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
410
모던 웹 기술로 C++ 렌더링 엔진 테스트 자동화하기
tinyjin
0
51
그래픽 엔진 포팅 사례로 배우는 웹어셈블리 웹 컴포넌트 개발부터 디버깅, 최적화까지
tinyjin
0
380
韩国的打卡地:你喜欢海边吗?
tinyjin
0
49
LottieFiles로 시작하는 빠르고 효율적인 애니메이션 핸드오프
tinyjin
0
93
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
420
Other Decks in Technology
See All in Technology
クラウドセキュリティを支える技術と運用の最前線 / Cutting-edge Technologies and Operations Supporting Cloud Security
yuj1osm
2
150
LLMエージェント時代に適応した開発フロー
hiragram
1
460
ドキュメントはAIの味方!スタートアップのアジャイルを加速するADR
kawauso
3
460
Kubernetes における cgroup v2 でのOut-Of-Memory 問題の解決
pfn
PRO
0
350
人と組織に偏重したEMへのアンチテーゼ──なぜ、EMに設計力が必要なのか/An antithesis to the overemphasis of people and organizations in EM
dskst
7
730
実践AIガバナンス
asei
3
210
AIエージェント就活入門 - MCPが履歴書になる未来
eltociear
0
660
知られざるprops命名の慣習 アクション編
uhyo
11
2.8k
KiroでGameDay開催してみよう(準備編)
yuuuuuuu168
1
160
TypeScript入門
recruitengineers
PRO
32
9.9k
Goss: New Production-Ready Go Binding for Faiss #coefl_go_jp
bengo4com
1
1.1k
実践データベース設計 ①データベース設計概論
recruitengineers
PRO
4
1.7k
Featured
See All Featured
Rails Girls Zürich Keynote
gr2m
95
14k
Building Applications with DynamoDB
mza
96
6.6k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.8k
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.8k
Building Adaptive Systems
keathley
43
2.7k
Navigating Team Friction
lara
189
15k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
6k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
KATA
mclloyd
32
14k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Code Review Best Practice
trishagee
70
19k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
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