KR102540291B1 - 블록체인 기반 공모전 출품작 관리 방법 및 장치 - Google Patents

블록체인 기반 공모전 출품작 관리 방법 및 장치 Download PDF

Info

Publication number
KR102540291B1
KR102540291B1 KR1020220167968A KR20220167968A KR102540291B1 KR 102540291 B1 KR102540291 B1 KR 102540291B1 KR 1020220167968 A KR1020220167968 A KR 1020220167968A KR 20220167968 A KR20220167968 A KR 20220167968A KR 102540291 B1 KR102540291 B1 KR 102540291B1
Authority
KR
South Korea
Prior art keywords
contest
award
winning
entry
user
Prior art date
Application number
KR1020220167968A
Other languages
English (en)
Inventor
심헤라
Original Assignee
주식회사 스펙토리
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스펙토리 filed Critical 주식회사 스펙토리
Priority to KR1020220167968A priority Critical patent/KR102540291B1/ko
Application granted granted Critical
Publication of KR102540291B1 publication Critical patent/KR102540291B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2220/00—Business processing using cryptography
    • G06Q2220/10—Usage protection of distributed data files
    • G06Q2220/16—Copy protection or prevention

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

블록체인 기반 공모전 출품작 관리 방법 및 장치가 개시된다. 적어도 하나의 서버에 의해 수행되는 블록체인 기반 공모전 출품작 관리 방법은, 제1 사용자로부터 공모전 출품 또는 수상 정보를 수신하는 단계; 및 제2 사용자로부터 공모전 출품 또는 수상 정보에 대한 인증을 수신하는 단계; 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 단계; 및 공모전 출품 또는 수상 정보를 블록체인에 기록하는 단계를 포함한다. 이때, 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 정말로 제2 사용자가 주관 또는 대행하는 공모전에 출품되었거나 제2 사용자가 주관 또는 대행하는 공모전에서 수상한 것으로 인증된 경우에만, 공모전 출품 또는 수상 정보를 블록체인에 기록한다.

Description

블록체인 기반 공모전 출품작 관리 방법 및 장치{METHOD AND DEVICE FOR BLOCKCHAIN-BASED CONTEST WORK MANAGEMENT}
아래 실시예들은 공모전 소개 및 공모전 경력 관리 플랫폼에 사용되는 블록체인 기반 공모전 출품작 관리 방법 및 장치에 관한 것이다.
공모전 대행 업체에서 매년 발표되는 자료에 의하면 2021년 기준 공모전 개최 건수는 연간 13,000~14,000건으로 월평균 1,000건 이상의 공모전이 개최되는 것으로 조사된다. 공모전 1회에 평균 32명 정도의 수상자가 생성되며, 이를 개최되는 공모전 횟수로 환산해 보면 공모전 분야에서만 연 45만명 정도의 수상이력이 생성되는 것을 확인할 수 있다. 유사한 성격의 활동으로 범위를 넓혀 인증 서비스 적용이 가능한 분야(경시대회, 해커톤, 인턴쉽, 서포터즈 및 봉사활동 등)를 포함하면 매년 엄청난 양의 수상이력/참가 이력 등이 생성되고 있다.
그러나 수상자의 이력정보 등이 주로 상장이나 상패 등의 물리적 형태로 되어있어 분실이나 훼손, 도난 시 개인 스스로 재확인할 수 있는 방안이 부재한 상황이다. 또한, 공모전을 주최/주관 또는 대행하는 기관에서도 별도의 관리시스템을 보유하고 있지 않은 현실에서 공모전 기획 담당자가 개별 파일 등으로 관리하고 있는 실정이며, 담당자 변경 혹은 관리 부재 시 재확인 및 재발급에 어려움을 겪고 있다. 나아가, 공모전 상장을 위조하여도 제3자가 진위 여부를 손쉽게 확인할 방법이 없는 것이 현실이다.
이처럼 비효율적인 업무구조 및 악의적인 일부의 일탈 행위로 인한 신뢰 훼손, 검증비용의 발생 등 여러 가지 불필요한 사회적 비용 발생을 방지하고, 수상이력에 대한 신뢰성 있는 검증이 가능한 시스템 및 서비스의 마련이 필요하다.
한편, 공모전 참가작품 또는 수상작품이 표절 작품이라면 온라인에 작품이 게재되는 것을 막을 필요가 있다. 이를 통해, 표절 행위를 근절하고, 공모전 참가작품 또는 수상작품들을 온라인에 게재하더라도 신뢰도를 담보할 수 있다. 또한, 공모전을 주관 또는 대행하는 자 또는 단체는 공모전 참가작품 또는 수상작품에 대한 표절여부를 확인하고 싶은 경우가 있다. 예를 들어, 공모전 주관기관은 심사 대상 공모전 참가작품을 수상하기 앞서, 표절 작품이 아닌지 확인하고 싶을 수 있다. 또한, 공모전 대행기관은 자신들이 관리하는 공모전 참가작품 또는 수상작품에 표절 작품이 있는지를 체크하여 공모전 주관기관에게 알려 업무 신뢰성을 높이고자 할 수 있다. 따라서, 공모전 참가작품 또는 수상작품의 표절여부를 판단할 수 있는 시스템의 마련이 필요하다.
실시예들과 관련된 배경기술로, 대한민국 등록특허공보 KR 10-1983530 B1은 블록체인에 저작물을 저장하는 등록 시스템을 개시한다. 선행문헌의 저작물 제공 서버는 저작물을 제공받아 저장하고, 암호화폐에 의한 유효거래가 수행됨에 따라 사용자 기기로부터 요청된 저작물을 사용자 기기에 전송하고, 유효 거래로 인해 획득된 수익금을 저작권별 권리 배분정보에 기반하여 저작권자측에 암호화폐로 배분한다. 블록체인 네트워크는 저작물 제공 서버로부터 원하는 저작물을 제공받기 위해 암호화폐로 결제를 요청하며, 결제가 수행됨에 따라 저작물 제공 서버로부터 기 요청한 저작물을 제공받아 열람하는 사용자 기기 및 저작물에 대한 트랜잭션에 기반하여 생성된 해시값을 검증한다. 저작권자와 소비자간의 2차 저작물 저작권 등과 같은 세분화된 저작권 항목에 대한 거래를 간편하게 진행할 수 있도록 지원할 수 있다.
또한, 대한민국 등록특허공보 KR 10-2412511 B1은 블록체인 DID를 이용한 콘텐츠 관리 장치 및 방법을 개시한다. 선행문헌의 방법은 콘텐츠에 DID 정보가 포함되는지 여부를 판단하고, 콘텐츠에 DID 정보가 포함된 경우 DID 정보를 포함하는 블록을 블록체인 네트워크를 통하여 관리함으로써 콘텐츠의 진위 여부를 판별하며, 콘텐츠에 DID 정보가 포함되지 않은 경우 인터넷을 통해 콘텐츠와 가장 정확하게 매칭되는 참조 콘텐츠를 검색하고 참조 콘텐츠의 DID 정보인 제2 DID 정보를 콘텐츠의 DID 정보인 제1 DID 정보로 설정하고 제1 DID 정보를 블록체인 네트워크에 등록한다. 콘텐츠 식별정보를 이용하여 고유 특징을 복원하고, 콘텐츠와 고유 특징을 비교하여 콘텐츠가 고유 특징을 포함하는지 판단함으로써, 콘텐츠의 진위 여부를 블록체인 네트워크 상에서 판별할 수 있다.
그러나 선행문헌들은 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 주관기관 또는 대행기관이 주관 또는 대행하는 공모전에 출품되었거나 수상한 것으로 인증된 경우에만, 공모전 참가 또는 수상 경력을 블록체인 기반으로 기록하는 방법 및 장치를 개시하지 않는다. 또한, 선행문헌들은 공모전을 주관 또는 대행하는 자 또는 단체의 요청에 의해 검증 대상 공모전 참가작품 또는 수상작품에 대한 표절여부를 인공지능 기반으로 제공하는 방법 및 장치를 개시하지 않는다. 나아가, 선행문헌들은 공모전 참가작품 또는 수상작품의 표절여부를 인공지능 기반으로 판단하기 위한 트레이닝 데이터 마련 방법 및 장치를 개시하지 않는다. 이에 따라, 상기 선행문헌들에 개시·시사·암시되지 않은 기술적 과제를 해결하기 위한 기술의 구현이 요청된다.
실시예들은 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 주관기관 또는 대행기관이 주관 또는 대행하는 공모전에 출품되었거나 수상한 것으로 인증된 경우에만, 공모전 참가 또는 수상 경력을 블록체인 기반으로 기록하는 방법 및 장치를 제공하고자 한다.
실시예들은 공모전을 주관 또는 대행하는 자 또는 단체의 요청에 의해 검증 대상 공모전 참가작품 또는 수상작품에 대한 표절여부를 인공지능 기반으로 제공하는 방법 및 장치를 제공하고자 한다.
실시예들은 공모전 참가작품 또는 수상작품의 표절여부를 인공지능 기반으로 판단하기 위한 트레이닝 데이터 마련 방법 및 장치를 제공하고자 한다.
이외에도, 실시예들은 본 명세서에서 드러나는 기술분야의 과제들을 해결하기 위한 방법 및 장치를 제공하고자 한다.
일실시예에 따른 적어도 하나의 서버에 의해 수행되는 블록체인 기반 공모전 출품작 관리 방법은, 제1 사용자로부터 공모전 출품 또는 수상 정보를 수신하는 단계; 및 제2 사용자로부터 상기 공모전 출품 또는 수상 정보에 대한 인증을 수신하는 단계를 포함하고, 상기 공모전 출품 또는 수상 정보는 공모전 참가작품 또는 수상작품을 포함하고, 상기 공모전 출품 또는 수상 정보에 대한 인증은 상기 공모전 참가작품 또는 수상작품이 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었는지 또는 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상하였는지에 대한 검증을 포함하고, 상기 블록체인 기반 공모전 출품작 관리 방법은 상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 단계; 및 상기 공모전 출품 또는 수상 정보를 블록체인에 기록하는 단계를 더 포함하고, 상기 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었거나 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상한 것으로 인증된 경우에만, 상기 공모전 출품 또는 수상 정보를 상기 블록체인에 기록할 수 있다.
일실시예에 따르면, 상기 블록체인 기반 공모전 출품작 관리 방법은, 상기 서버와 연동된 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품을 미리 학습된 인공지능에 적용하여 상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터를 획득하는 단계를 더 포함할 수 있다.
일실시예에 따르면, 상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 단계는, 상기 인공지능에 상기 공모전 참가작품 또는 수상작품을 적용하여 상기 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득하는 단계; 상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 공모전 참가작품 또는 수상작품의 각각의 제1 유사도 및 제1 표절여부를 판단하는 단계; 상기 제1 사용자에게 제1 임계치를 초과한 각각의 제1 유사도 및 제1 표절여부를 송신하는 단계; 및 상기 제1 표절여부 결과에 관계없이, 상기 데이터베이스에 상기 공모전 참가작품 또는 수상작품을 저장하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 블록체인 기반 공모전 출품작 관리 방법은, 상기 제2 사용자로부터 검증 대상 공모전 참가작품 또는 수상작품을 수신하는 단계; 상기 인공지능에 상기 검증 대상 공모전 참가작품 또는 수상작품을 적용하여 상기 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득하는 단계; 상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 검증 대상 공모전 참가작품 또는 수상작품의 각각의 제2 유사도 및 제2 표절여부를 판단하는 단계; 및 상기 제2 사용자에게 제2 임계치를 초과한 상기 제2 유사도 및 상기 제2 표절여부를 송신하는 단계를 더 포함할 수 있다.
일실시예에 따른 블록체인 기반 공모전 출품작 관리 장치는 제1 사용자로부터 공모전 출품 또는 수상 정보를 수신하고, 제2 사용자로부터 상기 공모전 출품 또는 수상 정보에 대한 인증을 수신하는 동작을 수행하는 적어도 하나의 프로세서를 포함하고, 상기 공모전 출품 또는 수상 정보는 공모전 참가작품 또는 수상작품을 포함하고, 상기 공모전 출품 또는 수상 정보에 대한 인증은 상기 공모전 참가작품 또는 수상작품이 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었는지 또는 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상하였는지에 대한 검증을 포함하고, 상기 프로세서는 상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하고, 상기 공모전 출품 또는 수상 정보를 블록체인에 기록하고, 상기 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었거나 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상한 것으로 인증된 경우에만, 상기 공모전 출품 또는 수상 정보를 상기 블록체인에 기록할 수 있다.
실시예들은 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 주관기관 또는 대행기관이 주관 또는 대행하는 공모전에 출품되었거나 수상한 것으로 인증된 경우에만, 공모전 참가 또는 수상 경력을 블록체인 기반으로 기록하는 방법 및 장치를 제공할 수 있다.
실시예들은 공모전을 주관 또는 대행하는 자 또는 단체의 요청에 의해 검증 대상 공모전 참가작품 또는 수상작품에 대한 표절여부를 인공지능 기반으로 제공하는 방법 및 장치를 제공할 수 있다.
실시예들은 공모전 참가작품 또는 수상작품의 표절여부를 인공지능 기반으로 판단하기 위한 트레이닝 데이터 마련 방법 및 장치를 제공할 수 있다.
한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 표절여부 판단 동작을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 공모전 주관 또는 대행기관의 요청에 따른 표절여부 판단 동작을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 인공 신경망 학습을 위한 데이터 어그멘테이션(data augmentation) 동작을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안 된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
일실시예에 따른 시스템은 적어도 하나의 서버(100); 제1 단말(111); 제2 단말(112); 제3 단말(113); 데이터베이스(130)를 포함할 수 있다. 적어도 하나의 서버(100) 및 단말들(111-113)은 네트워크에 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다. 적어도 하나의 서버(100) 및 데이터베이스(130)는 네트워크에 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다.
적어도 하나의 서버(100)는 서버를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고; 클라우드 서버일 수도 있고; 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 적어도 하나의 서버(100)는 단일한 물리적 장치가 아닐 수 있으며, 복수의 물리적 장치로 구성되어 있을 수 있다. 이하에서는 설명의 편의를 위해 적어도 하나의 서버(100)를 서버(100)로 약칭한다.
서버(100)는 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 서버(100)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능을 구비할 수 있다. 서버(100)는 단말들(111-113)과 유무선으로 통신하도록 구성될 수 있다.
서버(100)는 웹페이지 또는 어플리케이션(101)과 연동될 수 있다. 웹페이지 또는 어플리케이션(101)은 공모전 소개 및 공모전 경력 관리 플랫폼일 수 있다. 웹페이지 또는 어플리케이션(101)은 공모전 참가자 또는 수상 경력을 가진 자; 공모전을 주관 또는 대행하는 자 또는 단체; 공모작품 또는 수상작품을 상업적으로 이용할 목적 또는 기타 목적으로 열람하고자 하는 자 또는 단체가 주로 이용할 수 있다.
웹페이지 또는 어플리케이션(101)은 공모전 각종 정보 (공모전 이름, 기간, 포스터 및 기타내용 등)를 입력 받을 수 있다. 웹페이지 또는 어플리케이션(101) 메인 페이지는 공모전 개최 정보를 표시할 수 있다. 관심 카테고리 알고리즘을 통해 사용자가 필요로 하는 정보를 상단에 노출하여, 사용자가 평소 관심있는 공모전 정보 리스트를 빠르게 확인하도록 할 수 있다. 웹페이지 또는 어플리케이션(101)은 사용자들이 활동할 수 있는 커뮤니티를 포함할 수 있다.
웹페이지 또는 어플리케이션(101)은 포트폴리오 관리 서비스를 포함할 수 있다. 공모전 참가자 또는 수상 경력을 가진 자는 웹페이지 또는 어플리케이션(101)에 자신의 공모전 출품 또는 수상 정보를 입력할 수 있다. 서버(100)는 표절이 아닌 것으로 판단되고, 공모전을 주관 또는 대행하는 자 또는 단체로부터 인증이 완료된 공모전 출품 또는 수상 정보를 블록체인에 기록할 수 있다. 블록체인에 기록된 공모작품 또는 수장작품 정보는 공모전 참가자 또는 수상 경력을 가진 자의 포트폴리오에 표시될 수 있다. 서버(100)는 불법 복제 및 활용 사례를 방지하기 위해서 검증 프로세스를 통해 검증된 작품만을 웹페이지 또는 어플리케이션(101)에 표시하도록 할 수 있다. 또한, 서버(100)는 공모전 참가작품 또는 수상작품의 표절여부를 판단할 수 있으며, 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단된 작품만을 웹페이지 또는 어플리케이션(101)에 표시하도록 할 수 있다
포트폴리오에 표시된 공모작품 또는 수장작품은 수익화에 이용될 수 있다. 공모작품 또는 수상작품을 상업적으로 이용할 목적 또는 기타 목적으로 열람하고자 하는 자 또는 단체는 포트폴리오를 열람하여 공모전 출품 또는 수상 정보를 확인할 수 있다. 웹페이지 또는 어플리케이션(101)은 공모전 참가작품 또는 수상작품 판매 및 이용을 실현하기 위한 UI/버튼/메시지/결재/온라인계약 등의 기능을 포함할 수 있다. 공모전 참가작품 또는 수상작품의 판매가 이루어진 경우, 서버(100)는 공모전 참가작품 또는 수상작품의 수익화 내용을 블록체인에 기록할 수 있다.
단말들(111-113)은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 가령, 도 1과 같이, 제1 단말(111)은 데스크탑일 수 있고; 제2 단말(112)은 노트북일 수 있고; 제3 단말(113)은 스마트폰일 수 있다. 단말들(111-113)의 종류는 실시예에 따라 얼마든지 달라질 수 있다. 단말들(111-113)들은 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 단말들(111-113)은 서버(100)와 유무선으로 통신하도록 구성될 수 있다. 단말들(111-113)은 서버(100)와 연동된 웹페이지에 접속하거나, 서버(100)와 연동된 어플리케이션이 설치될 수 있다. 단말들(111-113)은 웹페이지 또는 어플리케이션(101)을 통해 서버(100)와 데이터를 주고받을 수 있다.
사용자들(121-123)은 사람 또는 단체가 사용하는 계정을 의미한다. 제1 사용자(121)는 공모전 참가자 또는 수상 경력을 가진 자가 사용하는 계정일 수 있다. 제2 사용자(122)는 공모전을 주관 또는 대행하는 자 또는 단체의 계정일 수 있다. 제3 사용자(123)는 공모작품 또는 수상작품을 상업적으로 이용할 목적 또는 기타 목적으로 열람하고자 하는 자 또는 단체의 계정일 수 있다.
사용자들(121-123)은 단말들(111-113)에 로그인할 수 있다. 가령, 제1 단말(111)에 로그인할 수 있고; 제2 사용자(122)는 제2 단말(112)에 로그인할 수 있고; 제3 사용자(123)는 제3 단말(113)에 로그인할 수 있다. 단말들(111-113)에 로그인한 사용자들(121-123)은 웹페이지 또는 어플리케이션(101)을 통해 서버(100)와 데이터를 주고받을 수 있다. 각각의 사용자(121, 122, 123)는 서버(100)에 저장된 각각의 사용자 정보에 접근할 권한을 가진다.
한편, 설명의 편의를 위해 도 1에서는 세 대의 단말들(111-113)만을 도시했으나, 이들의 수는 얼마든지 달라질 수 있다. 서버(100)의 처리 용량이 허용하는 한, 단말의 수는 특별한 제한이 없다.
데이터베이스(130)는 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 데이터베이스일수도 있고; API를 통해 서버(100)와 연동된 외부 데이터베이스일 수도 있고; 분산된 노드들에 저장된 분산 데이터들의 집합일 수도 있다. 데이터베이스(130)는 관계형 데이터베이스(Relational Database)일 수도 있고, 비정형 데이터베이스(NoSQL)일 수도 있고, 단순한 파일 저장소일 수도 있다. 데이터베이스(130)는 통상의 데이터베이스 관리 시스템(Database Management System, DBMS)에 의해 관리될 수 있다. 데이터베이스(130)는 서버(100)와 유무선으로 통신하도록 구성될 수 있다. 데이터베이스(130)는 하나의 물리적 장치가 아닐 수 있으며, 기능·목적·필요성·보유 데이터 등에 따라 여러 물리적 장치를 채용할 수 있다.
데이터베이스(130)는 웹페이지 또는 어플리케이션(101)을 이용하는 사용자들이 업로드한 공모전 참가작품 또는 수상작품들을 저장할 수 있다. 데이터베이스(130)의 공모전 참가작품 또는 수상작품들은 인공지능 학습에 이용될 수 있다. 인공지능은 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 과정에 이용될 수 있다.
이하에서, 서버(100)의 동작을 중심으로 실시예가 기술되며, 실시예들은 통신의 주체나 양상에 의해 제한되지 않고 다양한 응용예가 채용될 수 있다. 도 2를 참조하여, 시스템의 동작과 관련된 실시예가 설명된다. 도 3을 참조하여, 표절여부 판단 동작과 관련된 실시예가 설명된다. 도 4를 참조하여, 공모전 주관 또는 대행기관의 요청에 따른 표절여부 판단 동작과 관련된 실시예가 설명된다. 도 5를 인공 신경망 학습을 위한 데이터 어그멘테이션(data augmentation) 동작과 관련된 실시예가 설명된다. 도 6을 참조하여, 인공지능의 학습 동작과 관련된 실시예가 설명된다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
우선, 서버(100)는 제1 사용자(121)로부터 공모전 출품 또는 수상 정보를 수신할 수 있다(210).
제1 사용자(121)는 공모전 참가자 또는 수상 경력을 가진 자가 사용하는 계정일 수 있다. 제1 사용자(121)는 서버(100)와 연동된 웹페이지 또는 어플리케이션(101)에 공모전 출품 또는 수상 정보를 입력할 수 있다. 공모전 출품 또는 수상 정보는 공모전 참가작품 또는 수상작품, 공모전 참가작품 또는 수상작품을 수익화에 사용할지 여부, 공모전 참가작품 또는 수상작품에 대한 판매 정보 등을 포함할 수 있다. 판매 정보는 판매 가격을 포함할 수 있다.
웹페이지 또는 어플리케이션(101)은 포트폴리오 관리 서비스를 포함할 수 있다. 제1 사용자(121)의 포트폴리오는 공모작품 소개, 사용자 프로필, 외부 링크, 유사 작품 소개 등을 포함할 수 있다. 웹페이지 또는 어플리케이션(101)은 공모전 참가자 또는 수상자가 참여했던 공모전에 대한 정보를 표시할 수 있다. 제1 사용자(121)는 공모전 참가 또는 수상 정보를 다양한 포트폴리오를 사진첩(갤러리)처럼 관리할 수 있다. 웹페이지 또는 어플리케이션(101)은 공모전 참가작품 또는 수상작품의 자동 배치 및 정렬 기능을 포함할 수 있다. 또한, 공모전 참가작품 또는 수상작품의 세부 검색, 작품 공개/비공개 기능을 포함할 수 있다. 제3 사용자(123)는 수상/경력조회 페이지에서 제1 사용자(121)의 포트폴리오를 선택하여 제1 사용자(121)의 경력 정보 및 공모전 참가작품 또는 수상작품을 확인할 수 있다.
다음으로, 서버(100)는 제2 사용자(122)로부터 공모전 출품 또는 수상 정보에 대한 인증을 수신할 수 있다(220).
공모전 출품 또는 수상 정보에 대한 인증은 제2 사용자(122)에 의해 이루어질 수 있다. 제2 사용자(122)는 공모전을 주관 또는 대행하는 자 또는 단체의 계정일 수 있다. 제2 사용자(122)는 서버(100)와 연동된 웹페이지 또는 어플리케이션(101)에 공모전 출품 또는 수상 정보에 대한 인증을 입력할 수 있다. 서버(100)는 공모전 출품 또는 수상 정보에 대한 인증을 수신할 수 있다.
공모전 출품 또는 수상 정보에 대한 인증은 공모전 참가작품 또는 수상작품이 정말로 제2 사용자(122)가 주관 또는 대행하는 공모전에 출품 또는 수상하였는지에 대한 검증을 포함할 수 있다. 또한, 공모전 출품 또는 수상 정보에 대한 인증은 제1 사용자(121)의 수상작품 수익화에 대한 제2 사용자(122)의 허용여부를 포함할 수 있다.
그 외에도, 제2 사용자(122)는 공모전 행정을 위한 기능 일체를 서버(100)와 연동된 웹페이지 또는 어플리케이션(101)에서 처리할 수 있다. 제2 사용자(122)는 공모전이 마감되고 결과가 발표되면 결과 정보를 서버(100)와 연동된 웹페이지 또는 어플리케이션(101)에 등록할 수 있으며, 이는 제1 사용자(121) 포트폴리오에 연계될 수 있다.
한편, 제2 사용자(122)는 위변조 등이 있는 경우 공모전 출품 또는 수상 정보를 인증하지 않을 수 있다. 이 경우, 서버(100)는 블록체인에 공모전 출품 또는 수상 정보를 기록하지 않으며, 제1 사용자(121)에게 미리 정의된 패널티를 부과할 수 있다.
이어서, 서버(100)는 공모전 참가작품 또는 수상작품의 표절여부를 판단할 수 있다(230).
서버(100)는 미리 학습된 인공지능을 포함할 수 있다. 인공지능은 공모전 참가작품 또는 수상작품을 입력받아 공모전 참가작품 또는 수상작품의 임베딩 벡터를 출력할 수 있다. 임베딩 벡터의 차원은 공모전 참가작품 또는 수상작품의 원래 데이터 차원보다 유의미하게 낮을 수 있다. 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
서버(100)는 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품들을 인공지능에 미리 적용하여 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터를 미리 저장해 둘 수 있다. 서버(100)는 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 인공지능에 적용하여 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득할 수 있다. 임베딩 벡터로 표현된 공모전 참가작품 또는 수상작품들을 이용하여, 서버(100)는 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품들과 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 제1 유사도 및 제1 표절여부를 판단할 수 있다.
서버(100)는 제1 유사도 및 제1 표절여부를 판단한 후, 제1 사용자(121)에게 제1 유사도 및 제1 표절여부를 송신할 수 있다(240). 또한, 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 데이터베이스(130)에 저장할 수 있다(250).
보다 구체적인 서버(100)의 동작은 도 3을 참조하여 후술된다.
서버(100)는 표절이 아닌 것으로 판단되고 제2 사용자(122)의 검증을 마친 공모전 결과를 블록체인에 기록하고, 공모전 결과에 대한 QR 코드를 발급할 수 있다. QR코드는 URL 주소 형태가 아닌 hash 코드 형태로 발급되고, 전용 App을 통해 해석될 수 있다. QR코드는 수상자 성명, 공모전 수상내역, 발급일자, 공모전 주관기관 등을 정보를 포함할 수 있다.
표절이 아닌 것으로 판단되고 제2 사용자(122)의 검증을 마친 공모전 출품 또는 수상 정보는 후술의 블록체인으로 데이터화되어 폐쇄형 블록체인에 기록될 수 있다. 제1 사용자(121)는 수상 증명을 온라인 확인 및 오프라인 출력할 수 있다. 출력된 수상 증명 출력물에는 QR 코드가 적재되며, 모바일을 통해서 조회할 수 있다. 수상증명 출력물과 QR 코드를 통한 출품작 비교를 통해 증명서의 위변조를 원천적으로 차단할 수 있다.
이처럼 서버(100)는 제1 사용자(121)의 공모전 수상 이력 진위 여부 및 공모전 참가작품 또는 수상작품의 표절여부를 확인하고, 블록체인 기반 기술을 활용하여 신뢰할 수 있는 마크를 발급하고 공모전 수상 정보에 대한 신뢰성을 검증할 수 있다. 공모전 출품 또는 수상 정보에 대한 인증이 완료되면 인증 QR코드, 검증마크 등을 발급할 수 있으며, 제1 사용자(121)는 해당 수상 정보 등을 출력할 수 있다.
한편, 서버(100)는 공모전 참가작품 또는 수상작품을 표절로 판단할 수 있다. 이 경우, 서버(100)는 블록체인에 공모전 출품 또는 수상 정보를 기록하지 않으며, 제1 사용자(121)에게 소명 기회를 부여하거나, 미리 정의된 패널티를 부과할 수 있다.
이어지는 순서로, 서버(100)는 공모전 출품 또는 수상 정보를 블록체인에 기록할 수 있다(260).
서버(100)는 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 정말로 제2 사용자(122)가 주관 또는 대행하는 공모전에 출품되었거나 제2 사용자(122)가 주관 또는 대행하는 공모전에서 수상한 것으로 인증된 경우에만, 공모전 출품 또는 수상 정보를 블록체인에 기록할 수 있다.
서버(100)는 오픈스택으로 구축된 프라이빗 클라우드 시스템 상에 하이퍼레저 패브릭 블록체인 플랫폼 아키텍처가 구축될 수 있다. 프라이빗 블록체인을 사용하여, 민감 정보 등이 포함된 블록이 외부에 무분별하게 노출되지 않도록 미연에 차단할 수 있다. 단, 블록체인 플랫폼 아키텍처는 이에 한정되지 않으며, 실시예에 따라 달리 채용될 수 있다.
서버(100)는 미리 학습된 인공지능에 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 입력하여 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 표절여부를 판단할 수 있다. 또한, 서버(100)는 제2 사용자(122)로부터 제1 사용자(121)의 공모전 출품 또는 수상 정보에 대한 인증을 수신할 수 있다. 이를 통해, 공모전 참가작품 또는 수상작품의 표절여부 및 공모전 참가작품 또는 수상작품이 정말로 제2 사용자(122)가 주관 또는 대행하는 공모전에 출품 또는 수상하였는지에 대한 검증을 완료할 수 있다.
서버(100)는 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 공모전 참가작품 또는 수상작품이 정말로 제2 사용자(122)가 주관 또는 대행하는 공모전에 출품 또는 수상하였는지에 대한 검증이 완료된 공모전 출품 또는 수상 정보를 폐쇄형 블록체인에 기록할 수 있다. 공모전 출품 또는 수상 정보는 공모전 참가작품 또는 수상작품, 공모전 참가작품 또는 수상작품을 수익화에 사용할지 여부, 공모전 참가작품 또는 수상작품에 대한 판매 정보 등을 포함할 수 있다. 사용자별 블록체인 데이터 변동 이력을 모두 저장하기 때문에, 사용자별 이력에 대한 추적이 용이할 수 있다.
한편, 서버(100)는 공모전 참가작품 또는 수상작품을 표절로 판단할 수 있다. 또한, 제2 사용자(122)는 위변조 등이 있는 경우 공모전 출품 또는 수상 정보를 인증하지 않을 수 있다. 이 경우, 서버(100)는 블록체인에 공모전 출품 또는 수상 정보를 기록하지 않으며, 제1 사용자(121)에게 소명 기회를 부여하거나, 미리 정의된 패널티를 부과할 수 있다.
블록체인은 분산원장에 기록될 수 있다. 일실시예에 따르면, 저장된 원장정보는 world-state-db에 수집되고, API를 통하여 JSON 문서 형태로 조회할 수 있다. World-state-db는 블록의 원장 이력을 저장하고, 추적할 수 있다. 노드 간 실시간 연계를 통해 분산원장을 공유하여, 분산원장의 무결성 보장할 수 있다. 저장된 노드에 장애 발생 시, 노드간의 합의에 의해 장애 복구 이후 블록에 대한 동기화 및 복구를 자동으로 수행할 수 있다.
제1 사용자(121) 및 제2 사용자(122)는 블록체인에 기록된 공모전 출품 또는 수상 정보를 서버(100)와 연동된 웹페이지 또는 어플리케이션(101)을 통해서 관리하고 QR 코드로 조회할 수 있다. 제1 사용자(121)는 개인 공모전 경력을 증명할 때 미리 발행된 QR 코드로 조회하고 확인서를 출력할 수 있다. 제3 사용자(123)는 웹페이지 또는 어플리케이션(101)에서 열람이 허용된 공모전 출품 또는 수상 정보를 열람할 수 있다. 공모전 출품 또는 수상 정보 검색 시 일자, 공모전 카테고리 등 다양한 조건 지정이 가능할 수 있다.
또한, 서버(100)는 DID를 통한 최소한의 개인정보만을 활용하여 수상 경력을 인증할 수 있다. 서버(100)는 공모전 주관 또는 대행기관인 제2 사용자(122) 및 공모전 참가자인 제1 사용자(121)의 신원 증명을 DID모듈을 통해 검증할 수 있다. 공모전 참가자가 가입을 하거나, 공모전에 참가할 때 DID 문서 등록 과정을 거쳐 DID 전용 블록체인에 저장할 수 있다. 블록체인에 기록된 내용의 변조 및 철회의 불가성으로 무결성 및 부인을 방지할 수 있다. 발급된 DID 문서는 공모전 참가자 신원인증 및 공모전 참가 인증 등에 활용될 수 있다. 또한, 웹페이지 또는 어플리케이션(101)상에서 로그인 및 공모전 참가 등의 인증 수단으로서 활용될 수 있다.
서버(100)는 신규 노드 추가 시 기존 노드와 데이터를 공유할 수 있다. 이는 기존 구축된 블록체인과 동일한 신규 노드 추가를 통해 이루어질 수 있다. 서버(100)는 신규 노드 추가하는 즉시 기존 노드의 과거 블록과 동기화할 수 있다. 블록체인 관리자의 체인코드 메뉴를 통하여 기존 노드와 신규 노드의 원장을 동기화할 수 있다.
한편, 서버(100)는 인공지능 학습 시 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품들을 조회할 수 있다(270).
서버(100)에 포함된 인공지능은 공모전 참가작품 또는 수상작품을 입력받아 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터를 출력할 수 있다. 임베딩 벡터의 차원은 공모전 참가작품 또는 수상작품의 원래 데이터 차원보다 유의미하게 낮을 수 있다. 서버(100)는 인공지능 학습을 위해, 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품을 트레이닝 데이터로 이용할 수 있다. 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
서버(100)는 제3 사용자(123)가 블록체인 기록의 적어도 일부를 열람하도록 허용할 수 있다.
서버(100)와 연동된 웹페이지 또는 어플리케이션(101)은 제1 사용자(121)의 포트폴리오에 공모전 출품 또는 수상 정보를 표시할 수 있다. 제3 사용자(123)는 웹페이지 또는 어플리케이션(101)에서 제1 사용자(121)의 포트폴리오를 열람하여 공모전 출품 또는 수상 정보를 확인할 수 있다. 제3 사용자(123)는 공모작품 또는 수상작품을 상업적으로 이용할 목적 또는 기타 목적으로 열람하고자 하는 자 또는 단체의 계정일 수 있다.
제3 사용자(123)는 제1 사용자(121)의 포트폴리오 중 판매 및 공유기능이 활성화된 공모전 참여작품 또는 수상작품을 조회/검색/열람할 수 있다. 웹페이지 또는 어플리케이션(101)은 제1 사용자(121)가 제시한 판매 가격에 공모전 참가작품 또는 수상작품을 이용할 수 있는 권한을 얻는 기능, 제1 사용자(121)에게 공모전 참가작품 또는 수상작품을 이용하고 싶다는 메시지를 보내는 기능, 제1 사용자(121)에게 공모전 참가작품 또는 수상작품을 이용 가격을 경매로 입찰하는 기능 등 공모전 참가작품 또는 수상작품 판매 및 이용을 실현하기 위한 UI/버튼/메시지/결재/온라인계약 등의 기능을 포함할 수 있다. 구입 완료를 통해 공모전 참가작품 또는 수상작품에 대한 상업적 권한을 얻은 제3 사용자(123)가 제1 사용자(121)로부터 구입한 공모전 참여작품 또는 수상작품을 다운로드 할 수 있는 기능을 포함할 수 있다.
한편, 공모전 참가작품 또는 수상작품의 판매가 이루어진 경우, 서버(100)는 공모전 참가작품 또는 수상작품 판매 기록을 블록체인에 기록할 수 있다. 공모전 참가작품 또는 수상작품 판매 기록은 공모전 명칭·주관사·대행사·시행연도, 판매된 작품이 참가작인지 수상작인지, 공모전 참가자 및 수상자에 관한 정보, 공모전 참가작품 또는 수상작품에 대한 상업적 권한을 얻은 자 또는 단체에 관한 정보, 공모전 참가작품 또는 수상작품 판매 가격, 공모전 참가작품 또는 수상작품의 이용 허락 범위 등을 포함할 수 있다.
그 외에도, 서버(100)는 제3 사용자(123)가 블록체인 기록의 적어도 일부를 열람하도록 허용할 수 있다.
서버(100)와 연동된 웹페이지 또는 어플리케이션(101)은 제1 사용자(121)의 포트폴리오에 공모전 출품 또는 수상 정보를 표시할 수 있다. 제3 사용자(123)는 웹페이지 또는 어플리케이션(101)에서 제1 사용자(121)의 포트폴리오를 열람하여 공모전 출품 또는 수상 정보를 확인할 수 있다. 제3 사용자(123)는 공모작품 또는 수상작품을 상업적으로 이용할 목적 또는 기타 목적으로 열람하고자 하는 자 또는 단체의 계정일 수 있다.
제3 사용자(123)는 제1 사용자(121)의 포트폴리오 중 판매 및 공유기능이 활성화된 공모전 참여작품 또는 수상작품을 조회/검색/열람할 수 있다. 웹페이지 또는 어플리케이션(101)은 제1 사용자(121)가 제시한 판매 가격에 공모전 참가작품 또는 수상작품을 이용할 수 있는 권한을 얻는 기능, 제1 사용자(121)에게 공모전 참가작품 또는 수상작품을 이용하고 싶다는 메시지를 보내는 기능, 제1 사용자(121)에게 공모전 참가작품 또는 수상작품을 이용 가격을 경매로 입찰하는 기능 등 공모전 참가작품 또는 수상작품 판매 및 이용을 실현하기 위한 UI/버튼/메시지/결재/온라인계약 등의 기능을 포함할 수 있다. 구입 완료를 통해 공모전 참가작품 또는 수상작품에 대한 상업적 권한을 얻은 제3 사용자(123)가 제1 사용자(121)로부터 구입한 공모전 참여작품 또는 수상작품을 다운로드 할 수 있는 기능을 포함할 수 있다.
한편, 공모전 참가작품 또는 수상작품의 판매가 이루어진 경우, 서버(100)는 공모전 참가작품 또는 수상작품 판매 기록을 블록체인에 기록할 수 있다. 공모전 참가작품 또는 수상작품 판매 기록은 공모전 명칭·주관사·대행사·시행연도, 판매된 작품이 참가작인지 수상작인지, 공모전 참가자 및 수상자에 관한 정보, 공모전 참가작품 또는 수상작품에 대한 상업적 권한을 얻은 자 또는 단체에 관한 정보, 공모전 참가작품 또는 수상작품 판매 가격, 공모전 참가작품 또는 수상작품의 이용 허락 범위 등을 포함할 수 있다.
이상을 통해, 서버(100)는 표절이 아닌 것으로 판단되고 제2 사용자(122)의 검증을 마친 공모전 결과를 블록체인에 기록할 수 있다. 따라서, 서버(100)는 공모전 출품 또는 수상 정보를 공신력 있게 제공할 수 있다. 다양한 공모전에 대한 활동, 수상정보 등이 블록체인 기술 기반으로 기록되어 공신력 있게 증명할 수 있다. 불특정 다수의 공모전 수상정보를 위조하여도 블록체인을 통해 해당 위조에 대한 문제점을 해결할 수 있다. 제1 사용자(121)는 블록체인에 기록된 공모전 참가 또는 수상 경력을 자신의 포트폴리오로 활용할 수 있다.
또한, 서버(100)는 안전하고 간편한 경력 인증을 제공할 수 있다. 공모전 수상자의 상장이나 상패(트로피)가 훼손 또는 분실되어 수상이력을 증빙할 수 없는 경우나 주관기관의 관리부실, 담당자 변경 등 여러 가지 사유로 진위 여부가 확인되지 않을 때에도 서버(100)와 연동된 웹페이지 또는 어플리케이션(101)을 활용해 쉽게 이력을 인증할 수 있다.
나아가, 서버(100)는 공모전 참가작품 또는 수상작품에 대한 표절여부 판단을 제공할 수 있다. 표절로 판단한 경우, 서버(100)는 블록체인에 공모전 출품 또는 수상 정보를 기록하지 않으며, 제1 사용자(121)에게 소명 기회를 부여하거나, 미리 정의된 패널티를 부과할 수 있다. 이를 통해, 웹페이지 또는 어플리케이션(101)에서 표절 논란이 있는 공모전 참가작품 또는 수상작품이 노출되지 않도록 할 수 있다.
도 3은 일실시예에 따른 표절여부 판단 동작을 설명하기 위한 순서도이다.
구체적으로, 도 2를 참조하여 설명된 제1 사용자(121)의 공모전 참가작품 또는 수상작품 표절여부 판단 동작들(230-250)은 아래를 포함할 수 있다.
먼저, 서버(100)는 미리 학습된 인공지능에 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 적용하여 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득할 수 있다(310).
서버(100)는 미리 학습된 인공지능을 포함할 수 있다. 인공지능은 공모전 참가작품 또는 수상작품을 입력받아 공모전 참가작품 또는 수상작품의 임베딩 벡터를 출력할 수 있다. 임베딩 벡터의 차원은 공모전 참가작품 또는 수상작품의 원래 데이터 차원보다 유의미하게 낮을 수 있다. 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
서버(100)는 인공지능에 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 적용하여 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득할 수 있다. 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 임베딩 벡터는 이미지, 영상, 텍스트 등으로 표현된 원래 공모전 참가작품 또는 수상작품 데이터를 압축적으로 표현한다.
다음으로, 서버(100)는 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 공모전 참가작품 또는 수상작품의 각각의 제1 유사도 및 제1 표절여부를 판단할 수 있다(320).
이를 위해, 서버(100)는 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품들을 인공지능에 미리 적용하여 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터를 미리 저장해 둘 수 있다. 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터는 이미지, 영상, 텍스트 등으로 표현된 원래 공모전 참가작품 또는 수상작품 데이터를 압축적으로 표현한다.
또한, 임베딩 벡터들은 크기가 동일하며 방향만 서로 다른 벡터들일 수 있다. 따라서 두 임베딩 벡터의 방향이 유사할수록 두 작품(이미지, 영상, 텍스트 등)은 서로 유사할 수 있다.
제1 유사도는 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품과 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 유사도를 의미할 수 있다. 서버(100)는 제1 사용자(121)의 공모전 참가작품 또는 수상작품의 임베딩 벡터와 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 임베딩 벡터의 내적 또는 두 벡터가 이루는 각도의 코사인 값을 제1 유사도로 연산할 수 있다. 한편, 실시예에 따라 다양한 벡터 유사도 측정 방법들이 차용될 수 있다.
서버(100)는 제1 유사도가 미리 정의된 제1 임계치 이상인 경우 제1 표절여부를 “표절”이라고 판단할 수 있다. 제1 임계치는 표절인 작품들이 가지는 제1 유사도의 평균 값으로 정할 수 있다. 그 외 실시예에 따라 다양한 방식으로 제1 임계치를 정할 수 있다.
이어서, 서버(100)는 제1 사용자(121)에게 제1 임계치를 초과한 제1 유사도 및 제1 표절여부를 송신할 수 있다(330).
서버(100)는 공모전 참가작품 또는 수상작품을 표절로 판단한 경우, 블록체인에 공모전 출품 또는 수상 정보를 기록하지 않으며, 제1 사용자(121)에게 소명 기회를 부여하거나, 미리 정의된 패널티를 부과할 수 있다. 제1 임계치를 초과한 제1 유사도 및 제1 표절여부를 수신한 제1 사용자(121)는 웹페이지 또는 어플리케이션(101)에서 소명 절차를 진행할 수 있다. 서버(100)는 소명 절차가 받아들여지면 제1 사용자(121)의 공모전 출품 또는 수상 정보를 블록체인에 기록할 수 있다.
이어지는 순서로, 서버(100)는 제1 표절여부 결과에 관계없이, 데이터베이스(130)에 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 저장할 수 있다(340).
표절여부 결과에 관계없이 데이터베이스(130)에 제1 사용자(121)의 공모전 참가작품 또는 수상작품을 저장함으로써, 제1 사용자(121)가 업로드한 작품은 인공지능 학습 데이터로 활용될 수 있다. 이를 통해, 인공지능은 더 많은 데이터를 이용하여 학습될 수 있다. 이를 통해, 인공지능은 이미지, 영상, 텍스트 등으로 이루어진 작품들을 보다 임베딩 벡터로 표현하는 능력이 향상될 수 있다. 특히, 원본 작품과 표절 작품은 동일한 레이블(label)을 가지도록 저장하고, 레이블을 이용하여 인공지능을 학습시키면, 인공지능은 원본 작품에 대한 임베딩 벡터와 표절 작품에 대한 임베딩 벡터가 더욱 유사하게 출력되도록 학습될 수 있다.
도 4는 일실시예에 따른 공모전 주관 또는 대행기관의 요청에 따른 표절여부 판단 동작을 설명하기 위한 순서도이다.
공모전을 주관 또는 대행하는 자 또는 단체는 공모전 참가작품 또는 수상작품에 대한 표절여부를 확인하고 싶은 경우가 있다. 예를 들어, 공모전 주관기관은 심사 대상 공모전 참가작품을 수상하기 앞서, 표절 작품이 아닌지 확인하고 싶을 수 있다. 또한, 공모전 대행기관은 자신들이 관리하는 공모전 참가작품 또는 수상작품에 표절 작품이 있는지를 체크하여 공모전 주관기관에게 알려 업무 신뢰성을 높이고자 할 수 있다. 이러한 수요에 맞추기 위해, 서버(100)는 공모전 주관 또는 대행기관의 요청에 따른 표절여부 판단 동작을 포함할 수 있다.
먼저, 서버(100)는 제2 사용자(122)로부터 검증 대상 공모전 참가작품 또는 수상작품을 수신할 수 있다(410).
제2 사용자(122)는 공모전을 주관 또는 대행하는 자 또는 단체의 계정일 수 있다. 검증 대상 공모전 참가작품 또는 수상작품은 공모전 주관기관이 심사 대상 공모전 참가작품을 수상하기 앞서, 표절 작품이 아닌지 확인하고 싶어하는 공모전 참가작품일 수 있다. 또는, 공모전 대행기관이 관리하는 공모전 참가작품 또는 수상작품일 수 있다. 검증 대상 공모전 참가작품 또는 수상작품은 복수 개일 수 있다.
다음으로, 서버(100)는 인공지능에 검증 대상 공모전 참가작품 또는 수상작품을 적용하여 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득할 수 있다(420).
서버(100)는 미리 학습된 인공지능을 포함할 수 있다. 인공지능은 공모전 참가작품 또는 수상작품을 입력받아 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터를 출력할 수 있다. 임베딩 벡터의 차원은 공모전 참가작품 또는 수상작품의 원래 데이터 차원보다 유의미하게 낮을 수 있다. 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
서버(100)는 인공지능에 검증 대상 공모전 참가작품 또는 수상작품을 적용하여 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득할 수 있다. 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터는 이미지, 영상, 텍스트 등으로 표현된 원래 공모전 참가작품 또는 수상작품 데이터를 압축적으로 표현한다.
이어서, 서버(100)는 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 검증 대상 공모전 참가작품 또는 수상작품의 각각의 제2 유사도 및 제2 표절여부를 판단할 수 있다(430).
도 3을 참조하여 설명한 것처럼, 서버(100)는 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품들을 인공지능에 미리 적용하여 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터를 미리 저장해 둘 수 있다. 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터는 이미지, 영상, 텍스트 등으로 표현된 원래 공모전 참가작품 또는 수상작품 데이터를 압축적으로 표현한다.
임베딩 벡터들은 크기가 동일하며 방향만 서로 다른 벡터들일 수 있다. 따라서 두 임베딩 벡터의 방향이 유사할수록 두 작품(이미지, 영상, 텍스트 등)은 서로 유사할 수 있다.
제2 유사도는 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품과 검증 대상 공모전 참가작품 또는 수상작품의 유사도를 의미할 수 있다. 서버(100)는 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터와 데이터베이스(130)에 저장된 각각의 공모전 참가작품 또는 수상작품의 임베딩 벡터의 내적 또는 두 벡터가 이루는 각도의 코사인 값을 제2 유사도로 연산할 수 있다. 한편, 실시예에 따라 다양한 벡터 유사도 측정 방법들이 차용될 수 있다.
서버(100)는 제2 유사도가 미리 정의된 제2 임계치 이상인 경우 제2 표절여부를 “표절”이라고 판단할 수 있다. 제2 임계치는 표절인 작품들이 가지는 제2 유사도의 평균 값으로 정할 수 있다. 그 외 실시예에 따라 다양한 방식으로 제2 임계치를 정할 수 있다.
이어지는 순서로, 서버(100)는 제2 사용자(122)에게 제2 임계치를 초과한 제2 유사도 및 제2 표절여부를 송신할 수 있다(440).
원본 작품이 공개 가능한 경우, 서버(100)는 제2 사용자(122)에게 제2 임계치를 초과한 제2 유사도 및 제2 표절여부와 더불어, 검증 대상 공모전 참가작품 또는 수상작품이 표절한 것으로 의심되는 원본 작품을 제공할 수 있다. 제2 사용자(122)는 제2 유사도 및 제2 표절여부를 참고하여 검증 대상 공모전 참가작품 또는 수상작품의 공모전 참가작품의 수상여부, 공모전 수상작품의 수상취소여부, 공모전 참가자에 대한 패널티 여부 등을 결정할 수 있다.
도 5는 일실시예에 따른 인공 신경망 학습을 위한 데이터 어그멘테이션(data augmentation) 동작을 설명하기 위한 도면이다.
서버(100)는 인공지능을 포함할 수 있다. 인공지능은 서버(100) 또는 별도의 학습 장치를 통해서 학습될 수 있다. 인공지능의 인공 신경망 학습을 위해, 서버(100) 또는 학습 장치는 데이터 어그멘테이션 모듈(500)을 포함할 수 있다.
데이터 어그멘테이션 모듈(500)은 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품을 변형하는 전처리를 반복적으로 수행하여 인공 신경망 학습에 적용할 입력 및 레이블을 생성할 수 있다. 예를 들어, 공모전 수상작품(510)은 이미지일 수 있다. 데이터 어그멘테이션 모듈(500)은 이미지 편집을 위한 통상의 모듈들을 포함할 수 있다. 데이터 어그멘테이션 모듈(500)은 공모전 수상작품(510)에 대한 확대(511), 축소(512), 색상변경(513), 필터효과(514), 회전(515), 반전(516) 버전의 이미지들을 생성할 수 있다. 이미지 편집 효과들(511-516)을 조합한 버전의 이미지들도 다양하게 생성할 수 있으며, 그 외 도시되지 않은 다양한 버전의 이미지들도 생성할 수 있다.
데이터 어그멘테이션 모듈(500)을 통해 생성된 이미지들은 공모전 수상작품(510)의 표절 작품으로 볼 수 있다. 서버(100) 또는 학습 장치는 원본 공모전 수상작품(510) 및 데이터 어그멘테이션 모듈(500)을 통해 생성된 표절 이미지들을 인공 신경망 학습을 위한 입력 데이터로 사용할 수 있다. 이때, 서버(100) 또는 학습 장치는 원본 공모전 수상작품(510) 및 데이터 어그멘테이션 모듈(500)을 통해 생성된 표절 이미지들에 동일한 레이블(label)을 부여할 수 있다.
도 6을 참조하여 후술되는 과정을 통해, 서버(100) 또는 학습 장치는 인공 신경망이 동일한 레이블을 가진 입력 데이터들의 임베딩 벡터들을 최대한 유사하게 출력하도록 인공 신경망을 학습시킬 수 있다. 이에 따라, 학습을 마친 인공지능이 출력하는 표절 작품의 임베딩 벡터와 원본 작품의 임베딩 벡터는 유사할 수 있다.
한편, 위에서는 공모전 참가작품 또는 수상작품이 이미지인 경우를 설명했지만, 데이터 어그멘테이션 모듈(500)은 이에 제한되는 것은 아니다. 데이터 어그멘테이션 모듈(500)은 실시예에 따라 영상, 텍스트 등으로 이루어진 데이터에 대한 전처리를 수행할 수 있는 통상의 구성을 가질 수 있다.
도 6은 일실시예에 따른 인공지능의 학습을 설명하기 위한 도면이다.
인공지능은 서버(100)에 포함되는 구성일 수 있으며, 서버(100) 또는 별도의 학습 장치를 통해서 학습될 수 있다.
인공지능은 공모전 참가작품 또는 수상작품을 입력받아 공모전 참가작품 또는 수상작품의 임베딩 벡터를 출력하도록 학습될 수 있다. 유의할 점은, 임베딩 벡터를 생성하는 인공지능 모델을 학습시키기 위해서는 인코더-디코더(encoder-decoder) 형태의 인공 신경망을 학습시키나, 학습이 완료된 후에는 인코더부의 웨이트(weight)만 이용한다는 점이다. 즉, 서버(100)는 학습 장치가 학습시킨 인공 신경망의 전체 웨이트 중 인코더부에 해당하는 웨이트만 부분적으로 이용하는 인공지능을 이용하게 된다.
이하에서는 학습 장치를 통해 인공지능이 학습되는 과정을 설명한다.
우선, 학습 장치는 트레이닝 데이터(training data)를 획득할 수 있다(600).
인코더-디코더로 구성되는 전체 인공 신경망 학습을 위해, 학습 장치는 데이터베이스(130)에 저장된 공모전 참가작품 또는 수상작품들을 획득할 수 있다.
이어서, 학습 장치는 트레이닝 데이터로부터 인공 신경망의 입력 및 레이블(label)을 생성할 수 있다(610).
학습 장치는 트레이닝 데이터인 각각의 공모전 참가작품 또는 수상작품을 도 5를 참조하여 설명한 데이터 어그멘테이션 모듈(500)에 적용하여 각각의 공모전 참가작품 또는 수상작품에 대한 다양한 버전의 표절 작품을 획득할 수 있다. 학습 장치는 원본 공모전 참가작품 또는 수상작품 및 데이터 어그멘테이션 모듈(500)을 통해 생성된 표절 공모전 참가작품 또는 수상작품들을 인공 신경망 학습을 위한 입력 데이터로 사용할 수 있다. 이때, 학습 장치는 원본 공모전 참가작품 또는 수상작품 및 데이터 어그멘테이션 모듈(500)을 통해 생성된 표절 공모전 참가작품 또는 수상작품들에 동일한 레이블을 부여할 수 있다.
학습 장치는 학습 효율을 위해 인공지능 최적화 단계(650)에서 확률론적 경사하위법(stochastic gradient descent)을 사용할 수 있으며, 이를 위해 배치(batch)별로 인공지능의 입력 데이터를 분배할 수 있다. 트레이닝 데이터들은 학습 에포크(epoch)마다 배치 내 재분배가 이루어질 수 있다.
다음으로, 학습 장치는 입력을 인공지능에 적용할 수 있다(620).
학습이 이루어지는 전체 인공 신경망은 인코더-디코더(encoder-decoder) 형태일 수 있다. 공모전 참가작품 또는 수상작품은 이미지, 영상, 텍스트 등이므로, 인공 신경망의 세부 모듈들은 합성곱 신경망 네트워크(CNN), 순환 신경망(RNN), 트랜스포머(Transformer) 및 이들의 조합을 포함할 수 있다.
이어서, 학습 장치는 인공지능으로부터 출력을 획득할 수 있다(630).
인코더부는 원본 공모전 참가작품 또는 수상작품 및 데이터 어그멘테이션 모듈(500)을 통해 생성된 표절 공모전 참가작품 또는 수상작품들을 입력받아 이들에 대한 임베딩 벡터를 출력할 수 있다. 디코더부는 인코더부의 출력을 입력받아 레이블에 대한 추측을 출력할 수 있다.
이후, 학습 장치는 출력과 레이블을 비교할 수 있다(640).
추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공 신경망의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공지능 모델들에 대해 이용되는 손실함수들이 이용될 수 있다.
다음으로, 학습 장치는 비교값을 기초로 인공지능을 최적화할 수 있다(650).
학습 장치 비교값이 점점 작아지도록 인공 신경망 모델의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공지능의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공지능은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 구체적으로, 학습 장치는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공지능의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공지능을 최적화할 수 있다. 인공지능의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하위법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다.
학습 장치는 디코더부 출력과 레이블을 점점 일치시킴으로써 디코더부를 학습시킬 수 있다. 동시에, 인코더부는 디코더부 출력이 레이블과 최대한 일치할 수 있도록 하는 출력을 생성하도록 학습될 수 있다. 인공 신경망의 학습이 완료되면 인코더부 및 디코더부가 최적화될 수 있다.
서버(100)는 인코더부의 웨이트를 이용한 인공지능을 포함할 수 있다. 서버(100)에 포함된 인공지능은 공모전 참가작품 또는 수상작품을 입력받아 임베딩 벡터를 생성할 수 있다. 임베딩 벡터의 차원은 공모전 참가작품 또는 수상작품의 원래 데이터 차원보다 유의미하게 낮을 수 있다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(701)는 프로세서(702) 및 메모리(703)를 포함한다. 장치(701)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 동작을 수행할 수 있다. 구체적으로, 장치(701)는 서버(100), 제1 단말(111), 제2 단말(112), 제3 단말(113), 데이터베이스(130) 또는 인공지능 학습 장치 등일 수 있다. 장치(701)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(703)는 전술된 방법들과 관련된 정보를 저장하거나 전술된 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(703)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(702)는 프로그램을 실행하고, 장치(701)를 제어할 수 있다. 프로세서(702)에 의하여 실행되는 프로그램의 코드는 메모리(703)에 저장될 수 있다. 장치(701)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
장치(701)는 인공지능을 학습시키거나, 학습된 인공지능을 이용하는데 사용될 수 있다. 메모리(703)는 학습 중인 또는 학습된 인공지능을 포함할 수 있다. 프로세서(702)는 메모리(703)에 저장된 인공지능 알고리즘을 학습시키거나 실행시킬 수 있다. 인공지능을 학습시키는 장치(701)와 학습된 인공지능을 이용하는 장치(701)는 동일할 수도 있고 개별적일 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 서버
101: 웹페이지 또는 어플리케이션
111, 112, 113: 제1 내지 3 단말
121, 122, 123: 제1 내지 3 사용자
130: 데이터베이스

Claims (5)

  1. 적어도 하나의 서버에 의해 수행되는 블록체인 기반 공모전 출품작 관리 방법은,
    제1 사용자로부터 공모전 출품 또는 수상 정보를 수신하는 단계; 및
    제2 사용자로부터 상기 공모전 출품 또는 수상 정보에 대한 인증을 수신하는 단계
    를 포함하고,
    상기 공모전 출품 또는 수상 정보는 공모전 참가작품 또는 수상작품을 포함하고,
    상기 공모전 출품 또는 수상 정보에 대한 인증은 상기 공모전 참가작품 또는 수상작품이 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었는지 또는 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상하였는지에 대한 검증을 포함하고,
    상기 블록체인 기반 공모전 출품작 관리 방법은
    상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 단계; 및
    상기 공모전 출품 또는 수상 정보를 블록체인에 기록하는 단계
    를 더 포함하고,
    상기 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었거나 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상한 것으로 인증된 경우에만, 상기 공모전 출품 또는 수상 정보를 상기 블록체인에 기록하고,
    상기 서버는 상기 블록체인과 구분되는 데이터베이스와 연동되고,
    상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 단계는,
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 공모전 참가작품 또는 수상작품의 각각의 제1 유사도 및 제1 표절여부를 판단하는 단계; 및
    상기 제1 표절여부 결과에 관계없이, 상기 데이터베이스에 상기 공모전 참가작품 또는 수상작품을 저장하는 단계
    를 포함하고,
    상기 서버는 인공지능을 포함하고,
    상기 데이터베이스에 저장된 공모전 참가작품 또는 수상작품은 상기 인공지능의 학습에 이용되는,
    블록체인 기반 공모전 출품작 관리 방법.
  2. 제1항에 있어서,
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 공모전 참가작품 또는 수상작품의 각각의 제1 유사도 및 제1 표절여부를 판단하는 단계는,
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품을 상기 인공지능에 적용하여 상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터를 획득하는 단계
    를 포함하는
    블록체인 기반 공모전 출품작 관리 방법.
  3. 제2항에 있어서,
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 공모전 참가작품 또는 수상작품의 각각의 제1 유사도 및 제1 표절여부를 판단하는 단계는,
    상기 인공지능에 상기 공모전 참가작품 또는 수상작품을 적용하여 상기 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득하는 단계;
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품의 각각의 임베딩 벡터과 상기 공모전 참가작품 또는 수상작품의 임베딩 벡터의 유사도를 기초로, 상기 각각의 제1 유사도 및 제1 표절여부를 판단하는 단계; 및
    상기 제1 사용자에게 제1 임계치를 초과한 각각의 제1 유사도 및 제1 표절여부를 송신하는 단계
    를 포함하는
    블록체인 기반 공모전 출품작 관리 방법.
  4. 제2항에 있어서,
    상기 제2 사용자로부터 검증 대상 공모전 참가작품 또는 수상작품을 수신하는 단계;
    상기 인공지능에 상기 검증 대상 공모전 참가작품 또는 수상작품을 적용하여 상기 검증 대상 공모전 참가작품 또는 수상작품의 임베딩 벡터를 획득하는 단계;
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 검증 대상 공모전 참가작품 또는 수상작품의 각각의 제2 유사도 및 제2 표절여부를 판단하는 단계; 및
    상기 제2 사용자에게 제2 임계치를 초과한 상기 제2 유사도 및 상기 제2 표절여부를 송신하는 단계
    를 더 포함하는,
    블록체인 기반 공모전 출품작 관리 방법.
  5. 블록체인 기반 공모전 출품작 관리 장치는
    제1 사용자로부터 공모전 출품 또는 수상 정보를 수신하고,
    제2 사용자로부터 상기 공모전 출품 또는 수상 정보에 대한 인증을 수신하는
    동작을 수행하는 적어도 하나의 프로세서를 포함하고,
    상기 공모전 출품 또는 수상 정보는 공모전 참가작품 또는 수상작품을 포함하고,
    상기 공모전 출품 또는 수상 정보에 대한 인증은 상기 공모전 참가작품 또는 수상작품이 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었는지 또는 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상하였는지에 대한 검증을 포함하고,
    상기 프로세서는
    상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하고,
    상기 공모전 출품 또는 수상 정보를 블록체인에 기록하고,
    상기 공모전 참가작품 또는 수상작품이 표절이 아닌 것으로 판단되고, 정말로 상기 제2 사용자가 주관 또는 대행하는 공모전에 출품되었거나 상기 제2 사용자가 주관 또는 대행하는 공모전에서 수상한 것으로 인증된 경우에만, 상기 공모전 출품 또는 수상 정보를 상기 블록체인에 기록하고,
    상기 장치는 상기 블록체인과 구분되는 데이터베이스와 연동되고,
    상기 프로세서가 상기 공모전 참가작품 또는 수상작품의 표절여부를 판단하는 동작은,
    상기 데이터베이스에 저장된 각각의 공모전 참가작품 또는 수상작품과 상기 공모전 참가작품 또는 수상작품의 각각의 제1 유사도 및 제1 표절여부를 판단하고,
    상기 제1 표절여부 결과에 관계없이, 상기 데이터베이스에 상기 공모전 참가작품 또는 수상작품을 저장하는
    동작을 포함하고,
    상기 장치는 인공지능을 포함하고,
    상기 데이터베이스에 저장된 공모전 참가작품 또는 수상작품은 상기 인공지능의 학습에 이용되는,
    블록체인 기반 공모전 출품작 관리 장치.
KR1020220167968A 2022-12-05 2022-12-05 블록체인 기반 공모전 출품작 관리 방법 및 장치 KR102540291B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220167968A KR102540291B1 (ko) 2022-12-05 2022-12-05 블록체인 기반 공모전 출품작 관리 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220167968A KR102540291B1 (ko) 2022-12-05 2022-12-05 블록체인 기반 공모전 출품작 관리 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102540291B1 true KR102540291B1 (ko) 2023-06-08

Family

ID=86765456

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220167968A KR102540291B1 (ko) 2022-12-05 2022-12-05 블록체인 기반 공모전 출품작 관리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102540291B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102081782B1 (ko) * 2019-03-11 2020-02-27 한국정보화기술 주식회사 개인 이력 정보 제공 방법
KR20220028462A (ko) * 2020-08-28 2022-03-08 경일대학교산학협력단 블록체인 did를 이용한 콘텐츠 관리 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102081782B1 (ko) * 2019-03-11 2020-02-27 한국정보화기술 주식회사 개인 이력 정보 제공 방법
KR20220028462A (ko) * 2020-08-28 2022-03-08 경일대학교산학협력단 블록체인 did를 이용한 콘텐츠 관리 장치 및 방법

Similar Documents

Publication Publication Date Title
US11727226B2 (en) Digital identity system
US10692086B2 (en) Distributed ledger based identity and origins of supply chain application enabling financial inclusion and sustainability
US10942994B2 (en) Multicomputer processing for data authentication using a blockchain approach
US10692085B2 (en) Secure electronic payment
US11159537B2 (en) Multicomputer processing for data authentication and event execution using a blockchain approach
Macdonald et al. The blockchain: a comparison of platforms and their uses beyond bitcoin
US20190340607A1 (en) System for central authority-permissioned transfer of blockchain tokens
US10594484B2 (en) Digital identity system
US11334882B1 (en) Data access management on a distributed ledger system
JP7504794B2 (ja) 分散データレコード
US20190164138A1 (en) Blockchain-implemented system and method
US20230298001A1 (en) Non-fungible token (nft) purchase and transfer system
Kehrli Blockchain 2.0-from bitcoin transactions to smart contract applications
KR20210125164A (ko) 블록체인 기반의 학습자 경진대회 플랫폼 시스템
Bruschi et al. A scalable decentralized system for fair token distribution and seamless users onboarding
Dash et al. Artificial intelligence models for blockchain-based intelligent networks systems: Concepts, methodologies, tools, and applications
CN117616410A (zh) 计算机分片环境中的多方计算
Garg Distributed ecosystem for identity management
CN112702410B (zh) 一种基于区块链网络的评估***、方法及相关设备
KR102540291B1 (ko) 블록체인 기반 공모전 출품작 관리 방법 및 장치
EP4135259A1 (en) Delegated off-chain payments using cryptocurrencies
Aleshi Secure Aircraft Maintenance Records Using Blockchain (SAMR)
KR102661386B1 (ko) 블록체인 기반 공모전 수상경력 관리 방법 및 장치
KR20220122416A (ko) 블록체인 기반의 부동산 매물 검색 및 관리 시스템
US20240113900A1 (en) Systems and methods for facilitating cryptographically backed coordination of complex computer communications

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant