이 논문은 **"에이건 **(Aegon)이라는 새로운 시스템을 소개합니다. 쉽게 말해, "**인공지능 **(AI)"을 만드는 기술입니다.
지금까지 AI 회사들이 뉴스나 블로그 글을 가져다 쓸 때, "이거 쓰도 돼요?"라고 물어보는 시스템은 없었습니다. 그래서 출판사들은 "AI 가 내 글을 훔쳐가서 훈련시키지 말라"고 막거나, 아예 아무런 보상 없이 쓰게 두는 상황이었죠.
에이건은 이 문제를 해결하기 위해 세 가지 핵심 아이디어를 사용합니다.
1. "변조 불가능한 영수증 장부" (Ledger-Bound Tokens)
비유: 은행의 '공개 장부'와 '수표'
문제: AI 회사가 출판사에게 "이 기사를 100 회 읽을게요"라고 말하고 수표 (라이선스) 를 끊었다고 합시다. 하지만 나중에 "아, 그건 거짓말이었어요. 안 썼어요"라고 부인하면 어떡하죠?
해결: 에이건은 AI 가 글을 읽을 때마다 **수표 **(JWT 토큰)를 발행합니다.
이 수표는 마치 **은행의 공개 장부 **(Certificate Transparency)에 기록됩니다.
한 번 장부에 적힌 내용은 다시 바꿀 수 없습니다.
제 3 자 감사인 (감사관) 은 이 장부를 열어보고 "어? 이 AI 회사가 이 글을 읽었다는 기록이 있네? 그리고 그 기록이 나중에 조작되지 않았다는 걸 수학적으로 증명할 수 있네!"라고 확인할 수 있습니다.
효과: AI 회사가 "우린 안 썼어요"라고 거짓말을 해도, 공개된 장부에 기록이 남아있기 때문에 들통납니다.
2. "AI 의 이동 경로 추적기" (Provenance Event Log)
비유: 택배의 '배송 추적' 시스템
문제: AI 가 글을 가져와서 어떻게 처리했는지 알 수 없어요. 그냥 가져다가 AI 모델 학습에 썼는지, 아니면 요약만 했는지 구별이 안 됩니다.
해결: 에이건은 AI 가 글을 처리하는 각 단계 (글을 가져옴 -> 조각냄 -> 요약함 -> 인용함) 마다 디지털 도장을 찍습니다.
마치 택배가 "창고 도착" -> "배송 중" -> "배달 완료"로 상태가 바뀌며 기록되듯, AI 가 글을 어떻게 변형했는지 **이력 **(Provenance)을 남깁니다.
이 기록은 앞의 '공개 장부'와 연결되어 있어서, "이 글이 실제로 AI 에게 어떻게 쓰였는지"를 투명하게 보여줍니다.
3. "휴대폰의 '보안 금고' 인증" (Hardware-Attested Receipts)
비유: 스마트폰의 '지문 잠금'과 '공인된 도장'
문제: 우리 손안의 스마트폰 AI(예: 갤럭시의 AI 비서) 가 인터넷 글을 읽을 때, 이 AI 가 정말로 정당한 권한으로 읽었는지 증명할 방법이 없었습니다.
해결: 에이건은 안드로이드 폰의 **강력한 보안 칩 **(StrongBox)을 이용합니다.
이 보안 칩은 변조할 수 없는 금고처럼 작동합니다.
AI 가 글을 읽을 때마다 이 금고에서 **공인된 도장 **(하드웨어 인증 영수증)을 찍어줍니다.
이 도장은 "이 폰의 AI 가 정말로 이 글을 읽었고, 그 권한이 유효했다"는 것을 물리적으로 증명합니다.
오프라인에서도 가능: 인터넷이 끊겨도 폰 안에 영수증을 쌓아두었다가, 인터넷이 연결되면 한꺼번에 보내는 방식입니다.
요약: 에이건이 왜 필요한가요?
지금까지 AI 와 출판사의 관계는 "서로 믿지 못하는 상태"였습니다.
출판사: "AI 가 내 글을 훔쳐가서 내 돈을 빼먹지 않을까?"
AI 회사: "출판사가 정말로 내게 글을 팔았는지, 아니면 나중에 소송 걸지 않을까?"
에이건은 이 두 마리의 토끼를 잡습니다.
출판사는 "내 글이 어떻게 쓰였는지, 누가 썼는지"를 공개 장부로 확인할 수 있습니다.
AI 회사는 "내가 정당한 대가를 치르고 글을 썼다"는 것을 수학적 증명과 하드웨어 인증으로 보여줄 수 있습니다.
결론적으로, 에이건은 AI 시대에 "누가, 무엇을, 언제, 어떻게 썼는지"를 투명하게 기록하고, 그 기록이 조작되지 않았음을 증명하는 디지털 신뢰의 인프라를 만드는 것입니다. 마치 인터넷 시대에 'HTTPS(안전한 연결)'가 등장했듯이, 이제는 'AI 콘텐츠의 안전한 거래'를 위한 표준이 되는 것을 목표로 합니다.
1. 문제 정의 (Problem Statement)
최근 생성형 AI 및 대규모 언어 모델 (LLM) 의 발전으로 웹 콘텐츠에 대한 접근이 급증했으나, 콘텐츠 라이선싱과 감사 (Audit) 측면에서 다음과 같은 조정 실패 (Coordination Failure) 가 발생하고 있습니다.
검증 가능한 라이선스 부재: AI 플랫폼이 콘텐츠에 접근할 때 라이선스 조건을 검증할 수 있는 표준 메커니즘이 없습니다.
출판사의 딜레마: 출판사는 AI 트래픽을 완전히 차단하거나, 보상이 없는 무제한 접근을 허용하는 극단적인 선택을 강요받습니다.
법적 리스크: AI 플랫폼은 라이선스 없이 콘텐츠를 스크랩하여 수십억 달러 규모의 소송 위험에 노출되어 있습니다.
감사 추적 (Audit Trail) 부재: 콘텐츠가 합법적으로 접근되었음을 증명할 수 있는 조작 방지 (Tamper-evident) 기록이 존재하지 않습니다.
모바일 에이전트의 취약점: 온디바이스 (On-device) AI 에이전트 (예: Gemini Nano, Llama) 는 모바일 환경에서 라이선스 인프라 없이 콘텐츠를 접근하며, 기존 DRM 은 복호화에는 초점을 맞추지만 감사용 준수 영수증 (Compliance Receipt) 을 생성하지는 않습니다.
2. 방법론 및 시스템 설계 (Methodology & System Design)
Aegon은 기존 표준 (JWT, JWKS) 을 확장하고, Certificate Transparency (CT) 방식의 감사 구조와 하드웨어 기반 증명 (Hardware Attestation) 을 결합한 프로토콜입니다. 시스템은 크게 두 가지 레이어로 구성됩니다.
A. 웹 레이어 (Web Layer)
라이선스 토큰 (Ledger-Bound Tokens):
표준 JWT(Java Web Token) 에 콘텐츠 특화 라이선스 클레임 (aegon_* 필드) 을 추가합니다.
토큰에는 콘텐츠 해시가 포함되지 않으며 (발급 시점 미확인), 발행 후 출판사가 콘텐츠 해시를 계산하여 대장에 기록하는 방식 (Post-facto verification) 을 사용합니다.
토큰은 JWKS 를 통해 에지 (Edge) 에서 검증되며, 브로커와의 왕복 통신 없이 검증 가능합니다.
감사 장부 및 Merkle 트리:
모든 라이선스 거래는 Append-only(추가 전용) 장부에 기록됩니다.
Certificate Transparency (CT) 스타일의 Merkle Tree를 구성하여, 제 3 자 감사가 특정 거래가 장부에 기록되었는지와 사후 수정되지 않았음을 포함 증명 (Inclusion Proof) 으로 독립적으로 검증할 수 있게 합니다.
서명된 Signed Tree Head (STH) 를 정기적으로 발행하여 장부 상태를 공개합니다.
출처 추적 로그 (Provenance Event Log):
콘텐츠가 AI 파이프라인을 거치는 단계 (분할, 임베딩, 검색, 인용 등) 에서 서명된 이벤트 로그를 생성합니다.
각 이벤트는 거래 ID(Txn ID) 를 통해 장부 항목에 묶여, 콘텐츠의 변형 과정을 추적합니다.
B. 안드로이드 모바일 레이어 (Android Mobile Attestation Layer)
하드웨어 기반 준수 영수증:
모바일 AI 에이전트가 콘텐츠를 소비할 때, Android StrongBox (보안 요소) 또는 KeyMint(TEE) 를 사용하여 하드웨어로 보호된 키로 서명된 준수 영수증 (Compliance Receipt) 을 생성합니다.
이는 모바일 AI 콘텐츠 라이선싱 분야에서 하드웨어 증명을 적용한 최초의 사례입니다.
오프라인 처리 및 배치:
네트워크 연결이 불안정한 모바일 환경에서 영수증을 로컬 암호화 저장소 (SQLite + SQLCipher) 에 큐에 저장했다가 연결이 복구되면 배치 (Batch) 로 제출합니다.
프라이버시 보호:
출판사별 위조된 식별자 (Publisher Scope ID) 를 사용하여 기기 추적을 방지합니다.
3. 주요 기여 (Key Contributions)
이 논문은 콘텐츠 라이선싱 분야에서 다음과 같은 선구적인 기여를 합니다.
감사 가능한 웹 프로토콜 레이어:
표준 JWT 를 확장한 콘텐츠 특화 라이선스 클레임 정의.
CT(인증서 투명성) 모델을 콘텐츠 라이선싱에 처음 적용한 Merkle 트리 기반의 감사 장부 구축.
암호학적으로 서명된 출처 추적 로그를 통한 AI 변환 단계의 투명성 확보.
안드로이드 증명 레이어:
모바일 AI 에이전트를 위한 하드웨어 증명 준수 영수증 도입 (StrongBox 활용).
오프라인 환경에서의 증명 배치 및 재생 방지 (Replay Resistance) 메커니즘 구현.
참조 아키텍처 및 평가 방법론:
표준 HTTPS 와 기존 인프라 (Cloudflare Workers, AWS KMS 등) 를 활용한 저비용 도입 모델 제시.
프로토콜 오버헤드 측정을 위한 구체적인 평가 지표 정의.
4. 결과 및 성능 목표 (Results & Performance Targets)
실제 프로토타입 구현은 계획 중이며, 논문에서는 다음과 같은 성능 목표를 제시합니다.
토큰 검증 지연: 에지 (Edge) 에서 캐시된 JWKS 를 사용할 경우 P95 기준 10ms 미만.
토큰 발급 지연: 초당 100 건 요청 시 P95 기준 50ms 미만.
강한 보안 (StrongBox) 서명: P95 기준 100ms 미만.
영수증 크기: 4KB 미만.
보안성: 토큰 재생 (Replay), 위조, 무단 재사용 등 모든 공격 벡터가 탐지되도록 설계됨.
검증 방식: 브로커는 거래의 5% 를 무작위 샘플링 (Spot-check) 하여 출판사가 주장한 콘텐츠 해시를 검증합니다.
5. 의의 및 의의 (Significance)
법적 및 규제적 신뢰성 확보: AI 플랫폼과 출판사 간의 불신을 해소하고, 콘텐츠 접근의 합법성을 암호학적으로 증명할 수 있는 인프라를 제공합니다.
기존 표준과의 호환성: RSL(라이선스 정책 선언), OAuth 2.0, JWT 등 기존 표준을 대체하지 않고 보완하여 도입 장벽을 낮춥니다.
모바일 AI 시대의 보안: 온디바이스 AI 에이전트가 증가하는 상황에서, 하드웨어 기반의 신뢰할 수 있는 감사 추적을 가능하게 합니다.
상업적 타당성: Cashmere 등 유사한 상업적 플랫폼의 성장으로 해당 인프라에 대한 수요가 입증되었으며, Aegon 은 이를 오픈 프로토콜과 감사 가능한 구조로 표준화합니다.
6. 한계점 및 향후 과제
출처 추적의 완전성: 기록된 이벤트는 변조가 불가능하지만, 악의적인 플랫폼이 로그를 아예 남기지 않는 경우 (Completeness) 를 암호학적으로 강제할 수는 없습니다 (v1 에서는 계약적 제재로 대응).
훈련 데이터 사용 방지: 콘텐츠가 훈련에 사용되지 않았음을 암호학적으로 증명하는 것은 여전히 해결되지 않은 문제입니다.
브로커 신뢰: 현재 시스템은 중앙 집중식 브로커를 신뢰해야 합니다 (향후 MPC 등을 통한 분산화 논의).
모바일 기기 다양성: 모든 안드로이드 기기가 StrongBox 를 지원하는 것은 아니며, KeyMint 로의 폴백 시 보안 수준이 낮아질 수 있습니다.
결론적으로, Aegon 은 AI 콘텐츠 라이선싱의 '블랙박스'를 해소하고, 투명하고 검증 가능한 감사 인프라를 구축하여 AI 생태계의 지속 가능한 성장을 위한 기술적 토대를 마련한 연구입니다.