A De-identification Technique using Dimensionality Reduction for Numeric Data

최근 빅데이터 분석기술이 많은 주목을 받고 있다. 빅데이터 취급 과정에서 개인 신원이 노출될 경우 사회적 문제 및 물질적 피해로 이어질 수 있으며, 이러한 문제를 방지하기 위해 데이터로부터 개인식별을 할 수 없게 하는 비식별화 기술이 존재한다. 그러나 기존의 비식별화 기술은 개인식별 방지에만 초점을 맞추고 있으며 집단 특성 분석은 방지할 수 없다. 본 논문에서는 기존 비식별화의 한계점을 분석하고, 특히 집단 특성 분석에 따른 문제점을 지적한다. 그리고 이러한 문제점을 극복하기 위한 새로운 차원축소 기반의 비식별화 기법을 제안한다. 제안한 방식은 인가된 자에 한해서만 비식별화 데이터를 추출할 수 있으며, 인가되지 않은 자는 차원축소된 데이터로부터 비식별화된 데이터를 추출할 수 없으므로 집단 특성 분석을 차단할 수 있다. 또한 데이터 추론 공격, 재식별 공격으로부터 안전하므로 클라우드 환경을 통해 안전하게 데이터를 공유할 수 있다.