최근 생성 모델의 비약적인 발전은 고품질 콘텐츠 제작을 용이하게 했으나, 저작권 침해, 개인정보 유출, 유해 콘텐츠 생성과 같은 심각한 사회적 문제를 야기하고 있다. 이에 따라 모델이 학습한 특정 데이터의 영향을 사후적으로 제거하는 머신 언러닝과 생성물의 출처 및 진위성을 검증하는 비가시성 워터마킹 기술의 필요성이 대두되고 있으나 기존 연구들은 두 기술을 독립적으로 다루어 왔다. 이에 본 논문에서는 비가시성 워터마킹과 선택적 클래스 언러닝을 통합한 새로운 이미지 생성 프레임워크를 제안한다. 제안하는 기법은 Discrete Cosine Transform과 Singular Value Decomposition을 결합한 하이브리드 워터마킹을 통해 비가시성과 강인성을 확보하고, 판별자의 혼란을 유도하는 2단계 학습 전략을 통해 타겟 클래스만을 효과적으로 망각하도록 설계되었다. 실험 결과, 제안 기법은 타겟 클래스에 대해 높은 생성 억제 성능을 입증하였으며, 보존 대상 클래스에 대해서는 원본 수준의 품질을 유지하였다. 아울러 언러닝 후에도 워터마크가 안정적으로 검출됨을 확인함으로써, 제안 프레임워크가 안전하고 신뢰 가능한 생성 모델 구축에 기여할 수 있음을 보였다.