프라이버시 보호 데이터 마이닝이란?
프라이버시 보호 데이터 마이닝(Privacy-Preserving Data Mining)은 데이터 마이닝 수행 과정에서 민감한 개인정보가 노출되는 문제를 해결하기 위해 등장한 연구 분야입니다. '프라이버시 강화 데이터 마이닝' 또는 '프라이버시 민감형 데이터 마이닝'이라고도 불리며, 핵심 목표는 원본의 민감한 데이터 값을 공개하지 않으면서도 정확한 데이터 마이닝 결과를 얻는 것입니다.
대부분의 프라이버시 보호 기법은 데이터에 다양한 형태의 변환(transformation)을 적용해 개인정보를 보호합니다. 일반적으로 이러한 방법은 데이터 표현의 세밀도(granularity)를 낮추는 방식으로 프라이버시를 유지합니다.
예를 들어, 특정 개인 단위의 데이터를 사용자 집단 단위로 일반화(generalization)할 수 있습니다. 하지만 세밀도가 낮아지면 데이터 손실이 발생하고, 데이터 마이닝 결과의 활용 가치 역시 떨어질 수 있습니다. 즉, 데이터 손실과 프라이버시 사이에는 필연적인 트레이드오프(trade-off) 관계가 존재합니다.
주요 프라이버시 보호 데이터 마이닝 기법
1. 랜덤화(Randomization) 기법
랜덤화 기법은 데이터에 노이즈(noise)를 삽입하여 특정 데이터 값을 위장하는 방식입니다. 추가되는 노이즈는 개별 데이터 값, 특히 민감한 값들을 복원할 수 없을 만큼 충분히 커야 합니다.
동시에 노이즈는 전체 데이터 마이닝 결과가 크게 훼손되지 않도록 정교하게 설계되어야 합니다. 실제로 교란된(perturbed) 데이터로부터 전체적인 분포(aggregate distribution)를 복원하는 다양한 알고리즘이 개발되어 있습니다.
2. k-익명성(k-anonymity)과 l-다양성(l-diversity) 기법
두 기법 모두 개별 데이터를 수정하여 특정인으로 식별될 수 없도록 만드는 방식입니다. k-익명성 기법에서는 데이터 표현의 세밀도를 충분히 낮춰, 어떤 주어진 데이터가 최소 k개 이상의 다른 레코드와 동일하게 매핑되도록 합니다. 이를 위해 일반화(generalization)와 값 삭제(suppression) 같은 기술이 필요합니다.
다만 k-익명성에는 한계가 있습니다. 동일 그룹 내부의 민감한 값들이 균일(uniform)하다면, 해당 값들이 수정된 데이터로부터 추론될 수 있기 때문입니다. l-다양성 모델은 바로 이 약점을 보완하기 위해 고안되었습니다. 그룹 내부에 민감한 값들의 다양성을 강제함으로써 익명화 효과를 높입니다. 궁극적인 목표는 공격자가 여러 데이터 속성의 조합을 이용해 개별 레코드를 정확히 식별하기 어렵게 만드는 것입니다.
3. 분산형 프라이버시 보호(Distributed Privacy Preservation)
대규모 데이터셋은 수평(horizontal) 분할(데이터셋을 여러 부분집합으로 나누어 여러 사이트에 분산), 수직(vertical) 분할(속성별로 데이터셋을 나누어 분산), 또는 두 방식의 조합으로 분산 저장할 수 있습니다.
각 사이트는 자신의 전체 데이터셋을 공유할 필요 없이, 여러 프로토콜을 통해 제한적인 데이터 공유에만 동의하면 됩니다. 이러한 방법들의 종합적인 효과는 개별 객체의 프라이버시를 보호하면서도, 일부 데이터에 대한 집계 결과(aggregate result)는 얻을 수 있도록 하는 것입니다.
4. 데이터 마이닝 결과의 효과 저하(Downgrading)
경우에 따라서는 원본 데이터에 접근할 수 없더라도, 데이터 마이닝의 출력물(예: 연관 규칙, 분류 모델) 자체가 프라이버시 침해를 초래할 수 있습니다. 이에 대한 해결책은 데이터나 마이닝 결과를 변경하여 데이터 마이닝의 효율을 의도적으로 낮추는 것입니다. 예를 들어 특정 연관 규칙을 숨기거나, 일부 분류 모델을 다소 왜곡하는 방식이 있습니다.