1. 문제 정의 (Problem Statement)

• 배경: 저자 식별 (Authorship Attribution, AA) 과 AI 생성 텍스트 탐지는 디지털 환경에서 매우 중요한 과제입니다. 최근 대규모 언어 모델 (LLM) 의 발전으로 AI 생성 텍스트 탐지의 필요성이 커졌지만, 기존 방법론들은 여전히 한계가 있습니다.
• 핵심 문제: 콘텐츠 - 스타일 얽힘 (Content-Style Entanglement)
  • 기존 모델들은 저자의 고유한 '문체 (Style)'와 텍스트의 '주제 (Content/Topic)'를 명확히 구분하지 못합니다.
  • 모델이 저자의 정체성과 특정 주제 간의 허위 상관관계 (Spurious Correlation) 를 학습하게 되어, 다른 도메인이나 주제로 이동했을 때 성능이 급격히 떨어지는 일반화 (Generalization) 문제가 발생합니다.
  • 예시: 아서 코난 도일 (Arthur Conan Doyle) 의 문체를 학습한 모델이 '탐정 소설'이라는 주제만 보고도 그를 저자로 잘못 판단하는 경우.
• 기존 방법의 한계:
  • 단일 인코더를 사용하는 대부분의 해리 (Disentanglement) 방법들은 스타일과 콘텐츠를 하나의 임베딩에 암묵적으로 혼합합니다.
  • 기존 방법들은 학습된 표현에 대한 설명 가능성 (Interpretability) 이 부족하여, 어떤 문체적 특징이 판단에 기여했는지 이해하기 어렵습니다.

2. 제안 방법론: EAVAE (Explainable Authorship Variational Autoencoder)

저자들은 콘텐츠와 스타일을 명시적으로 분리하고 설명 가능한 모델을 구축하기 위해 EAVAE라는 새로운 프레임워크를 제안했습니다. 이는 두 단계의 학습 과정을 거칩니다.

2.1 1 단계: 대비 학습을 통한 사전 학습 (Contrastive Pre-training)

• 목적: 다양한 저자 데이터에서 강력한 저자 기반 표현 (Authorial Representations) 을 확립합니다.
• 방법:
  • 대규모 저자 레이블이 달린 데이터셋에서 지도 대비 학습 (Supervised Contrastive Learning) 을 수행합니다.
  • 하드 네거티브 마이닝 (Hard Negative Mining): BM25 를 사용하여 어휘적으로 유사하지만 저자가 다른 문서들을 '하드 네거티브'로 선별하여 학습합니다. 이는 모델이 표면적인 단어 유사성이 아닌 문체적 차이를 학습하도록 강제합니다.
  • 양방향 주의 메커니즘: 최신 LLM 표현 학습 기법을 따라 양방향 컨텍스트 모델링을 적용하여 표현의 질을 높입니다.

2.2 2 단계: 설명 가능한 변이 오토인코더 미세 조정 (Explainable VAE Fine-tuning)

이 단계는 아키텍처 설계에 의한 분리 (Separation-by-design) 를 통해 스타일과 콘텐츠를 명시적으로 해리합니다.

• 이중 인코더 아키텍처:
  • 스타일 인코더 ($E_s$) 와 콘텐츠 인코더 ($E_c$) 를 분리하여 각각 별도의 잠재 공간 (Latent Space) 을 학습합니다.
  • 학습된 잠재 변수 $z_s$ (스타일) 와 $z_c$ (콘텐츠) 는 다변량 가우시안 분포에서 샘플링되며, 두 분포의 독립성을 가정합니다.
• 공유 재구성기 (Shared Reconstructor):
  • 분리된 스타일과 콘텐츠 잠재 변수를 입력받아 원본 문서를 재구성하는 VAE 목적 함수를 사용합니다.
• 설명 가능한 판별자 (Explainable Discriminator):
  • 역할: 스타일/콘텐츠 표현 쌍이 동일한 출처 (저자/주제) 에서 왔는지 판별하는 동시에, 그 결정에 대한 자연어 설명 (Natural Language Explanation) 을 생성합니다.
  • 기반 기술: 생성형 모델 (Generator) 을 판별자로 활용합니다. 고정된 템플릿 프롬프트와 학습 가능한 소프트 프롬프트를 결합한 하이브리드 프롬프팅 (Hybrid Prompting) 메커니즘을 사용하여, 입력 표현을 프롬프트의 플레이스홀더에 삽입하고 재구성 또는 판별/설명 텍스트를 생성하도록 합니다.
  • 효과: 이 과정은 스타일 - 콘텐츠 독립성을 강제하면서도 모델이 왜 그런 판단을 내렸는지 인간이 이해할 수 있는 근거를 제공합니다.

3. 주요 기여 (Key Contributions)

1. 해리된 표현 학습 프레임워크: VAE 아키텍처를 활용하여 콘텐츠 도메인 간에 견고한 저자 식별을 가능하게 하는 명시적 해리 프레임워크를 처음 제안했습니다.
2. 설명 가능한 적대적 판별 목적 함수: 스타일과 콘텐츠의 해리를 강제하면서도, 학습된 표현에 대한 자연어 설명을 생성하여 모델의 투명성과 해석 가능성을 높이는 새로운 목적 함수를 도입했습니다.
3. 성능 입증: 저자 식별 (Authorship Attribution) 과 AI 생성 텍스트 탐지 (AI-generated Text Detection) 두 가지 과제에서 기존 최첨단 (SOTA) 방법론들을 능가하는 성능을 입증했습니다.

4. 실험 결과 (Results)

• 저자 식별 (Authorship Attribution):
  • 데이터셋: Amazon Reviews, PAN21, HRS 코퍼스 (5 개 이질적 도메인).
  • 성과: Amazon Reviews 에서 MRR 97.0%, Recall@8 99.0% 를 기록하여 기존 LUAR 모델보다 크게 향상되었습니다. 특히 HRS 코퍼스 (주제가 다양하고 저자가 겹치는 환경) 에서 기존 방법 대비 MRR 10.7%p, Recall@8 27.4%p 향상되어 도메인 간 일반화 능력이 탁월함을 입증했습니다.
• AI 생성 텍스트 탐지 (AI-generated Text Detection):
  • 데이터셋: M4 벤치마크 (ArXiv, WikiHow 등 다양한 도메인).
  • 성과: Few-shot 학습 설정에서 단일 타겟 및 멀티 타겟 탐지 모두에서 우수한 성능을 보였습니다. 특히 직접적인 탐지 작업에 대한 미세 조정 (Fine-tuning) 없이도 학습된 스타일 표현을 통해 AI 생성 텍스트를 효과적으로 탐지할 수 있음을 보여주었습니다.
• Ablation Study (성분 분석):
  • 아키텍처 해리 (Disentanglement): 단일 인코더를 사용한 경우 성능이 가장 크게 저하되어, 스타일과 콘텐츠의 명시적 분리가 핵심임을 증명했습니다.
  • 설명 가능한 판별자: 이를 제거할 경우 성능이 하락하여, 해리를 위한 적대적 학습과 설명 생성이 모델의 견고성에 기여함을 확인했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 기술적 의의: 이 연구는 생성형 AI 시대에 저자 식별과 AI 탐지가 직면한 '콘텐츠 - 스타일 혼란' 문제를 해결하기 위한 체계적인 접근법을 제시했습니다. 단순히 성능만 높이는 것을 넘어, 해리 (Disentanglement) 와 설명 가능성 (Explainability) 을 동시에 달성한 것이 가장 큰 특징입니다.
• 실용적 가치:
  • 저작권 보호, 학술적 무결성, 법의학 조사 등 다양한 분야에서 신뢰할 수 있는 저자 식별 도구로 활용 가능합니다.
  • 다양한 LLM 에 의해 생성된 텍스트를 탐지하는 데 있어 강력한 일반화 능력을 제공하여, 빠르게 진화하는 AI 위협에 대응할 수 있는 기반을 마련했습니다.
• 향후 과제: 생성된 설명의 품질 향상, 다중 저자/협업 작성 상황 적용, 그리고 더 진보된 AI 모델에 대응하기 위한 지속적인 연구가 필요하다고 결론지었습니다.

이 논문은 EAVAE를 통해 스타일과 콘텐츠를 분리하는 것이 단순한 기술적 개선이 아닌, AI 시대의 텍스트 분석을 위한 필수적인 접근법임을 강력하게 주장하고 있습니다.