💻 computer science

Hermes Seal: Zero-Knowledge Assurance for Autonomous Vehicle Communications

이 논문은 자율주행 차량 간 통신에서 민감한 데이터와 독점 모델을 공개하지 않고도 인식 및 의사결정 과정의 무결성을 검증할 수 있도록 하는 '헤르메스 실 (Hermes Seal)'이라는 영지식 증명 (zk-SNARK) 기반 프레임워크를 제안하고, 이를 통해 실시간 증명 생성 및 검증을 가능하게 하는 두 가지 사례 연구를 통해 그 유효성을 입증합니다.

원저자: Munawar Hasan, Apostol Vassilev, Edward Griffor, Thoshitha Gamage

게시일 2026-03-30

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Munawar Hasan, Apostol Vassilev, Edward Griffor, Thoshitha Gamage

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

헤르메스의 도장: 자율주행차를 위한 '비밀 유지 인증서'

이 논문은 자율주행차들이 서로 정보를 주고받을 때, "내 차가 정말 안전하게 운전하고 있다"는 것을 증명하면서도, "내 차의 비밀스러운 뇌(모델)나 눈(센서) 데이터는 절대 남에게 보여주지 않는" 새로운 기술을 제안합니다.

이 기술을 **'헤르메스의 도장 (Hermes' Seal)'**이라고 부릅니다. 그리스 신화의 신 헤르메스는 신들의 메시지를 전달하는 사자였는데, 이 기술도 마치 그가 전달하듯 신뢰할 수 있는 메시지를 전달하면서도 내용을 숨기는 역할을 합니다.

1. 왜 이런 기술이 필요할까요? (비밀과 신뢰의 딜레마)

자율주행차는 카메라나 라이다 같은 센서로 주변을 보고, AI(인공지능) 가 그 데이터를 분석해 운전합니다.
이제 차들이 서로 대화하며 (차량 간 통신) 서로의 시야를 공유하면 더 안전해집니다. 예를 들어, 내 차 앞의 건물이 가려서 보이지 않는 자전거가 있다면, 옆을 지나가는 다른 차가 "저기 자전거가 있어요!"라고 알려주는 거죠.

하지만 여기서 큰 문제가 생깁니다.

내 차는 비밀을 지키고 싶어: 내 차가 어떤 AI 모델을 쓰는지, 센서 데이터가 어떻게 처리되는지는 회사의 **핵심 비밀 (지식재산권)**입니다. 남에게 보여주면 안 되죠.
다른 차는 믿고 싶어: "너가 정말 자전거를 봤니? 아니면 거짓말하고 있니?"라고 확인하고 싶어 합니다.

기존에는 이 두 가지를 모두 만족시키기 어려웠습니다. 데이터를 보여주면 비밀이 새고, 안 보여주면 믿을 수 없으니까요.

2. 해법은 무엇인가요? (영지식 증명, ZKP)

이 논문은 **'영지식 증명 (Zero-Knowledge Proof, ZKP)'**이라는 암호학 기술을 사용합니다.
이를 쉽게 비유하자면 다음과 같습니다.

비유: "보물찾기 게임"

상황: A 가 "나는 보물을 찾았어!"라고 말합니다.

기존 방식: A 가 보물을 꺼내 보여줍니다. (비밀이 노출됨)

헤르메스의 도장 방식: A 는 보물을 보여주지 않고, **"내가 보물을 찾았다는 것을 증명하는 특수한 도장"**만 보여줍니다.

결과: B 는 "아, 이 도장이 진짜라면 A 는 보물을 찾은 게 틀림없구나"라고 믿게 됩니다. 하지만 A 가 보물을 어떻게 찾았는지, 보물이 어떤 생김새인지는 전혀 모릅니다.

이 기술은 자율주행차가 **"내 차가 안전 규칙을 지켰다"**는 사실만 증명하고, 그 내부의 복잡한 계산 과정이나 센서 데이터는 완전히 숨깁니다.

3. 이 기술은 어떻게 작동하나요? (세 가지 역할)

이 시스템은 세 가지 주체가 협력합니다.

규칙을 정하는 심판 (Enforcing Authority):
- 국가 기관이나 표준 기구 같은 역할입니다. "자전거를 볼 때는 75% 이상 확신해야 한다", "정지 표지판까지 거리가 25 미터 이상이어야 한다" 같은 안전 규칙을 정하고, 이를 증명할 수 있는 '도장 만드는 기계 (회로)'를 만듭니다.
증명하는 차 (Prover, 내 차):
- 내 차는 센서로 데이터를 보고 AI 가 판단합니다. 이때 **비밀 데이터(센서 값, AI 모델)**는 숨긴 채로, 심판이 정한 규칙을 지켰다는 **'도장 (증명서)'**을 만들어냅니다.
확인하는 차 (Verifier, 옆 차나 도로 시설):
- 옆에 오는 차나 도로에 있는 기기는 받은 '도장'을 확인합니다. 복잡한 계산을 다시 할 필요 없이, 도장이 진짜인지 순간적으로 확인할 수 있습니다. 도장이 진짜라면 "아, 이 차는 안전하게 운전하고 있구나"라고 믿고 정보를 받아들입니다.

4. 실제 사례 (두 가지 상황)

논문은 이 기술이 실제로 어떻게 쓰일지 두 가지 예를 들었습니다.

사례 1: "안전 거리 유지 증명"
- 내 차가 정지 표지판 앞에서 멈추고 있다고 가정해 봅시다.
- 내 차는 "내가 정지 표지판을 봤고, 안전 거리 안에 멈췄다"는 것을 증명합니다.
- 비밀: 내 차가 얼마나 빠른지, 정확한 위치 좌표, 어떤 AI 모델을 쓰는지 등은 숨깁니다.
- 결과: 뒤에 오는 차는 "저 차는 안전하게 멈췄구나"라고 믿고 자신의 속도를 조절합니다.
사례 2: "모델 성능 검증 (모델 감사)"
- 정부나 기관이 "우리 차의 AI 가 보행자를 얼마나 잘 찾는지 확인해 달라"고 요청합니다.
- 내 차는 "내 AI 가 보행자를 99% 정확도로 찾는다"는 것을 증명합니다.
- 비밀: 내가 어떤 보행자를 어떻게 찾았는지, 그 이미지 데이터나 AI 의 내부 구조는 절대 보여주지 않습니다.
- 결과: 기관은 "이 차의 기술은 신뢰할 만하다"고 인정하면서도, 회사의 비밀은 지켜줍니다.

5. 성능은 어떨까요? (빠르고 가볍게)

자율주행은 순간적인 결정이 생명이므로, 증명하는 과정이 너무 느리면 안 됩니다.
이 논문은 최신 그래픽 카드 (GPU) 와 최적화된 기술을 써서 8 밀리초 (0.008 초) 만에 증명서를 만들고, 1 밀리초 만에 확인하는 놀라운 속도를 달성했습니다. 이는 사람이 눈을 깜빡이는 시간보다 훨씬 빠릅니다.

6. 결론: 왜 이것이 중요한가요?

이 기술은 자율주행차의 미래를 바꿀 수 있는 열쇠입니다.

신뢰: 서로 모르는 차끼리도 데이터를 믿고 공유할 수 있습니다.
비밀: 회사의 핵심 기술 (AI 모델) 은 보호받습니다.
협력: 각자 다른 기술을 쓴 차들도 함께 안전을 지킬 수 있습니다.

마치 헤르메스가 신들의 메시지를 안전하게 전달하듯, 이 '헤르메스의 도장'은 자율주행차들이 서로의 비밀을 지키면서도 서로를 신뢰하며 함께 안전한 길을 가게 해줍니다.

1. 연구 배경 및 문제 정의 (Problem)

자율주행차 (AV) 의 협력 인식 (Cooperative Perception) 한계: 자율주행차는 카메라, 라이다 등 센서를 통해 환경을 인식하지만, 건물이나 다른 차량에 의해 가려진 (Occlusion) 사각지대에서는 위험을 감지하지 못합니다. 이를 해결하기 위해 차량 간 (V2V) 또는 차량 - 인프라 간 (V2I) 통신을 통해 주변 차량의 인식 데이터를 공유하는 '협력 인식'이 필요합니다.
신뢰와 프라이버시의 딜레마:
- 신뢰 부재: 수신 차량은 송신 차량이 보낸 데이터가 조작되지 않았고, 안전 규정 (예: 감지 신뢰도, 거리 계산 등) 을 준수했는지 검증할 방법이 없습니다.
- 프라이버리 및 지식재산권 보호: raw 센서 데이터나 AI 모델의 가중치 (Weights) 를 공개하면 기업의 핵심 기술 (지식재산권) 이 유출되거나, 사용자의 위치/개인정보가 노출될 수 있어 데이터 공유를 꺼립니다.
기존 기술의 한계: 기존 영지식 증명 (ZKP) 기술은 블록체인 등에 적용되지만, 자율주행의 실시간성 (저지연) 요구사항을 충족하지 못하거나, 대역폭이 제한된 V2X 환경에 부적합한 경우가 많습니다.

2. 제안 방법론: Hermes' Seal (Methodology)

이 논문은 자율주행차의 인식 데이터를 공유할 때 데이터 자체는 숨기면서, 데이터의 정확성과 규정 준수 여부만 증명할 수 있는 **zk-SNARK 기반 프레임워크 'Hermes' Seal'**을 제안합니다.

핵심 아키텍처 및 프로세스

엔티티 (Entities):
- Prover (P): 자율주행차 (Ego Vehicle). 자신의 센서 데이터와 모델 추론 결과를 기반으로 증명 (Proof) 을 생성합니다.
- Verifier (V): 수신 차량, 도로 인프라 (RSU), 또는 규제 기관. 생성된 증명을 검증하여 데이터의 신뢰성을 확인합니다.
- Enforcing Authority (EA): 규제 기관 (예: NHTSA) 이나 표준 기구. 안전 기준과 논리적 제약 조건 (Constraints) 을 정의하고, 증명 생성/검증에 필요한 키 (pk, vk) 를 발급합니다.
작동 원리:
- 인수 (Inference-Level) 검증: 전체 AI 모델을 검증하는 것이 아니라, 특정 안전 제약 조건 (예: 정지 신호 감지 시 안전 거리 유지) 을 만족하는지 **추론 결과 (Inference Output)**에 대해만 ZKP 를 생성합니다. 이는 계산 부하를 줄이고 실시간성을 확보합니다.
- 데이터 분리:
  - 공개 입력 (Public Inputs, X): 검증에 필요한 정보 (예: 감지된 물체의 위치, 안전 상태 플래그).
  - 비밀 입력 (Private Inputs, W): 민감한 정보 (예: 원본 센서 데이터, 모델 가중치, 정확한 속도).
- 프로토콜 흐름:
  1. EA 가 안전 규칙을 회로 (Circuit) 로 변환하고 키를 생성합니다.
  2. AV 는 자신의 센서 데이터 (W) 와 공개 데이터 (X) 를 이용해 zk-SNARK 증명 ( $\pi$ ) 을 생성하고 디지털 서명을 합니다.
  3. AV 는 증명 패키지를 브로드캐스트합니다.
  4. 수신자는 공개 키 (vk) 를 이용해 증명과 서명을 검증합니다. 검증이 통과되면 원본 데이터를 알지 못해도 해당 데이터가 안전 규정을 준수했다고 신뢰합니다.
기술적 선택:
- Groth16 프로토콜: 작은 증명 크기 (약 128 바이트) 와 상수 시간 검증 속도를 제공하여 대역폭이 제한된 V2X 환경과 실시간 결정 루프에 적합합니다. (신뢰된 설정 Trusted Setup 필요)
- 도메인 분리 (Domain Separation): 서로 다른 애플리케이션 (예: 객체 감지 vs 차선 유지) 간 증명 재사용 (Replay Attack) 을 방지하기 위해 4 바이트 도메인 식별자를 사용합니다.

3. 주요 기여 (Key Contributions)

Hermes' Seal 프레임워크 도입: 자율주행 시스템 간 정보 교환을 가능하게 하되, 독점 모델 정보와 원본 센서 데이터를 노출하지 않는 검증 가능한 통신 프레임워크를 최초로 제안했습니다.
협력 인식의 근본적 한계 해결: 외부에서 수신한 안전 관련 데이터에 대한 검증 불가능성 문제를 해결하여, 프라이버시를 보호하면서도 상호 운용성 (Interoperability) 을 확보하는 메커니즘을 제시했습니다.
규제 기관을 위한 검증 도구: 규제 당국이 차량의 규정 준수 여부를 프라이버시를 침해하지 않고 검증할 수 있는 ZKP 기반 메커니즘을 개발했습니다.
실제 사례 연구 및 오픈소스: 두 가지 실제 시나리오 (안전 거리 증명, 모델 성능 감사) 를 구현하고 검증 가능한 코드를 GitHub 에 공개했습니다.

4. 실험 결과 (Results)

논문은 두 가지 사례 연구를 통해 프레임워크의 성능을 평가했습니다.

사례 연구 1: 인식 무결성 (Perception Integrity)
- 시나리오: 정지 신호를 감지했을 때 RSS(Responsibility-Sensitive Safety) 모델에 따라 안전한 정지 거리를 유지하고 있는지 증명.
- 성능 (GPU 환경, RTX 4070):
  - 증명 생성 (Proof Generation): 8 ms
  - 증명 검증 (Verification): 1 ms
- 의의: 자율주행의 실시간 요구사항 (밀리초 단위) 을 충족함을 입증했습니다.
사례 연구 2: 모델 성능 감사 (Model Auditing)
- 시나리오: 표준 데이터셋 (Challenge Set) 에 대해 모델의 정밀도 (Precision) 와 재현율 (Recall) 이 기준을 만족하는지 증명하되, 실제 감지 결과 (Bounding Box 등) 는 숨김.
- 성능 비교:
  - SnarkJS (CPU 기반, JS): 증명 생성 2.1 초, 검증 1.4 초.
  - Rapidsnark (C++ 기반, CPU): 증명 생성 141 ms, 검증 41 ms.
  - Rapidsnark-GPU (GPU 가속): 증명 생성 54 ms, 검증 20 ms.
- 결과: 최적화된 C++ 구현체와 GPU 가속을 결합할 때, 기존 JS 기반 구현체 대비 25 배 이상의 성능 향상을 보였으며, 검증 시간은 75 배 이상 단축되었습니다.

5. 의의 및 결론 (Significance)

신뢰의 전환: 통신 참여자의 신원 (Identity) 에 의존하던 신뢰를, 수학적 증명 (Mathematical Validity) 에 기반한 신뢰로 전환시켰습니다. 이는 이기종 차량 (Tesla, Waymo 등 서로 다른 센서/모델을 가진 차량) 간의 협력 인식을 가능하게 합니다.
실용성: 모델 재학습이나 아키텍처 변경 없이 기존 인식 스택에 모듈 형태로 통합 가능하여 실제 배포에 유리합니다.
미래 방향:
- Proof of Execution (PoX): TEE(Trusted Execution Environment) 와 결합하여 입력 데이터가 실제 센서에서 왔음을 증명하는 단계로 확장 가능.
- 리더보드 통합: KITTI, Waymo 오토노미 등 벤치마크 리더보드에 ZKP 를 적용하여 모델 소유자가 성능을 증명하면서도 알고리즘을 보호할 수 있는 환경 조성.

결론적으로, Hermes' Seal 은 자율주행차의 협력 인식 시스템이 직면한 '데이터 공유 vs 프라이버시/지식재산권 보호'라는 핵심 갈등을 해결하고, 규제 준수와 안전성을 수학적으로 보장하는 실용적인 솔루션을 제시했다는 점에서 큰 의의가 있습니다.