> ## Documentation Index
> Fetch the complete documentation index at: https://docs.factagora.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 개요

> Fingerprint가 구조 기반의 보이지 않는 워터마킹으로 콘텐츠를 보호하는 방법

## Fingerprint란?

Fingerprint는 Factagora의 콘텐츠 출처 증명 API입니다. 근본적인 문제를 해결합니다: **콘텐츠가 재작성되거나, 의역되거나, 번역된 이후에도 그것이 당신에게서 비롯되었다는 것을 어떻게 증명할 것인가?**

기존의 텍스트 매칭 도구는 콘텐츠가 재구성되면 작동하지 않습니다. Fingerprint는 다르게 작동합니다, 콘텐츠의 *인과 구조*(누가 무엇을, 언제, 왜)를 분석하고 그 구조에 기반한 보이지 않는 워터마크를 삽입합니다. 모든 단어가 바뀌어도 그 아래의 구조는 여전히 탐지 가능합니다.

## 작동 방식

<Steps>
  <Step title="삽입">
    `/fingerprint/embed`에 콘텐츠를 보냅니다. API가 **시간 지식 그래프(TKG)**: 엔티티, 타임라인, 인과 관계, 논증 체인, 를 추출한 뒤, 그 구조에서 시드를 생성한 보이지 않는 zero-width 유니코드 워터마크를 삽입합니다. 배포할 워터마크가 적용된 콘텐츠를 반환받습니다.
  </Step>

  <Step title="탐지">
    의심스러운 콘텐츠를 발견하면 `/fingerprint/detect`로 보냅니다. API는 두 가지 독립적인 검사를 실행합니다:

    1. **워터마크 검사**: 숨겨진 비트를 추출해 저장된 fingerprint와 상관관계를 계산합니다 (거의 확실한 일치)
    2. **TKG 매칭**: 단어 수준의 퍼지 매칭으로 인과 구조를 비교합니다 (의역 탐지)
  </Step>

  <Step title="감사">
    각 매치에는 전체 분석 결과가 포함됩니다: 어떤 엔티티, 시간 앵커, 인과 패턴이 공유되었는지. 이것이 감사 가능하고 설명 가능한 증거 기록입니다.
  </Step>
</Steps>

## 주요 기능

<CardGroup cols={2}>
  <Card title="의역에 강함" icon="arrows-rotate">
    단어 수준의 퍼지 매칭 덕분에 "EU enacts AI Act"가 "European Union passed AI Act regulation"과 매치됩니다, 정확한 문자열 일치가 필요 없습니다.
  </Card>

  <Card title="이중 레이어 탐지" icon="layer-group">
    워터마크 상관관계(암호학적)와 TKG Jaccard(의미론적)가 독립적으로 실행됩니다. 두 가지가 동시에 발화하면 우연한 중복일 통계적 가능성이 거의 없습니다.
  </Card>

  <Card title="콘텐츠 유형 인식" icon="sliders">
    점수 가중치가 자동으로 조정됩니다: 법률 문서는 인과 구조(0.6)에 가중을 두고, 뉴스는 엔티티(0.5)에 가중을 두며, 보고서는 세 신호를 균형 있게 반영합니다.
  </Card>

  <Card title="감사 가능한 증거" icon="file-lines">
    모든 매치에는 정확한 중복 목록, 공유된 엔티티, 타임라인, 인과 트리플, 이 포함되어 두 글이 *왜* 매치되었는지 설명할 수 있습니다.
  </Card>
</CardGroup>

## TKG 스냅샷에 무엇이 담기나요?

콘텐츠에서 추출된 시간 지식 그래프(TKG)는 네 개의 레이어를 포함합니다:

| 레이어              | 예시                                       | 목적                 |
| ---------------- | ---------------------------------------- | ------------------ |
| **Entities**     | `Bank of Korea`, `Interest rate`         | 누가, 무엇이 관련되어 있는지   |
| **Timeseries**   | `2024-03-15`                             | 이벤트가 언제 발생했는지      |
| **Relations**    | `Bank of Korea → raises → Interest rate` | 무엇이 일어났는지 (원인과 결과) |
| **Argument map** | 전제 → 증거 → 결론 체인                          | 왜 일어났는지 (거시적 추론)   |

논증 맵은 Fingerprint가 특별히 견고한 이유입니다. 같은 사건을 다룬 두 글은 엔티티와 날짜를 공유하지만, 논증 구조, *왜* 금리가 인상되었고 *어떤 증거가* 그 클레임을 뒷받침하는지, 는 의역에서 가장 바꾸기 어려운 부분입니다.

## 활용 사례

* **뉴스 기관**: 출처 표기 없이 재게시된 기사를 탐지
* **법무 팀**: 라이선싱 분쟁에서 콘텐츠 출처 증명
* **연구 기관**: 연구 결과가 어떻게 인용되고 재사용되는지 추적
* **콘텐츠 플랫폼**: 대규모로 잠재적인 콘텐츠 재사용을 자동으로 플래깅

## 다음 단계

<CardGroup cols={2}>
  <Card title="Embed & Detect 워크스루" icon="play" href="/ko/guides/factagora/fingerprint/embed-and-detect">
    코드 예시와 함께 단계별 가이드를 제공합니다.
  </Card>

  <Card title="Best Practices" icon="lightbulb" href="/ko/api-reference/best-practices/fingerprint">
    점수, 필터링, 감사를 위한 프로덕션 팁.
  </Card>
</CardGroup>