Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
개인정보와 개인정보 비식별화
Search
Jinny You
November 26, 2019
Technology
0
64
개인정보와 개인정보 비식별화
Jinny You
November 26, 2019
Tweet
Share
More Decks by Jinny You
See All by Jinny You
디자이너와 개발자가 자주 겪는 Lottie 핸드오프 FAQ - Figma Config Watch Party Seoul
tinyjin
0
79
인디 앱 개발자와 Flutter
tinyjin
0
400
모던 웹 기술로 C++ 렌더링 엔진 테스트 자동화하기
tinyjin
0
46
그래픽 엔진 포팅 사례로 배우는 웹어셈블리 웹 컴포넌트 개발부터 디버깅, 최적화까지
tinyjin
0
360
韩国的打卡地:你喜欢海边吗?
tinyjin
0
46
LottieFiles로 시작하는 빠르고 효율적인 애니메이션 핸드오프
tinyjin
0
91
エンジニアが見つめるLottieアニメーション
tinyjin
0
120
ThorVG's Lottie Model in Action
tinyjin
0
230
국민대학교 사제동행 세미나
tinyjin
0
410
Other Decks in Technology
See All in Technology
Intro to Software Startups: Spring 2025
arnabdotorg
0
220
Rubyの国のPerlMonger
anatofuz
3
730
GMOペパボのデータ基盤とデータ活用の現在地 / Current State of GMO Pepabo's Data Infrastructure and Data Utilization
zaimy
3
210
【新卒研修資料】数理最適化 / Mathematical Optimization
brainpadpr
25
12k
LLMで構造化出力の成功率をグンと上げる方法
keisuketakiguchi
0
630
Claude Codeは仕様駆動の夢を見ない
gotalab555
23
5.9k
Segment Anything Modelの最新動向:SAM2とその発展系
tenten0727
0
580
マルチプロダクト×マルチテナントを支えるモジュラモノリスを中心としたアソビューのアーキテクチャ
disc99
1
390
【CEDEC2025】ブランド力アップのためのコンテンツマーケティング~ゲーム会社における情報資産の活かし方~
cygames
PRO
0
250
リリース2ヶ月で収益化した話
kent_code3
1
220
LLMをツールからプラットフォームへ〜Ai Workforceの戦略〜 #BetAIDay
layerx
PRO
1
920
AWS re:Inforce 2025 re:Cap Update Pickup & AWS Control Tower の運用における考慮ポイント
htan
1
220
Featured
See All Featured
Reflections from 52 weeks, 52 projects
jeffersonlam
351
21k
Making Projects Easy
brettharned
117
6.3k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
10
1k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
126
53k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
47
9.6k
A Tale of Four Properties
chriscoyier
160
23k
What's in a price? How to price your products and services
michaelherold
246
12k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
283
13k
Facilitating Awesome Meetings
lara
54
6.5k
A Modern Web Designer's Workflow
chriscoyier
695
190k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
21
1.4k
Balancing Empowerment & Direction
lara
1
530
Transcript
개인정보와 개인정보 비식별화 유진의
개인정보를 수집하는 순간부터 개인정보를 안전하게 보관 및 활용해야하는 책임이 생깁니다.
개인정보란 무엇일까요?
개인정보란? 살아 있는 개인에 관한 정보로서 성명, 주민등록번호 및 영상
등을 통해 개인을 알아볼 수 있는 정보
정보
개인을 알아볼 수 있는 정보
살아있는 개인을 알아볼 수 있는 정보
개인정보 비식별화?
개인정보 비식별화 다른 정보와 결합하여 특정 개인을 알아볼 수 없도록
거치는 일련의 조치
좀 더 구체적으로 이해해볼까요?
개인정보를 구성하는 세가지 요인 1. 특정 데이터가 한 개인과 대응됨.
2. 특정 데이터와 특정 개인이 연결됨. 3. 특정 데이터로부터 특정 개인을 추론할 수 있음.
개인정보 비식별화의 원리 1. 위 세가지 구성 요인을 모두 제거하기
(익명화) 2. 개인과 대응하되, 연결(2)과 추론(3)을 모두 제거하는 것 (가명화)
1차 정리 개인정보를 비식별화한다는 것은 -> 가명화 or 익명화 =>
가명정보 or 익명정보
가명 정보와 익명 정보 익명 정보 가명 정보
가명정보란? 개인을 식별하기 어렵지만 다른 데이터와 결합했을 때 재식별 가능성이
있는 정보
익명정보란? 다른 데이터와 결합해도 특정 개인을 연결 또는 추론할 수
없는 정보
개인정보 비식별화가 왜 필요한가요?
현 시대에서 데이터란 무수한 문제를 해결할 수 있는 소중한 자원이다.
모든 데이터는 개인정보에 연결될 위험성이 있다!!! 가령, 쇼핑몰 구매 이력
등
개인정보 비식별화 절차
1. 비식별화할 데이터셋을 선별
2. 스키마 분석 데이터를 아래와 같은 4가지 범주로 분류 식별자(Identifiers)
- 개인을 1:1로 식별할 수 있는 정보 준식별자(QI: Quasi-Identifiers) - 다른 데이터와 결합하여 특정 데이터를 간접적으로 식별할 수 있는 정보 민감정보(SA: Sensitive Attributes) - 개인의 사생활을 드러낼 수 있는 정보
2. 스키마 분석 QI QI QI SA SA SA SA
Identifiers
3. 개인 식별 정보 제거 개인을 식별할 수 있는 Identifiers에
해당하는 값들은 무.조.건 삭제합니다 주민등록번호, 이메일, 계좌번호 등
4. 비식별화 방법 선정
4. 비식별화 방법 선정 QI QI QI SA SA SA
SA 가명 처리 데이터 삭제 데이터 범주화 데이터 범주화 총계처리 총계처리 총계처리
5. 프라이버시 모델 선정 K-익명성(K-anonimity) - 주어진 데이터셋에서 같은 값을
가지는 레코드가 적어도 K개 이상 존재해야 함. L-다양성(L-diversity) - 각 동질 집합이 가진 민감정보의 종류는 적어도 L개 이상 존재해야 함. T-근접성(T-closeness) - 민감 정보의 분포 차이를 T이하로 만들어야 함.
6. 비식별 조치 진행 상용 프로그램 또는 프로그래밍을 이용해 진행
7. 적정성 평가 및 사후관리 전문가를 통해 비식별 데이터의 안정성을
검증하고 프라이버시 문제가 일어나지 않도록 지속적인 모니터링을 진행
목표 1. 개인정보보호에 대한 중요성을 알리자! 2. 개인정보와 개인정보 비식별화에
대한 개념을 쉽게 정리해드리자! 3. 개인정보 비식별화의 전반적인 흐름에 대한 이해를 돕자! 제 목표가 달성되었을까요…?
모든 피드백과 건전한 비판은 감사히 받겠습니다
감사합니다