PointCloud-ID: Deterministic Cross-Format Identity and Attribute-Aware Integrity Verification for Geospatial Point Clouds

당신이 탐정이 되어 미스터리를 풀려고 한다고 상상해 보십시오. 그런데 증거들이 계속 옷을 갈아입습니다. 당신은 범죄 현장의 사진을 가지고 있지만, 누군가 크기가 줄어든 복사본을 건네주고, 또 다른 것은 압축된 zip 파일로, 세 번째는 다른 형식으로 다시 저장된 파일을 건넵니다. 당신의 눈에는 모두 똑같은 사진으로 보이지만, 디지털 "지문"(파일 해시)을 확인하면 모두 완전히 다릅니다. 3D 매핑의 세계에서는, 레이저가 세상을 스캔하여 "포인트 클라우드"라고 불리는 수십억 개의 작은 점들을 만들어내는 과정에서 이는 엄청난 골칫거리입니다. 홍수 피해를 두고 다투는 보험사, 숲의 탄소를 추적하는 과학자, 혹은 고대 유적을 보존하는 고고학자 등 모든 이들이 두 파일이 실제로 동일한 데이터인지, 아니면 누군가 몰래 숫자를 조작했는지에 대해 논쟁에 빠져 있습니다. 파일 크기나 단순한 지문을 비교하는 기존 방식은 실패합니다. 왜냐하면 그것은 '컨테이너'만을 확인할 뿐, 그 안의 '내용물'을 확인하지 못하기 때문입니다.

여기서 "PointCloud-ID"라는 논문이 등장합니다. 이 논문은 3D 지도가 파일 형식이 바뀌더라도 변하지 않는 안정적인 정체성을 가질 수 있는 새로운 방법을 제안합니다. 이것은 마치 3D 세계를 위한 마법 같은 신분증과 같습니다. 모자를 쓰거나 코트를 입어도 그 밑에 있는 사람을 알아볼 수 있는 것과 같습니다. 저자인 독립 연구가 A. Urias는 혼란스러운 3D 점들의 더미를 가져와서, 이를 엄격하고 보편적인 순서로 정리하고, 파일 형식이 아닌 실제 데이터를 기반으로 고유한 "지문"을 생성하는 시스템을 구축했습니다. 그들은 이를 테스트하기 위해 동일한 데이터를 다양한 파일 형식(LAS, LAZ, COPC)으로 변환했으며, 이전과는 달리 지문이 정확히 동일하게 유지된다는 것을 발견했습니다. 그러나 만약 누군가 3D 세계의 돌 하나를 옮기거나 나무의 색을 바꾼다면, 지문은 즉시 깨져버릴 것이며, 시스템은 어떤 작은 구역이 변경되었는지 정확히 찾아낼 수 있습니다. 이것은 데이터가 당신이 받은 바로 그 데이터임을 증명하며, 보낸 사람을 믿을 필요 없이 데이터 자체를 신뢰할 수 있게 해주는 도구입니다.

문제점: "동일한" 파일이 아닌 것

당신이 수백만 개의 작은 구슬로 만들어진 디지털 조각품을 가지고 있다고 상상해 보십시오. 당신은 이것을 .LAS 파일로 저장합니다. 그다음 공간을 절약하기 위해 압축하여 .LAZ 파일로 만듭니다. 마지막으로 인터넷 스트리밍을 위해 조직하여 .COPC 파일로 변환합니다. 인간이 3D 모델을 볼 때는 똑같은 조각품이지만, 컴퓨터에게 이 세 가지는 완전히 다른 것입니다. 만약 각 파일의 디지털 지문(해시)을 추출한다면, 모두 서로 다르게 나타납니다.

이는 현실 세계에서 큰 문제를 일으킵니다. 만약 보험 조사관이 .LAZ 파일을 받고 계약업체가 원래의 .LAS 파일을 가지고 있다면, 파일 이름이나 지문만으로는 그들이 동일한 조사 자료를 보고 있다는 것을 증명할 수 없습니다. 계약업체가 실수를 숨기기 위해 데이터를 수정했거나, 조사관의 파일이 손상되었다고 서로 주장할 수 있습니다. 육안 검사는 무용지물입니다. 아주 작은 데이터 변화(예: 구슬 몇 개를 움직이는 것)가 토사량을 수 톤이나 변화시킬 수 있음에도 불구하고, 맨눈으로는 똑같아 보이기 때문입니다.

해결책: 3D 지도를 위한 보편적인 "DNA"

저자는 파일 형식은 무시하고 실제 데이터에 집중하는 시스템인 PointCloud-ID를 만들었습니다. 이 시스템은 어떤 3D 지도라도 고유하고 깨지지 않는 ID를 만들기 위해 세 단계의 레시피를 따릅니다.

1. "표준화 셰프" (Canonicalization):
   엉망진창인 재료 더미를 가져와서 엄격하고 변경 불가능한 순서로 강제 배치하는 셰프를 상상해 보십시오. 시스템은 3D 점들을 가져와 특정 격자(거대한 투명한 체커보드와 같은)에 맞게 강제로 배치합니다. 좌표를 이 격자에 맞게 반올림하고, 점들을 특정 수학적 순서(모튼 코드(Morton codes)를 사용하여 책을 비밀 코드로 분류하는 것과 같은 방식)로 정렬하며, 속성(색상이나 높이 등)을 고정된 순서로 나열합니다. 이 단계는 원래 파일이 어떻게 저장되었든 상관없이 데이터가 정확히 동일한 방식으로 배열되도록 보장합니다.

2. "스마트 트리" (Attribute-Partitioned Merkle Tree):
   데이터가 정렬되면 시스템은 디지털 트리를 구축합니다. 하지만 단순히 모든 것을 위한 하나의 트리가 아니라, 각 데이터 유형별로 별도의 트리를 만듭니다(기하학적 형태를 위한 트리 하나, 밝기를 위한 트리 하나, 분류(지면 대 나무)를 위한 트리 하나 등). 각 데이터 덩어리를 해싱(지문 생성)하고 이를 트리 위로 결합합니다.

   • 이것이 놀라운 이유: 만약 누군가 단 하나의 "분류" 정보(예: 나무를 이제 덤불이라고 표시함)를 변경한다면, 오직 "분류 트리"만 변하게 됩니다. "형태 트리"는 그대로 유지됩니다. 즉, 시스템은 무엇이 바뀌었는지, 그리고 어디에서 바뀌었는지를 지도의 특정 구역까지 정확히 알려줄 수 있습니다.

3. "봉인된 봉투" (Signing and C2PA):
   마지막으로, 시스템은 최종 지문(ID)과 이를 만드는 데 사용된 규칙("프로필")을 가져와 디지털 인장으로 서명합니다. 이 인장은 C2PA(미디어의 디지털 여권과 같은 표준)를 사용하여 파일에 부착됩니다. 이 인장은 데이터가 서명된 이후로 조작되지 않았음을 증명합니다.

발견한 점 (그리고 발견하지 못한 점)

저자는 이 시스템을 엄격하게 테스트했습니다. 그들은 실제 세계의 경기장 스캔 데이터(1,000만 개 이상의 점이 포함된 "Autzen" 클라우드)와 자체 제작한 합성 데이터를 사용했습니다.

• 재인코딩을 견뎌냄: 동일한 데이터를 LAS, LAZ, COPC 형식 간에 변환했을 때, PointCloud-ID는 동일하게 유지되었습니다. 지문이 변하지 않았다는 것은 파일 형식이 바뀌더라도 데이터가 완벽하게 보존되었음을 증명합니다.
• 미세한 변화를 감지함: 해커가 점 하나의 좌표를 바꾸거나 분류 코드를 뒤바꾸는 상황을 시뮬레이션했습니다. 시스템은 즉시 변화를 감지했습니다. 훨씬 더 나아가, 어떤 속성이 변했는지(예: "높이는 변했지만 색상은 변하지 않음")와 어디에서 변했는지(예: "42번 덩어리")를 알려주었습니다.
• 손상을 국소화함: 만약 누군가 다른 지도의 외부 점 500개를 끼워 넣었다면, 시스템은 단순히 "파일이 깨졌다"라고 말하는 대신, 외부 점이 삽입된 특정 덩의 위치를 정확히 지목했습니다.
• "손실적(Lossy)" 변화를 처리함: 데이터가 (해상도를 낮추거나 지도 투영법을 변경하는 것처럼) 되돌릴 수 없는 방식으로 변경된 경우, 시스템은 올바르게 ID를 깨뜨리고 "파생됨(derived-from)"이라는 메모와 함께 새 버전을 연결했습니다. 이는 누군가 저품질의 변조된 파일을 원본이라고 주장하는 것을 방지하는 데 매우 중요합니다.

한계: 마법이 아니다

이 논문은 이 시스템이 할 수 없는 일들에 대해서도 매우 솔직하게 기술하고 있습니다.

• 데이터가 "진실"인지 알 수 없음: 시스템은 당신이 가진 파일이 서명된 것과 동일한 파일인지는 증명할 수 있지만, 서명된 파일이 실제 세계를 정확히 반영하고 있는지는 증명할 수 없습니다. 만약 측량사가 가짜 지도를 서명했다면, 시스템은 아무런 문제 없이 그것이 "변경되지 않았다"고 검증할 것입니다. 이 시스템은 현실이 아닌 '무결성'을 검증합니다.
• "중첩된(Coincident)" 점들에 대한 사각지대: 매우 드문 경우지만, 두 점이 정확히 같은 위치에 놓이고 모든 "우선순위가 높은" 속성(예: 강도)이 동일할 때, "우선순위가 낮은" 속성(예: 분류)을 변경하면 다른 속성에 대한 지문까지 영향을 주는 방식으로 점의 순서가 바뀔 수 있습니다. 저자는 실제 데이터로 테스트했을 때 이 현상이 매우 드물게(약 3,600번 중 1번 꼴) 발생함을 측정했습니다. 저자는 이를 현재 버전(v1)의 한계로 인정하며, 이미 이를 해결하는 v2 버전을 설계했으나 아직 충분히 테스트되지 않았음을 밝혔습니다.
• 데이터가 필요함: ID를 확인하려면 반드시 3D 점들을 실제로 읽어야 합니다. 파일 헤더만 보고는 확인할 수 없습니다.

이것이 왜 중요한가

이것은 단순한 이론적 기교가 아닙니다. 3D 데이터를 증거로 사용하는 모든 이들에게 실질적인 문제를 해결해 줍니다. 산사태에 관한 법정 공방, 탄소 배출권을 확인하는 감사, 혹은 역사적 장소의 디지털 트윈을 기록하는 박물관 등, PointCloud-ID는 "이것이 바로 그 데이터이다"라고 수학적 확실성을 가지고 말할 수 있는 방법을 제공합니다. 이는 혼란스러운 파일 형식의 세계를 안정적이고 검증 가능한 진실로 바꾸어 놓으며, 우리가 보유한 디지털 기록이 수많은 소프트웨어를 거쳐 왔더라도 생성될 당시의 그 데이터와 동일함을 신뢰할 수 있게 해줍니다.