SynthIDBio 구조 워터마크 확인 방법 총정리

구글 딥마인드 SynthID Bio의 서열·구조 워터마크 두 방식과 탐지 조건, 코드 조달 경로를 2026년 10월 2일 기준으로 정리했습니다. 비밀 키 전제와 재서열화 취약점까지 함께 확인하세요.

SynthIDBio 시작 전 확인할 것

SynthIDBio는 AI가 설계한 단백질에 기능을 유지한 채 식별 신호를 심는 방법군입니다. 지금 당장 손에 넣을 수 있는 건 서열 방식 코드뿐입니다. 구글 딥마인드가 2026년 9월 30일 공개했고 같은 날 Nature에 방법론 논문(Function-preserving watermarking of AI-generated proteins, 저자 23명, Demis Hassabis 포함)이 실렸습니다. 이 글은 두 방식의 차이, 탐지에 붙는 전제 조건, 코드·가중치 조달 경로를 순서대로 정리했습니다. 가격 비교는 다루지 않습니다. 유료 API가 아니라 코드·가중치 배포 형태여서 2026년 10월 2일 기준 가격 공시 자체가 없기 때문입니다.

시작 전에 받아들여야 할 전제가 하나 있습니다. 탐지에는 비밀 키가 필요합니다. 누구나 돌리는 공개 탐지기가 아니라, 설계 도구 개발사와 합성업체 사이의 키 공유를 전제한 구조입니다. 그래서 “워터마크가 없으면 AI 설계가 아니다”라는 추론은 성립하지 않습니다. 적용은 자발적이고, 논문 스스로 서열 방식이 ProteinMPNN을 거친 재서열화에 취약하다고 밝혔습니다. Nature 뉴스팀(Elie Dolgin, 2026년 9월 30일)도 워터마크된 단백질을 다른 설계 도구에 다시 통과시키면 구조와 기능은 그대로 둔 채 합성 기원 표시만 흐릴 수 있다는 점을 핵심 한계로 짚었습니다. 있음은 정보가 되지만, 없음은 정보가 아닙니다.

용어 풀이
1. 워터마크 — 산출물의 품질을 떨어뜨리지 않으면서 출처를 식별하도록 심어 넣는 통계적 신호입니다.
2. 잔기 — 단백질 사슬을 구성하는 아미노산 단위이며, 신호를 담을 자리 수를 결정합니다.
3. 디퓨전 네트워크 — 무작위 노이즈에서 점차 구조를 만들어 가는 생성 모델 계열로, 구조 예측의 좌표를 만들어 냅니다.

준비물·필요 서류

조달 난도가 두 경로로 갈립니다. 서열 워터마크는 바로 받을 수 있지만, 구조 워터마크 가중치는 별도 약관 동의와 접근 안내를 거칩니다. 파이프라인을 계획한다면 이 차이를 일정에 반영해야 합니다.

함께 확인해 둘 조건이 더 있습니다. 저장소는 모든 소프트웨어·가중치·산출물이 이론적 모델링 용도이며 임상용으로 검증·승인되지 않았다고 명시합니다. 임상·제품 경로를 전제한 검토라면 이 문구가 출발점입니다. 또 키의 보관·배포 주체와 절차는 현재 파트너 문의 메일 주소 말고는 공개 문서로 확인되지 않았고, 구조 가중치의 승인 기준과 소요 기간 역시 공개되지 않았습니다. 누가 키를 쥐고 누구에게 주느냐가 이 기술의 실효성을 가르는 지점인데, 구글은 그 절차를 공식 문서로 내놓지 않았습니다.

단계별 진행 순서

1단계 — 두 방식 중 하나를 고릅니다(소요: 검토 반일). SynthIDBio-sequence는 서열 생성 중 아미노산 선택을 편향시키는 방식이고, SynthIDBio-structure는 AlphaFold 3 디퓨전 네트워크의 일부를 미세조정해 예측 구조의 원자 좌표에 신호를 넣는 방식입니다. 주의할 점은 제약이 서로 다르다는 것입니다. 서열 쪽은 워터마크 유무만 담는 zero-bit 방식이어서 제작자·시점 같은 추가 정보를 실을 수 없고, 구조 쪽은 구조 이완(relaxation) 처리에 견고성이 부족합니다.

2단계 — 조달 경로를 확보합니다(소요: 서열은 즉시, 구조는 미공개). 서열 코드와 ProteinMPNN 가중치는 저장소에서 바로 내려받습니다. 구조 가중치는 접근 안내와 AlphaFold 3 약관 동의를 거쳐야 하므로 전면 개방이 아니라는 점을 일정에 반영합니다.

3단계 — 탐지 기준을 먼저 고정합니다(소요: 반일). 성능 수치는 조건과 함께여야 의미가 있습니다. 구조 워터마크는 오탐률(FPR) 0.1% 조건에서 참양성률(TPR) 99.8%를 넘겼고, 서열 워터마크는 g-value 임계값을 FPR 0.1%에 맞춰 보정했을 때 해당 설계들에 대해 TPR 100%로 보고됐습니다. 권장 강도 s = 0.001에서 LDDT·template modelling 점수가 AlphaFold 3 기준선보다 낮지 않았다고 논문에 적혀 있습니다. 조건을 떼고 숫자만 옮기면 비교가 성립하지 않습니다.

4단계 — 견고성 한계를 시험합니다(소요: 설정별 수일). 구조 워터마크는 표준편차 0.01 Å 수준의 좌표 노이즈에서는 TPR 저하가 미미했습니다. 반면 이완 처리와 재서열화는 신호를 지우는 쪽으로 작동합니다.

5단계 — 보완 계층을 설계합니다(소요: 상시). 딥마인드 블로그는 출처 메타데이터나 중앙 저장소 같은 보완 장치를 권합니다. Help Net Security(2026년 10월 1일 보도)는 딥마인드가 고의적 조작에 대한 저항성을 남은 과제로 인정했다고 전했습니다. 출처 추적을 요구사항으로 넣으려면 메타데이터 계층을 따로 둬야 합니다.

용어 풀이
1. zero-bit 워터마크 — 신호가 있는지 없는지만 판정하며, 그 안에 별도 식별 정보를 담지 못하는 방식입니다.
2. 구조 이완 — 예측된 원자 좌표를 에너지적으로 안정한 상태로 미세 조정하는 후처리이며, 좌표에 심은 신호가 이 과정에서 사라질 수 있습니다.
3. g-value — 서열 워터마크의 신호 강도를 수치화한 지표로, 임계값을 어디에 두느냐가 오탐률을 결정합니다.

자주 놓치는 부분

가장 흔한 오해는 기능 저하가 없다는 서술을 개별 설계 단위로 읽는 것입니다. in vitro 평가는 표적 3종(VEGF-A, SARS-CoV-2 스파이크 RBD, PD-L1)에 대해 워터마크 설정별로 비워터마크 서열 222개와 워터마크 서열 267개를 비교한 집단 수준 결과입니다. SPR로 측정한 결합력은 집단 수준에서 워터마크 유무 간 유의한 차이가 없었고, SC2RBD는 낮은 나노몰, VEGF-A와 PD-L1은 서브나노몰 결합체가 나왔습니다. 세 표적 모두 결합체 과제라는 점도 범위 조건입니다. 습식 검증은 Adaptyv Bio와 협력해 진행했습니다.

두 번째는 워터마크를 서열 스크리닝의 대체재로 보는 것입니다. 스크리닝은 위험 서열 자체를 봅니다. 워터마크는 안전한 설계 도구에서 나왔는지만 알려줄 뿐 안전성을 보증하지 않습니다. Nature 뉴스 기사에서 RAND의 Steph Guerra는 재현성 지원과 보안 이익이 양립할 수 있다는 점을, 전 IBBIS의 Tessa Alexanian은 이 기술이 계층적 방어 체계의 한 도구라는 점을 지적했습니다. 둘 다 단독 해법이라는 평가는 하지 않았습니다.

세 번째는 도입 현황을 과대평가하는 것입니다. 2026년 10월 2일 기준 특정 DNA 합성업체의 실제 운영 도입은 확인되지 않았습니다. Twist Bioscience 측은 유망하다는 평가를 냈고, 딥마인드는 파트너 문의 창구를 제시한 단계입니다. Evo 2로 설계한 박테리오파지 게놈 워터마킹은 스탠퍼드 Hie lab·Arc Institute와의 진행 중 협업이며 별도 논문이나 공개 산출물이 아니고, 수치도 공개되지 않았습니다. 발표 당일 보도 중 일부는 워터마크된 상태로 기능하는 AI 설계 단백질을 합성한 첫 사례라는 딥마인드 측 주장을 그대로 전재했고, 제3자 재현 실험을 근거로 든 매체는 같은 기준일에 확인되지 않았습니다. 공개 리더보드나 제3자 재측정도 아직 없습니다. 발표 후 3일 차입니다.

네 번째는 선행 연구를 빼고 신규성만 읽는 것입니다. Chen 외의 연구(Bioinformatics 41권 7호, 2025년 5월 2일)는 자가회귀 단백질 설계 모델에 delta-Gumbel 재가중으로 워터마크를 넣는 틀을 제시했고, 사설 키 1,000개 조건에서 p-value 임계 0.001일 때 FPR 0.000107·FNR 0.0022를, 50-650 잔기 범위와 구조 60종에서 ESMfold pLDDT 저하가 없었다고 보고했습니다. 계산 지표만 보면 우열을 가릴 수 없고, 갈리는 지점은 합성 단백질의 실측 결합 데이터를 함께 냈는지 여부입니다.

마지막으로 탐지 가능한 최소 잔기 수는 숫자로 인용하지 않는 편이 안전합니다. 공개 자료에서 서술이 일관되지 않아, 믿을 만한 단일 값을 제시할 근거가 없습니다. 짧은 서열에서 탐지율이 떨어진다는 방향만 전제로 두고, 실제 임계는 자체 설정에서 측정하는 쪽이 맞습니다.

체크리스트 정리

1. 탐지에 비밀 키가 필요한 구조임을 전제에 반영했는지 — 공개 탐지기가 아닙니다.
2. 서열(Apache 2.0·MIT)과 구조(AlphaFold 3 약관 동의 필요) 두 경로의 조달 난도를 일정에 다르게 잡았는지.
3. 성능 수치를 인용할 때 조건을 붙였는지 — 구조 TPR 99.8% 초과는 FPR 0.1%·강도 s = 0.001 전제입니다.
4. 기능 동등성이 표적 3종, 설정별 222개 대 267개 서열의 집단 비교라는 범위를 명시했는지.
5. 재서열화와 구조 이완에 대한 취약성을 위험 목록에 넣고, 메타데이터 계층을 따로 설계했는지.
6. 저장소의 임상 미승인 문구(이론적 모델링 용도)를 검토 문서에 인용했는지.
7. 합성업체 도입·게놈 적용·가격을 단정하지 않았는지 — 2026년 10월 2일 기준 공개된 값이 없습니다.

참고 자료

조사 기준일: 2026년 10월 02일

본문의 수치는 아래 자료에서 확인한 것입니다. 제조사 공식 자료(T1)와 전문 매체 실측(T2)을 구분해 표기했습니다. 가격·공급 상황은 변동이 크므로 기준일 이후의 값은 다시 확인해야 합니다.

공식 자료
– Google DeepMind 블로그, SynthID Bio: Watermarking methods for synthetic biology — https://deepmind.google/blog/introducing-synthid-bio/ (2026-09-30 공개, 확인 2026-10-02)
– blog.google, SynthID Bio 발표 요약 — https://blog.google/innovation-and-ai/models-and-research/google-deepmind/synthid-bio/ (2026-09-30 공개, 확인 2026-10-02)
– Nature, Function-preserving watermarking of AI-generated proteins — https://www.nature.com/articles/s41586-026-10965-y (2026-09-30 게재, 확인 2026-10-02)
– GitHub, google-deepmind/synthidbio — https://github.com/google-deepmind/synthidbio (확인 2026-10-02)
– blog.google, Making it easier to understand how content was created and edited — https://blog.google/innovation-and-ai/products/identifying-ai-generated-media-online/ (2026-05-19 공개, 확인 2026-10-02)
– Nature news (Elie Dolgin), Secret watermark labels proteins as ‘made by AI’ — https://www.nature.com/articles/d41586-026-03033-y (2026-09-30, 확인 2026-10-02)
– Help Net Security, Google’s SynthID Bio can watermark AI-designed protein binders without breaking them — https://www.helpnetsecurity.com/2026/10/01/synthid-bio-watermark/ (2026-10-01, 확인 2026-10-02)
– officechai, Google DeepMind Unveils SynthID Bio — https://officechai.com/ai/synthid-bio-google-deepmind/ (확인 2026-10-02)
– Chen 외, Enhancing privacy in biosecurity with watermarked protein design, Bioinformatics 41(7) — https://pmc.ncbi.nlm.nih.gov/articles/PMC12279293/ (2025-05-02, 확인 2026-10-02)