고도화되는 디지털 범죄를 해결하기 위해 다양한 디지털 포렌식 기술이 연구되고 있다. 특히, 동영상을 이용한 범죄가 증가하고 있지만 방대한 데이터 규모로 인해 인력 및 자원 측면에서 제약이 있어서 동영상 포렌식에 인공지능을 도입하는 연구도 진행되고 있다. 본 논문에서는 Conv3DNet 모델을 이용하여 다양한 동영상에서 상대 동의를 구하고 촬영한 동영상(동의) 및 상대 동의를 구하지 않고 촬영한 동영상(비동의)으로 분류하는 알고리즘을 제안한다. 먼저 동의 및 비동의 동영상의 기준을 정의하고, 장시간의 동영상을 세그먼트 단위로 분할하여 동의 및 비동의 동영상 데이터셋을 구축하였다. 그 후에 세그먼트 단위의 동영상에 대해 프레임 특징을 추출하는 전처리를 수행하였고, 연속적인 프레임들에서 인접한 프레임 내 객체의 외관과 행동을 추적하여 학습하는 Conv3DNet 모델에 적용하였다. 특히, Conv3DNet 모델은 동의 및 비동의 동영상 분류를 위하여 변형과 파라미터 최적화를 수행하였다. 제안한 알고리즘의 성능 검증은 세 종류의 옵티마이저(SGD, Adam, Nadam)를 이용하여 수행하였고, 최종적으로 Nadam 옵티마이저를 이용한 동의 및 비동의 동영상 분류 알고리즘을 통해 94.18% 정확도를 달성하였다.