마이크로 데이터에서 익명화된 정형, 반정형, 비정형 정보의 유용성 측도 비교 분석 (Comparative Analysis of Utility Measures for Anonymized Data: Structured, Semi-Structured, and Unstructured Information in Microdata)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 10권 / 10호 / 465 ~ 476페이지
· 저자명 : 이준동, 주용완, 이지연, 김순석

초록

본 논문에서는 익명화된 정형, 반정형, 비정형 데이터의 유용성 측도에 대해 고찰하며, 특히 익명화가 데이터 품질에 미치는 영향을 중점적으로 다루고자 한다. 익명화는 개인정보보호법 제3조 원칙과 제58조의2에 따라 개인정보를 보호하는 중요한 방법이지만, 종종 데이터 안전성과 유용성 사이에 상충 관계를 초래한다. 본 연구는 데이터 유용성 즉, 정보 손실 측면에서 익명화가 정형 데이터(예: 수치 및 텍스트 값), 반정형 트랜잭션 데이터, 그리고 비정형 이미지 데이터에 미치는 영향을 조사하고자 하는 것이 목적이다. 정형 데이터의 경우, 공분산, 상관계수, 평균 제곱오차 및 절대 오차 등 기존의 유용성 측도와 k-익명성과 같은 프라이버시 보호 모델에서의 유용성 측도에 대해 논의한다. 반정형 트랜잭션 데이터의 경우, km-익명성 모델과 여기에서 사용하는 NCP(Normalized Certainty Penalty)를 주요 측도로 다루고자 한다. 비정형 이미지 데이터의 경우 현재 프레셰 인셉션 거리(FID), 학습된 지각 이미지 패치 유사도(LPIPS), 구조적 유사성 지수(SSIM) 등의 측도들을 통하여 익명화된 이미지와 원본 이미지 간의 유사성을 유용성 측도로 평가하고 있다. 본 논문에서는 이러한 측도들을 상세히 고찰함으로써, 익명화와 데이터 유용성 사이의 균형 유지가 여전히 향후 연구들에 있어 중요한 도전 과제임을 보여주고자 하며, 아울러 익명화된 데이터를 활용하려는 기관 및 기업이 보다 높은 품질의 데이터를 생성하여 의미 있는 분석을 수행할 수 있도록 기여하기를 기대한다. 향후 연구로는 음성 및 텍스트와 같은 비정형 데이터에서의 유용성 측도를 확장해 고찰할 예정이다.

영어초록

This paper examines the utility measures of anonymized structured, semi-structured, and unstructured data, with a particular focus on the impact of anonymization on data quality. While anonymization is a key method for protecting personal information under the principles of Article 3 and Article 58-2 of the Personal Information Protection Act, it often creates a trade-off between data security and utility. The purpose of this study is to investigate the effect of anonymization on data utility, or information loss, in structured data (e.g., numerical and textual values), semi-structured transactional data, and unstructured image data. For structured data, this paper discusses traditional utility measures such as covariance, correlation, mean squared error, and absolute error, as well as utility measures within privacy protection models like k-anonymity. For semi-structured transactional data, it focuses on the km-anonymity model and the key utility measure used in this model, the Normalized Certainty Penalty (NCP). For unstructured image data, the utility is evaluated using contemporary measures such as Fréchet Inception Distance (FID), Learned Perceptual Image Patch Similarity (LPIPS), and Structural Similarity Index Measure (SSIM) to assess the similarity between anonymized and original images. By thoroughly reviewing these measures, this paper aims to demonstrate that balancing anonymization and data utility remains a significant challenge for future research. Moreover, it seeks to contribute to organizations and businesses aiming to generate higher quality anonymized data for meaningful analysis. Future research will extend the discussion on utility measures to other forms of unstructured data, such as audio and text.

참고자료

· 없음