딥페이크(Deepfake)특징과 사회적 이슈

딥페이크는 현재 사회적으로 가장 큰 논란과 위험을 동시에 가져오는 첨단 기술 중 하나입니다.

 

▣ 딥페이크(Deepfake)란 무엇인가?

딥페이크는 딥러닝(Deep Learning)과 페이크(Fake, 가짜)의 합성어로, 인공지능(AI) 기술을 사용하여 실제와 구분이 어려울 정도로 정교하게 조작하거나 생성해 낸 이미지, 비디오, 오디오 등의 미디어를 통칭하는 용어입니다.

 

 

▣ 딥페이크의 핵심 원리: GAN (Generative Adversarial Network)

딥페이크의 기초가 되는 GAN은 2014년에 이안 굿펠로우(Ian Goodfellow) 등이 제안한 기계 학습(Machine Learning) 모델입니다. 이 기술은 마치 위조지폐범과 경찰이 서로 경쟁하며 발전하는 것과 유사한 방식으로 작동합니다.

1. GAN의 두 가지 구성 요소

GAN은 서로 적대적인 관계를 가지는 두 개의 신경망, 즉 생성자와 판별자로 구성됩니다.

1️⃣ 생성자 (Generator) - 위조지폐범 역할

• 역할: 가짜 데이터(이미지, 영상, 음성 등)를 만들어내는 신경망입니다.
• 작동 방식: 무작위 노이즈(데이터)를 입력받아 이를 학습된 특징을 가진 그럴듯한 데이터로 변환합니다. 목표는 판별자를 속이는 것입니다.
• 예시: 딥페이크에서는 원본 얼굴 이미지의 특징을 학습하여 이를 대상 영상에 합성할 가짜 얼굴 이미지를 생성합니다.

2️⃣ 판별자 (Discriminator) - 경찰 역할

• 역할: 입력된 데이터가 진짜 데이터(Real Data)인지 생성자가 만든 가짜 데이터(Fake Data)인지를 판별하는 신경망입니다.
• 작동 방식: 생성된 가짜 이미지와 실제 이미지를 함께 학습하며 둘을 구분하는 능력을 키웁니다. 목표는 생성자가 만든 가짜를 정확히 잡아내는 것입니다.

2. 학습 과정 (경쟁과 발전)

이 두 신경망은 다음과 같은 과정을 통해 동시에 학습하며 발전합니다.

1. 생성자 시작: 생성자는 처음에는 매우 조악한 가짜 이미지를 만듭니다.
2. 판별자 평가: 판별자는 이 가짜 이미지를 쉽게 가려냅니다.
3. 피드백과 개선: 판별자가 잘 가려냈다는 정보를 생성자에게 피드백(오차)으로 전달합니다.
4. 생성자 발전: 생성자는 이 피드백을 바탕으로 더욱 정교하고 사실적인 가짜 이미지를 만들어내기 위해 스스로를 개선합니다. (판별자를 속이기 위해 노력)
5. 판별자 발전: 판별자 역시 이 가짜 이미지들이 들어올 때마다 구분 능력을 향상시키기 위해 스스로를 개선합니다. (가짜를 더 잘 잡아내기 위해 노력)

이러한 적대적 학습(Adversarial Learning)이 수천, 수만 번 반복되면서, 두 모델은 서로의 성능을 극대화합니다. 최종적으로 생성자는 판별자조차 진위 여부를 쉽게 판단하기 어려운 수준의 사실적인 결과물을 생성하게 됩니다.

 

딥페이크에 사용되는 다른 주요 기술: 오토인코더 (Autoencoder)

GAN 외에도, 초기 딥페이크 제작이나 특정 형태의 얼굴 스와핑(Face Swapping)에는 오토인코더(Autoencoder)라는 기술이 사용되기도 했습니다.

• 인코더 (Encoder): 입력된 이미지(예: 원본 인물의 얼굴)에서 핵심적인 특징(Feature)만을 추출하여 압축된 형태(잠재 공간)로 만듭니다.
• 디코더 (Decoder): 압축된 특징을 다시 원본 형태로 복원하는 신경망입니다.

딥페이크에서는 두 인물(원본 인물 A, 대상 인물 B)의 얼굴을 학습시키는 하나의 인코더와 두 개의 디코더를 사용하여, A의 얼굴 특징을 추출한 뒤 B의 디코더로 복원하여 A의 표정과 행동이 B의 얼굴에 나타나도록 영상을 합성합니다.

최신 기술은 GAN을 포함한 여러 AI 모델을 복합적으로 사용하여 딥페이크의 사실성과 정교함을 극대화하고 있습니다.

 

▣ 딥페이크의 주요 특징

1. 기술적 특징 (생성 및 진화)

특징	설명
심층 학습(Deep Learning) 기반	단순히 영상을 자르고 붙이는 포토샵 수준이 아니라, GAN과 같은 심층 신경망을 사용하여 원본 데이터의 패턴과 특징을 학습하고 이를 바탕으로 완전히 새로운 콘텐츠를 생성하거나 조작합니다.
적대적 학습(Adversarial Learning)	생성자와 판별자가 경쟁적으로 학습하여 결과물의 사실성(Realism)을 극대화합니다. 이 과정을 통해 인간의 눈으로 진위를 가리기 어려운 수준에 도달합니다.
다양한 형태의 합성	단순히 얼굴을 바꾸는 페이스 스와핑(Face Swapping)뿐만 아니라, 특정 인물의 목소리를 복제하는 음성 복제(Voice Cloning), 입 모양을 원하는 오디오에 맞추는 립 싱크(Lip-syncing) 등 다양한 조작이 가능합니다.
진화 속도	딥페이크 기술은 약점을 발견하는 즉시 이를 보완하며 빠르게 발전하고 있습니다. 예를 들어, 초기 딥페이크는 눈 깜빡임이 부자연스러웠지만, 현재는 이 문제가 상당 부분 해결되어 인위적인 흔적을 찾기가 더욱 어려워지고 있습니다.

 

2. 시각적/물리적 특징 (탐지 단서)

딥페이크가 아무리 정교해도 AI가 완벽하게 재현하기 어려운 물리적 혹은 시각적 '잔여물(Artifacts)'이 남아있을 수 있으며, 이는 딥페이크를 식별하는 주요 단서가 됩니다.

주요 탐지 단서	부자연스러운 현상 (초기 또는 저품질 딥페이크에서 흔함)
눈 깜빡임	실제 사람보다 눈을 덜 깜빡이거나, 깜빡임 주기가 매우 부자연스럽고 일정합니다.
피부 질감 및 얼굴 윤곽	얼굴 합성 부분의 피부 톤, 그림자, 주름 등이 주변 환경이나 신체의 다른 부분과 일관되지 않게 나타날 수 있습니다. (너무 매끄럽거나, 너무 인위적인 주름)
조명 및 그림자	얼굴의 움직임이나 환경의 변화에도 조명과 그림자가 어색하게 고정되어 있거나, 빛의 반사(예: 안경의 반사)가 현실 물리 법칙과 맞지 않을 수 있습니다.
구강 내부	입을 크게 벌리거나 말할 때 혀, 치아, 구강 내부의 묘사가 부자연스럽거나 흐릿하게 보일 수 있습니다.
가장자리 불안정	합성된 얼굴의 윤곽선이나 머리카락 주변에서 미세한 떨림(Jitter)이나 깜박임(Flickering) 현상이 나타날 수 있습니다.
손과 몸의 움직임	얼굴만 정교하게 합성하고 몸의 움직임은 원본 인물의 것을 그대로 사용했기 때문에, 얼굴 표정이나 말하는 내용과 몸짓, 자세 등이 어울리지 않을 수 있습니다. (최신 기술은 이 역시 해결하려 노력 중입니다.)

 

3. 사회적 특징 (위협성)

• 진위 여부의 혼란: 정교함이 높아지면서 사람들은 온라인에서 접하는 모든 미디어 콘텐츠의 진위 여부에 대해 의심을 품게 되어 사회적 신뢰가 크게 훼손됩니다.
• 쉬운 접근성: 과거에는 고도의 기술이 필요했지만, 현재는 일반인도 쉽게 사용할 수 있는 애플리케이션이나 오픈소스 도구가 등장하여 악용될 위험이 높아졌습니다.
• 타겟 집중: 딥페이크 콘텐츠의 대다수(주로 디지털 성범죄)가 여성이나 특정 소수 집단을 대상으로 하여 심각한 인권 문제와 개인적인 피해를 유발합니다.
• 금전적 동기: 금융 사기, 보이스 피싱, 기업 사칭 등 금전적 이득을 목적으로 한 범죄에 활용되면서 경제적 피해도 증가하고 있습니다.

 

▣ 딥페이크(Deepfake) 긍정적인 활용 사례

딥페이크의 핵심인 AI 기반 합성 기술은 미디어, 교육, 의료 등 다양한 분야에서 새로운 가능성을 열어주고 있습니다.

1. 엔터테인먼트 및 미디어 산업

• 영화 및 드라마 제작:
  • 고인(故人) 복원: 사망한 배우나 역사적 인물을 영상 속에서 자연스럽게 재현하여 작품의 몰입도를 높일 수 있습니다. (예: 존 F. 케네디의 잃어버린 연설 복원)
  • 특수 효과 대체: 배우의 나이를 어리게 또는 늙게 표현하거나, 위험한 스턴트 장면에서 대역 배우의 얼굴에 주연 배우의 얼굴을 정교하게 합성하여 제작 비용과 위험을 줄일 수 있습니다. (예: 넷플릭스 드라마 '살인자ㅇ난감'에서 배우의 아역 구현)
• 다국어 콘텐츠 제작:
  • 특정 언어로 연설하거나 말하는 영상이 있을 때, 배우의 목소리는 그대로 유지하면서 입 모양(립 싱크)을 다른 언어의 발음에 맞게 자동으로 합성하여 자연스러운 외국어 더빙 콘텐츠를 만듭니다. 이는 글로벌 콘텐츠 유통에 큰 도움을 줍니다.
• 가상 인간(Virtual Human):
  • 뉴스 앵커, 쇼핑 호스트, 혹은 기업의 홍보 모델 등 가상 인플루언서를 제작하여 24시간 콘텐츠 제작 및 서비스 제공이 가능합니다.

2. 의료 및 헬스케어

• 의료 영상 데이터 생성:
  • AI가 질병을 정확히 진단하도록 학습시키기 위해 실제 환자의 CT, MRI, X선 이미지와 유사한 가짜 의료 영상을 대량으로 생성하여 AI 모델의 학습 정확도를 높이는 데 사용됩니다. (개인 정보 보호 문제를 해결하는 데도 기여)
  • 수술 시뮬레이션 및 훈련용 영상 제작에 활용됩니다.

3. 교육 및 훈련

• 실감형 교육 콘텐츠:
  • 역사 속 인물이나 복잡한 물리 현상을 실감 나는 영상으로 구현하여 학습 효과를 극대화할 수 있습니다.
  • 소방관, 경찰 등 현장 인력을 위한 다양하고 사실적인 위기 상황 시뮬레이션을 제작하여 효과적인 훈련을 돕습니다.

 

▣ 딥페이크(Deepfake) 악용 사례 및 사회적 위험

 

딥페이크 악용의 가장 큰 문제는 그 결과물이 사회적 신뢰를 근본적으로 무너뜨리고 개인에게 회복 불가능한 피해를 준다는 점입니다.

1. 디지털 성범죄 (가장 심각한 악용)

• 성 착취물 제작 및 유포:
  • 피해자(대부분 여성 및 청소년)의 얼굴을 동의 없이 성적인 영상에 합성하여 제작하고 온라인에 유포합니다.
  • 이는 피해자에게 극심한 정신적 충격, 명예훼손, 사회적 낙인을 주는 심각한 성폭력 범죄이며, 한국에서는 관련 법규(성폭력처벌법)로 강력하게 처벌됩니다.

2. 허위 정보 유포 및 정치적 혼란

• 가짜 뉴스 및 선동:
  • 정치인, 공직자, 혹은 기업의 임원이 실제로 하지 않은 발언을 하거나 하지 않은 행동을 하는 것처럼 조작한 딥페이크 영상을 제작하여 유포합니다.
  • 이는 여론을 조작하고, 선거를 방해하며, 사회적 혼란과 특정 국가에 대한 불신을 조장하는 심각한 안보 위협이 될 수 있습니다. (예: 선거를 앞두고 가짜 전화 목소리를 이용한 선거 운동 논란)

3. 사기 및 금융 범죄

• 금융 사기(BEC):
  • 기업의 CEO나 고위 임원의 얼굴과 목소리를 딥페이크로 모방하여, 해외 지사나 직원에게 거액의 송금을 지시하는 등 정교한 사기를 실행합니다. 실제로 수백만 달러의 금전적 피해가 발생한 사례가 있습니다.
• 보이스피싱:
  • 가족 구성원(자녀, 부모)의 얼굴과 음성까지 복제한 딥페이크를 이용해 "자녀를 납치했다"고 속이며 돈을 요구하는 등 전화 금융 사기에 사용될 수 있습니다.

4. 개인 사생활 침해 및 명예훼손

• 사이버 스토킹 및 협박:
  • 일반인의 사생활 영상이나 이미지를 조작하여 협박하거나 명예를 훼손하는 콘텐츠를 제작하고 유포하여 개인에게 피해를 입히는 데 사용됩니다.
• 개인 신뢰도 저하:
  • 딥페이크의 확산은 사람들의 영상, 음성 등 미디어 콘텐츠 전반에 대한 신뢰도를 떨어뜨려, 진짜 증거나 사실조차 가짜로 의심받게 만드는 사회적 비용을 유발합니다.

 

▣ 딥페이크 탐지 기술의 주요 원리

딥페이크(Deepfake) 기술이 발전할수록, 이를 탐지하고 진위 여부를 판별하는 딥페이크 탐지 기술(Deepfake Detection Technology) 역시 AI를 기반으로 맞서 싸우며 빠르게 발전하고 있습니다. 이는 'AI가 만든 가짜를 또 다른 AI가 잡는' 창과 방패의 싸움과 같습니다.

딥페이크 탐지 기술은 주로 AI가 완벽하게 모방하지 못하는 '미묘한 인공물의 흔적(Artifacts)을 찾아내는 데 집중합니다.

1. 인공물 기반 탐지 (Artifact-Based Detection)

딥페이크 생성 과정에서 발생하는 부자연스러운 흔적(Artifact)이나 패턴의 불일치를 찾아내는 방법입니다.

• 주파수 영역 분석 (Frequency Domain Analysis):
  • GAN이나 오토인코더 같은 AI 모델이 이미지를 합성할 때, 사람의 눈에는 보이지 않는 특정 주파수 패턴이 영상에 남습니다.
  • 푸리에 변환(Fourier Transform) 등의 기술을 이용해 이러한 인위적인 주파수 흔적을 분석하여 딥페이크 여부를 판별합니다.
• 픽셀 단위 불일치 탐지:
  • 딥페이크는 보통 얼굴 부분만 합성하고 나머지 배경이나 몸은 원본을 유지합니다. 이 합성된 부분과 원본 부분 사이의 픽셀 및 색상 경계, 노이즈 패턴이 미세하게 다를 수 있는데, 이를 AI가 학습하여 찾아냅니다.

2. 생리적/물리적 불일치 탐지 (Physiological Inconsistency Detection)

인간의 생체 신호나 자연적인 물리적 현상이 딥페이크에서 재현되지 못하는 지점을 포착합니다.

• 비정상적인 눈 깜빡임 (Eye Blinking):
  • 초기 딥페이크는 눈 깜빡임을 제대로 학습하지 못해, 눈을 너무 적게 깜빡이거나 깜빡임의 주기가 비정상적으로 길었습니다. 최신 기술은 개선되었지만, 여전히 부자연스러운 패턴을 탐지합니다.
• 심박 신호 (PhotoPlethysmoGraphy, PPG):
  • 인텔의 페이크캐처(FakeCatcher)와 같은 기술이 사용하는 방식으로, 사람 얼굴에 미세하게 흐르는 혈류 변화(피부 색깔의 미묘한 변화)를 추적하여 심박 신호를 추출합니다. 딥페이크는 이 미세한 생체 신호를 완벽하게 재현하지 못하기 때문에 이를 탐지할 수 있습니다.
• 입술-음성 동기화 불일치 (Lip-sync Inconsistency):
  • 영상 속 인물의 입술 움직임과 실제 음성 데이터 사이의 시간적 동기화(Sync)가 미묘하게 어긋나는 부분을 탐지합니다.

3. 모델 기반 탐지 (Model-Based Detection)

딥페이크를 생성하는 데 사용된 특정 AI 모델(GAN, VAE 등)의 잔여 특징을 학습하여 탐지하는 방법입니다.

• 생성 모델 식별:
  • 특정 GAN 모델로 만들어진 딥페이크는 그 모델만의 독특한 '지문(Fingerprint)' 같은 특징을 남깁니다.
  • 탐지 AI는 여러 종류의 딥페이크 생성 모델을 학습하여, 현재 영상이 어떤 모델에 의해 만들어졌는지 역추적하고 그 신뢰도를 측정합니다.

 

▣ 최신 탐지 기술 동향 및 대응책

1. 워터마킹 (Watermarking)

이것은 탐지 기술이라기보다는 예방적 조치에 가깝습니다.

• 원리: AI 플랫폼에서 이미지를 생성할 때, 사람의 눈에는 보이지 않지만 기계가 식별할 수 있는 특수한 디지털 워터마크를 이미지나 영상에 삽입합니다.
• 효과: 추후 해당 콘텐츠가 유포되었을 때, 이 워터마크를 통해 AI가 생성했는지 여부와 최초 생성 주체를 쉽게 검증할 수 있습니다. 구글 딥마인드 등 주요 빅테크 기업에서 이 방법을 연구하고 있습니다.

2. 컨텍스트 일관성 분석 (Contextual Consistency Analysis)

• 원리: 영상 속 인물의 얼굴은 자연스러울 수 있지만, 얼굴과 목, 몸, 배경, 주변 환경과의 상호작용이 물리적으로나 논리적으로 일치하지 않는 부분을 찾아냅니다.
• 예시: 얼굴이 빛을 받는 방향과 몸의 그림자 방향이 일치하지 않거나, 얼굴의 각도와 머리카락이 중력에 의해 움직이는 방식이 어색한 경우를 탐지합니다.

3. 메타데이터 및 블록체인 활용

• 메타데이터: 사진이나 영상 파일에 포함된 제작 시간, 장소, 사용된 장치 정보 등의 메타데이터가 조작되었거나, 원본 출처와 일치하지 않는 부분을 분석하여 신뢰도를 평가합니다.
• 블록체인: 콘텐츠의 원본 진위 정보를 분산원장(블록체인)에 기록하여, 해당 콘텐츠가 조작되지 않은 원본임을 영구적으로 증명하는 시스템을 구축하려는 시도가 있습니다.

탐지 기술의 한계 (끊임없는 싸움)

• AI의 빠른 진화: 딥페이크 생성 기술은 탐지 기술의 약점을 보완하며 끊임없이 발전하기 때문에, 오늘 탐지된 방법이 내일은 무용지물이 될 수 있습니다. 탐지 모델은 계속해서 새로운 딥페이크 데이터로 학습해야 합니다.
• 압축 및 화질 저하: 딥페이크 영상이 소셜 미디어를 통해 공유되면서 압축되거나 화질이 저하될 경우, 미묘한 인공물 흔적이 사라져 탐지 정확도가 크게 떨어질 수 있습니다.

 

▣ 딥페이크 관련 최신 동향 및 사회적 이슈

1. 심각한 디지털 성범죄 피해 및 한국의 상황

• 피해 집중도: 전 세계적으로 딥페이크 악용의 대다수는 성 착취물 제작 및 유포에 집중되어 있습니다. 특히 보안 서비스 업체의 보고에 따르면, 딥페이크 성 착취물에 등장한 인물 중 한국 국적의 인물이 매우 높은 비율을 차지하며 심각한 사회적 문제로 대두되었습니다.
• 미성년자 피해: 딥페이크 범죄의 피해자 중에는 미성년자(청소년)의 비율도 높아 더욱 심각한 인권 문제와 윤리적 쟁점을 낳고 있습니다.
• 협박 수단 악용: 최근에는 불법 대부업자들이 채무자에게 돈을 뜯어내기 위해 채무자의 얼굴을 딥페이크 영상에 합성하여 유포하겠다고 협박하는 등, 범죄 수단이 다각화되고 있습니다.

2. 국내외 규제 및 법적 대응 강화

딥페이크의 위협이 커지면서 전 세계적으로 법적, 제도적 대응이 강화되고 있습니다.

• 한국:
  • 성폭력범죄의 처벌 등에 관한 특례법(성폭력처벌법): 딥페이크를 이용한 불법 성 착취물 제작 및 유포에 대해 강력한 처벌 규정을 신설했습니다.
  • 공직선거법: 선거의 공정성을 확보하기 위해 선거일 90일 전부터 선거 당일까지 후보자에 대한 딥페이크 영상 등을 활용한 선거운동을 금지했습니다.
• 글로벌 기업 및 플랫폼 규제:
  • 유럽연합(EU): 세계 최초로 AI를 포괄적으로 규제하는 「AI법」을 제정했으며, 딥페이크 등 AI 시스템의 공급자와 사용자에게 투명성 의무를 부과하고 있습니다.
  • 구글/유튜브: 딥페이크를 활용한 음란물 광고 등을 금지하고 있으며, 크리에이터에게 AI 사용 여부를 의무적으로 표시하도록 요구하고 있습니다.

3. 윤리적 문제와 신뢰의 위기

• 진실과 허위의 경계 모호: 딥페이크의 정교함이 높아질수록, 대중은 온라인상의 모든 정보를 의심하게 되어 사회적 신뢰(Trust)가 근본적으로 훼손됩니다.
• 창작자와 저작권: 원곡자의 동의 없이 다른 가수의 목소리로 딥페이크 음원을 만들거나, 기존 배우의 얼굴을 교체하는 등의 행위는 저작권 및 초상권 침해 문제를 일으킵니다.
• AI 윤리 교육의 중요성: 기술 발전 속도에 맞춰, 딥페이크 기술을 안전하고 올바르게 사용하고, 조작된 미디어를 식별하는 능력을 키우기 위한 AI 윤리 교육 및 미디어 리터러시 증진이 필수적인 대응 방안으로 강조되고 있습니다.

 

▣ 딥페이크 피해 신고 및 도움 기관

딥페이크 피해는 주로 디지털 성범죄에 해당하며, 피해 사실을 숨기지 않고 신속하게 신고하고 전문 기관의 도움을 받는 것이 중요합니다.

 

1. 경찰청 (수사 및 처벌)

• 112 (긴급 신고): 범죄 상황이 긴급하거나 현재 진행 중일 때
• 사이버범죄 신고 시스템 (ECRM):
  • 접속: 경찰청 사이버수사국 홈페이지를 통해 온라인으로 신고 가능
  • 접수: 피해 사실, 증거 자료 등을 첨부하여 신고하면 가까운 경찰서로 사건이 배정됩니다.
  • 방문: 가까운 경찰서를 직접 방문하여 사이버수사팀에 신고할 수 있습니다.

2. 여성가족부 산하 전문 지원 기관

• 디지털 성범죄 피해자 지원센터 (여가부 산하)
  • 전화: 02-735-8994 (또는 1366 여성긴급전화)
  • 지원 내용:
    • 삭제 지원: 불법 촬영물 및 딥페이크물의 유포 현황을 모니터링하고 해당 플랫폼에 삭제를 요청합니다.
    • 수사 지원: 경찰 수사에 필요한 법률 및 절차 안내.
    • 상담 및 연계: 심리 상담, 의료 지원 등 연계.

3. 방송통신위원회 (삭제 및 차단)

인터넷상에 유포된 불법 정보를 심의하여 차단 및 삭제 조치를 의뢰하는 기관입니다.

• 방송통신심의위원회 (방심위)
  • 온라인 신고: 방심위 성매매·음란정보 심의 전용 창구 등을 통해 신고 가능.
  • 지원 내용: 불법 딥페이크물이 포함된 게시물이나 사이트에 대해 접속 차단 또는 삭제 명령을 내립니다.

4. 법률 구조 및 상담

• 대한법률구조공단 (132): 경제적으로 어렵거나 법률 지식이 부족한 국민에게 무료 또는 저렴한 비용으로 법률 상담 및 소송 지원을 제공합니다.

 

피해자가 준비해야 할 것 (증거 확보)

신속하고 효과적인 피해 구제를 위해 다음 사항들을 준비해 두는 것이 좋습니다.

1. 증거 보존:
   • 불법 딥페이크물이 유포된 화면을 캡처합니다. (URL 주소, 유포 날짜/시간, 게시자 ID 등이 포함되도록)
   • 직접적인 불법 파일은 보지 않더라도, 유포 정황(채팅방 대화, 링크 등)을 모두 캡처하여 저장합니다.
   • 절대 직접 파일을 다운로드하거나 소지하지 마십시오.
2. 유포자 정보: 유포자의 닉네임, 아이디, 연락처 등 가능한 모든 정보를 기록합니다.
3. 전문가 상담: 증거 확보 후 바로 디지털 성범죄 피해자 지원센터에 연락하여 다음 절차에 대한 가이드라인을 받는 것이 가장 효과적입니다.

가장 중요한 점은 피해자 본인의 잘못이 아니므로 주저하지 말고 전문가의 도움을 받는 것입니다.