다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.20 no.2, 2010년, pp.173 - 180
정민경 (계명대학교 컴퓨터공학) , 홍동권 (계명대학교 컴퓨터공학)
공개되는 데이터에서 각 개인의 민감한 정보를 보호하기 위한 방법으로 데이터 익명화에 관한 연구가 활발히 이루어지고 있다. 대부분의 연구들은 익명화 요구 사항에 위배되지 않으면서, 효율적인 시간 내 레코드들을 일반화하는 기법을 중심으로 연구를 진행하고 있다. 익명화 작업이 많은 시간이 요구되는 문제임을 고려한다면, 민감한 정보에 대한 프라이버시 침해의 우려가 있는지, 익명화가 요구되는지를 미리 검사하는 것은 개인 정보 보호차원뿐만 아니라 데이터의 활용성 및 시간적 효율성 측면에서도 매우 중요하다. 또한, 그러한 침해의 우려가 있다면 어떤 유형의 공격에 취약한지를 미리 판단함으로써 그에 적절한 익명화 방식을 결정하는 것도 중요하다. 본 논문에서는 민감한 속성에 대한 공격 유형을 크게 2가지로 분류한다. 그리고 데이터가 이들 공격으로부터 안전한가의 여부를 검사할 수 있는 기법을 제시하고, 불안정하다면 어떠한 공격에 취약하고 대략 어떤 방식의 일반화가 요구되는가를 제시한다. 본 연구에서는 익명화되기 전의 테이블뿐만 아니라, 익명화된 테이블, 그리고 익명화가 되었지만 삽입, 삭제로 인해 변경된 테이블도 공격성 검사 대상이 된다. 뿐만 아니라 익명화된 테이블도 민감한 정보를 제대로 보호하고 있는지 혹은 삽입 삭제로 인해 재익명화 작업이 필요한지의 여부도 본 연구의 결과로 결정할 수 있다.
AI-Helper
The research of the preserving privacy of sensitive information has been popular recently. Many researches about the techniques of generalizing records under k-anonymity rules have been done. Considering that data anonymity requires a lot of time and resources, it would be important to decide whethe...
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| 연결성 공격이란? | 관련 연구 논문[1,2,3,5]들을 토대로, 민감한 정보의 프라이버시 침해 방법을 크게 2가지로 정리할 수 있다. 첫 번째로, 배포된 데이터 테이블로부터 특정 속성 값들을 연결하여 개개인에 대한 레코드들을 식별하고 해당 레코드의 민감한 속성 정보를 침해하는 방법이다[2]. 본 논문에서는 이러한 침해 방식을 연결성 공격(Linking Attack)이라 명명한다. | |
| 공개되는 데이터에서 개인의 민감한 정보를 공격하는 두가지 공격법은? | 데이터 프라이버시를 지키기 위해서 연결성 공격과 동질성 공격을 방지하기 위한 다양한 연구가 활발히 진행되고 있다. (2장 관련연구에서 자세히 소개한다. | |
| 기업, 병원, 다수 공공기관에서 수집된 많은 개인 신원 정보들은 외부로 배포되기 전에 어떻게 처리되는가? | 기업, 병원, 다수 공공기관에서 수집된 많은 개개인의 정보들은 외부로 배포되기 전에 개인 신원 정보(예를 들어 주민등록번호 혹은 이름)들은 미리 암호화 되거나 삭제되고 나머지 정보들만이 배포된다. 그러나 이러한 공개된 정보로부터 개개인에 대한 레코드를 식별하거나 아울러 민감한 속성 정보(예를 들어 병명 혹은 학력 사항)까지 추론함으로써 개인 정보의 프라이버시(privacy)를 침해할 수 있다. |
A.Machanavajjhala, J.Gehrke, D.kifer. l-Diversity: "Privacy Beyond k-anonymity," In proceedings of the International Conference on Data Engineering, pp. 24. 2006
L.Sweeney. k-anonymity: "A model for preserving privacy. International Journal on Uncertainty", Fuzziness and Knowledge-based Systems, vol. 10, no.5, pp.557-570, 2002.
N.Li, T.Li, "S.Venkatasubramanian. t-Closeness: Privacy Beyond k-anonymity and l-diversity," In proceedings of IEEE 23rd Conference on Data Engineering, ICDE 2007
S.Lodha, D.Thomas. "Probabilistic Anonymity," PinKDD Workshop with KDD 2007
Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest Introduction to Algorithms, pp. 579-631, 1990
X.Sun, H.wang, J.Li, T.M.Truta, P.Li. $(p+, {\alpha})$ -sensitive k-anonymity: "A new enhanced privacy protection model," IEEE 2008
변창우, 김재환, 이향진, 강연정, 박석, "안전한 데이터베이스 환경에서 삭제시 효과적인 데이터 익명 화 유지 기법," 정보보호학회논문지, 2007
"Earth movers distance" 2009년 10월 검색 http://en.wikipedia.org/wiki/Earth_mover's_distance
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.