을기반으로차량을탐지하는기술, 탐지된차량을분류하여확률상동일한차종을인식하는재식별기술, 위두기술을연동하여다중의 CCTV 영상에서특정차량을추적하는시스템기술 - 실환경 CCTV에최적화된딥러닝모델학습, 추적하고자하는차량의모델기반추적을통한예측신뢰도향상 정보통신기획평가원 39

42 주간기술동향 기술이전범위 - 딥러닝기반 CCTV 영상내차량탐지및추적기술 - 딥러닝기반 CCTV 영상내차량분류기술 - 다중 CCTV 영상내차량재식별기술 - 요구사항정의서, 시험절차서, 특허및 S/W 프로그램 사업화제약사항 - 광역범위치안목적의 CCTV 영상획득은 VMS와같은시스템을통한연동이필요함 - S/W 기술로목표 CCTV 회선수에적합한 H/W 구축이필요함 - 개인정보비식별화정책에따른영상획득방법의변경이예상됨 III. 국내외기술동향및경쟁력 1. 국내기술동향 카메라를이용한차량인식기술은번호판인식을중심으로상용화가이루어지고있으며, 주차장자동출입, 체납차량번호인식시스템제품등에주로활용이되고있음 - CCTV와같이자유롭게획득된영상기반번호판인식기술은카메라환경의큰차이로낮은성능에머무르고있으며, 차량색상이나모양등외관특성을이용한차량인식기술은아직연구개발이진행되고있는분야임 ETRI에서 CCTV뿐만아니라차량용블랙박스, 스마트폰등으로촬영된영상을분석해서사람의이동을골든타임내에서검색하고추적하는영상재식별 (Re-identification) 기술, 사람이나시스템으로식별이어려운차량번호판복원 (Number Plate Deep Resolution: NPDR) 기술, 실시간교통사고를감지하는기술및이로인해발생할수있는사생활침해와같은보안역기능을방지하기위한증강프라이버시마스킹 / 복원, 영상경량암 복호기술등을개발함 40

43 ICT R&D 동향 KETI 에서지능형자동차안전을위해이탈및충돌방지등을위한영상인식기술을 개발함 - 블랙박스와같은임베디드시스템응용기술이확보됨 3. 해외기술동향 차량인식기술은현재지능형자동차안전기술분야에서핵심기술로활용이되고있으며주요글로벌완성차업체들중심으로자율주행등의목적으로집중적인투자가이루어져상용차량에탑재된형태로출시되고있음 매년 NVIDIA AI City Challenge에서발표된차량속도추정, 도로이상탐지, 차량재식별기술의성능현황을볼수있음 - 특히, 차량재식별기술은 4개의다른장소에서촬영된 30~90분길이의 15개동영상에대해영상에존재하는모든차량을식별. 성능은 Track Detection Rate (TDR) 와 localization precision(pr) 을이용하여 S3=(TDR+PR)/2로정의 - 출전한 UW팀에서 CompCar로학습한 GoogleLeNet 기반의 1024D 특징과외형, 차량번호판인식, travel time loss 등의다양한 loss를통해절반가량의 control vehicle을식별하였음 년 S3 기준 표준화동향 국내의경우 TTA 지능형 CCTV 프로젝트그룹 PG427에서지능형 CCTV 장비의기술성능, 설치, 관제 운영, 시스템기능, 장비의객관적인시험방법, 시스템의상호연동, 장비간전송방식, CCTV 솔루션성능시험방법등의표준개발을진행하고있음 해외의경우, IEC TC 79 산하 WG 12에서 CCTV를영상보안시스템으로칭하고관련시스템요구사항, 비디오전송프로토콜, 아날로그와디지털비디오인터페이스, 응용가이드라인 4개부문에서 7개의표준개발을진행하고있음 ONVIF는매년 IP 카메라나 NVR 등은연결한사용자기반시나리오를통해장비간호환성테스트를진행하여표준을만족하는지확인할수있도록테스트툴을제공 정보통신기획평가원 41

44 주간기술동향 하고 ONVIF 인증로고를발행하고있음 5. 관련보유특허 No. 국가출원번호 ( 출원일 ) 상태명칭 1 KOREA ( ) 출원 단속카메라로촬영된위반사실을이용한확률적예측서비스제공방법및이를위한장치 6. 기술적경쟁력 경쟁기술 텐왕 본기술의우수성및차별성 실환경 CCTV, VMS 호환성, 정확도 85% 이상의성능 IV. 국내외시장동향및전망 1. 국내시장동향및전망 국내보안시장은다른산업군에비해고성장세를유지할것으로예측되고있으며, 특히지능형 CCTV는물리보안시장의 35% 로시장성장을견인할것으로예상됨 국내외보안시장전망보고서 에서는지능형 CCTV와관련된물리보안시장이전년대비 4.2% 성장한 3조 8,144억원규모로확대될것으로예측했으며, 그중통합보안관련서비스의시장규모가 1조 5,254억원 (40%), CCTV 영상감시관련이 1조 3,438억원 (35.23%), 출입통제관련이 3,978억원 (10.43%), 생체인식관련이 2,834억원 (7.43%), 알람 모니터링관련이 2,640억원 (6.92%) 이될것으로전망함 2. 해외시장동향및전망 2012 년전세계보안산업은 1,732 억달러 ( 약 190 조원 ) 규모였으나, 연평균 10.5% 의 42

45 ICT R&D 동향 성장을하여 2017년에는 2,851억달러 ( 약 314조원 ) 에이르렀으며, 국내시장비율은 2012년 2.4% 에서 2017년까지 4% 대까지확대됨 - 특히, CCTV 영상분석과관련한세계시장규모는 2017년기준 5,474억원으로, 연평균 31% 의성장률을보이고있으며, 전세계적으로 CCTV 카메라설치대수는약 3,000만대설치되어있음 중국의경우는연평균 15% 이상의고성장시장이열릴것으로예상됨 - 중국산업연구원조사보고서에따르면, 중국 CCTV 시장규모는 2010년 242억위안에서연평균 25.86% 증가세를보이며 2017년에는 1,063억위안에이르러, 7년사이에 500% 내외로급속성장함 - CCTV 사용분야는평안도시건설 (18%), 금융 (16%), 교통 (15%), 공장산업구 (11%), 빌딩 (10%), 교육 (8%), 소매 (6%), 의료 (5%), 기타 (11%) 등이있음 3. 제품화및활용분야 활용분야 ( 제품 / 서비스 ) CCTV 영상감시서비스알람 모니터링서비스통합보안서비스지능형 CCTV 제품및활용분야세부내용지능형 CCTV 서비스플랫폼개발, 통합관제센터구축관심차량추적및모니터링서비스 CCTV VMS 연동서비스, ONVIF 표준연동 Edge형경량화된지능형 CCTV V. 기대효과 1. 기술도입으로인한경제적효과 영상기반차량분류및재식별솔루션제품의경우기존제품대비가격절감이기대 지능형 CCTV 검색기술의외국기술에대한의존도를낮추고국내지능형 CCTV 관제기술의확보로글로벌시장경쟁력을강화함 정보통신기획평가원 43

46 주간기술동향 기술사업화로인한파급효과 용의차량추적이용이해져사회적안전강화 스마트시티핵심기술로활용가능 고속으로이동하는차량재식별을위해 5G 저지연 Edge 기반응용서비스로활용 44

47 사업책임자 : 문형돈 ( 기술정책단장 ) 과제책임자 : 이성용 ( 융합정책팀장 ) 참여연구원 : 이재환, 이효은, 권요안, 김용균, 박주혁, 김우진, 전영미 ( 위촉 ) 통권 1929 호 ( ) 발행년월일 : 2020년 1월 15일발행소 : 편집인겸발행인 : 석제범등록번호 : 대전다 등록년월일 : 1985년 11월 4일인쇄인 : 승일미디어그룹 (34054) 대전광역시유성구유성대로 1548( 화암동 58-4번지 ) 전화 : (042) , 8210 팩스 : (042)

48