4차 산업혁명 시대에 사물인터넷과 모바일을 통해 수집된 다양한 정보를 이용해 공공 및 민간영역의 새로운 비즈니스모델을 위한 빅데이터 산업이 각광을 받고 있다. 하지만, 개인정보 비식별화 조치를 통한 빅데이터 통합 및 분석를 수행하면서 개인프라이버시가 노출될 위험성을 여전히 가지고 있다. 최근 개인정보를 노출하지 않고 데이터의 가치를 유지하는 방법에 대한 연구가 진행되고 있다. 본 논문에서는 빅데이터산업 활성화를 위해 의료, 농업 등 산업별로 개인정보 보호체계가 필요함을 강조하였다. 비식별화된 개인정보의 적정성 평가 기준을 개인 민감정보 중심의 의료분야는 k-익명성 최소값을 일반적인 산업분야의 평균값 보다 높은 5 이상으로 설정해야하며, 농업분야에서는 개인별 민감정보범위에 개인소유 반려견이나 농지 정보를 포함시켜서, 산업별 특성에 맞게 개인정보 보호체계를 보완해야하며, 해당 산업의 특정지역을 대상으로 먼저 실증을 거처 전국적으로 확산하는 것을 제안한다.
4차 산업혁명 시대에 사물인터넷과 모바일을 통해 수집된 다양한 정보를 이용해 공공 및 민간영역의 새로운 비즈니스모델을 위한 빅데이터 산업이 각광을 받고 있다. 하지만, 개인정보 비식별화 조치를 통한 빅데이터 통합 및 분석를 수행하면서 개인프라이버시가 노출될 위험성을 여전히 가지고 있다. 최근 개인정보를 노출하지 않고 데이터의 가치를 유지하는 방법에 대한 연구가 진행되고 있다. 본 논문에서는 빅데이터산업 활성화를 위해 의료, 농업 등 산업별로 개인정보 보호체계가 필요함을 강조하였다. 비식별화된 개인정보의 적정성 평가 기준을 개인 민감정보 중심의 의료분야는 k-익명성 최소값을 일반적인 산업분야의 평균값 보다 높은 5 이상으로 설정해야하며, 농업분야에서는 개인별 민감정보범위에 개인소유 반려견이나 농지 정보를 포함시켜서, 산업별 특성에 맞게 개인정보 보호체계를 보완해야하며, 해당 산업의 특정지역을 대상으로 먼저 실증을 거처 전국적으로 확산하는 것을 제안한다.
In the era of the 4th industrial revolution, the big data industry is gathering attention for new business models in the public and private sectors by utilizing various information collected through the internet and mobile. However, although the big data integration and analysis are performed with d...
In the era of the 4th industrial revolution, the big data industry is gathering attention for new business models in the public and private sectors by utilizing various information collected through the internet and mobile. However, although the big data integration and analysis are performed with de-identification techniques, there is still a risk that personal privacy can be exposed. Recently, there are many studies to invent effective methods to maintain the value of data without disclosing personal information. In this paper, a personal information protection system is investigated to boost big data utilization in industrial sectors, such as healthcare and agriculture. The criteria for evaluating the de-identification adequacy of personal information and the protection scope of personal information should be differently applied for each industry. In the field of personal sensitive information-oriented healthcare sector, the minimum value of k-anonymity should be set to 5 or more, which is the average value of other industrial sectors. In agricultural sector, it suggests the inclusion of companion dogs or farmland information as sensitive information. Also, it is desirable to apply the demonstration steps to each region-specific industry.
In the era of the 4th industrial revolution, the big data industry is gathering attention for new business models in the public and private sectors by utilizing various information collected through the internet and mobile. However, although the big data integration and analysis are performed with de-identification techniques, there is still a risk that personal privacy can be exposed. Recently, there are many studies to invent effective methods to maintain the value of data without disclosing personal information. In this paper, a personal information protection system is investigated to boost big data utilization in industrial sectors, such as healthcare and agriculture. The criteria for evaluating the de-identification adequacy of personal information and the protection scope of personal information should be differently applied for each industry. In the field of personal sensitive information-oriented healthcare sector, the minimum value of k-anonymity should be set to 5 or more, which is the average value of other industrial sectors. In agricultural sector, it suggests the inclusion of companion dogs or farmland information as sensitive information. Also, it is desirable to apply the demonstration steps to each region-specific industry.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
기업들이 사용할 수 있는 여러 방법 중에는 테크놀로지 플랫폼을 이용하여 데이터 분포나 특정 요청을 ‘원래 데이터를 보지 않고도’ 프로세스 하는 방법이 있다. 암호화된 데이터에 대한 컴퓨테이션을 허용하는 특정한 암호화 형식을 이용하는 것이다. 동형 암호와 같은 개념을 사용하든, 아니면 분산 보안 멀티-파티 컴퓨테이션 테크닉 등의 개념을 활용하든, 이들 플랫폼은 데이터의 암호화 된 버전을 운용하며, 해독 시 요청 결과와 꼭 들어맞는 암호화된 결과물을 생성하게 된다.
제안 방법
정부의 「개인정보 비식별화조치 가이드라인」에서 권고하는 적정성 평가 절차를 보면, 총 5단계로 구분되는데, 우선 기초자료 작성, 평가단 구성, 평가 수행, 추가 비식별 조치, 데이터 활용 등으로 구성되어 있다. 3명 이상으로 구성되는 평가단은 개인정보 처리자가 제공한 기초자료와 k-익명성 모델 등을 활용하여 비식별 수준의 적정성 여부를 평가한다.
그리고, EU는 최근 일본의 개인정보보호 정책에 대해 적정성(adequacy decision) 여부를 판단하기로 결정하였다. 일본내 개인정보 처리 사업자가 EU로부터 받은 개인정보가 정보주체의 노조 가입여부, 성생활, 성적 취향에 대한 정보를 포함하고 있는 경우, 개인정보 처리 사업자는 해당 정보를 특별 보호가 필요한 개인정보로 취급해야 한다.
이스라엘의 프로스페라는 특화된 인공지능을 기반으로 최적화된 농업 솔루션 제공하며, 클라우드 기반의 데이터 축적으로 분석·예측 정밀도는 계속 향상 중이다. 오스트리아의 스막텍은 센서가 내장된 소형기기를 젖소의 체내에 삽입하여 질병과 건강상태 등을 개체별로 모니터링하면서 데이터를 축적 및 분석한다. 개별 가축의 정보와 지역별 기후정보를 실시간으로 클라우드에 전송, 전 세계목장의 데이터로 빅데이터를 만들어 활용하고 있다[19].
대상 데이터
고객 신상정보나 매출·회계 데이터 등 고정된 필드에 저장된 정형 데이터뿐만 아니라 동영상·음악·소셜미디어 등 실시간으로 생성되는 비정형데이터를 포함한다.
성능/효과
이스라엘의 프로스페라는 특화된 인공지능을 기반으로 최적화된 농업 솔루션 제공하며, 클라우드 기반의 데이터 축적으로 분석·예측 정밀도는 계속 향상 중이다.
후속연구
또한 잇따른 금융 대기업들의 빅데이터 도입에 따라 대량의 고객정보를 보유하고 있는 금융권에서의 빅데이터 활용이 확산될 것으로 기대하고 있다. 그리고, 아마존 등 글로벌 대기업이 빅데이터 분석을 통해 구매가능성이 높은 제품을 해당 지역 물류창고에 가져다놓는 예측 배송 서비스를 도입하는 등 물류유통 산업에서의 활용도가 높아짐에 따라 산업 내 활용이 더욱 증가할 것으로 전망된다. 이러한 상황에서 빅데이터산업 활성화를 위한 공급기업의 정책수요를 살펴보면 크게 국가 차원의 빅데이터 거래소 설립 및 과금 등의 관련 법제도 제정, 실무 적용이 가능한 전문인력 양성, 그리고 개인정보 비식별화 가이드라인에 대한 보완 및 산업별 성공사례 확산 등을 중점적으로 요구하고 있는 것으로 나타났다[5].
산업별 빅데이터에 대한 성장 전망을 보면, 제조업, 금융, 서비스, 물류유통 및 의료, 공공, 방송통신 분야가 성장률이 높은 편이고, 교육, 환경, 농축산 산업분야도 주목 할만 하다고 보고 있다. 글로벌 Industry 4.0트렌드에 대한 대응으로 국내 제조업에서 공정 자동화 및 위험예측 등의 스마트 팩토리 구축이 증가할 것으로 기대하면서 업종 중 빅데이터 활용이 가장 유망할 것으로 예측한다. 또한 잇따른 금융 대기업들의 빅데이터 도입에 따라 대량의 고객정보를 보유하고 있는 금융권에서의 빅데이터 활용이 확산될 것으로 기대하고 있다.
0트렌드에 대한 대응으로 국내 제조업에서 공정 자동화 및 위험예측 등의 스마트 팩토리 구축이 증가할 것으로 기대하면서 업종 중 빅데이터 활용이 가장 유망할 것으로 예측한다. 또한 잇따른 금융 대기업들의 빅데이터 도입에 따라 대량의 고객정보를 보유하고 있는 금융권에서의 빅데이터 활용이 확산될 것으로 기대하고 있다. 그리고, 아마존 등 글로벌 대기업이 빅데이터 분석을 통해 구매가능성이 높은 제품을 해당 지역 물류창고에 가져다놓는 예측 배송 서비스를 도입하는 등 물류유통 산업에서의 활용도가 높아짐에 따라 산업 내 활용이 더욱 증가할 것으로 전망된다.
이와 같이 비식별화정보의 노출 위험지표를 산업별로 정량화 해야 한다. 자료이용자의 전문성에 따라서 일반이용자와 심층이용자에 제공하는 비식별화 기준을 계층별로 구분하는 방법도 좋은 대안이 될 것이다. 그리고, 빅데이터를 통합하는 과정에서는 수집, 저장, 그리고 이용하는 단계별로 산업별 특징을 분석하면 위치정보, 차량정보, 보행자정보 등도 추가 고려대상이 된다.
9% 로 구성되어있다. 향후 2020년 9,000억 원 이상으로 시장이 대폭 확대될 것으로 예측되며, 연평균 약 25%의 성장률을 보일 것으로 전망하고 있다. 산업별 빅데이터에 대한 성장 전망을 보면, 제조업, 금융, 서비스, 물류유통 및 의료, 공공, 방송통신 분야가 성장률이 높은 편이고, 교육, 환경, 농축산 산업분야도 주목 할만 하다고 보고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터 솔루션이란?
빅데이터 솔루션은 방대한 양의 데이터를 수집·가공 후 분석을 통해 의미있는 결과를 이끌어 내는 데이터관리 기술을 말한다. 고객 신상정보나 매출·회계 데이터 등 고정된 필드에 저장된 정형 데이터뿐만 아니라 동영상·음악·소셜미디어 등 실시간으로 생성되는 비정형데이터를 포함한다.
빅데이터 산업을 활성화하기 위해서는 어떻게 해야 하는가?
빅데이터 산업을 활성화하기 위해서는 개인정보에서 가명 정보의 개념을 더욱 확실히 하고, 「가명 정보 입법화」를 추진하여 산업적 연구 및 상업적 통계 목적의 경우에는 가명 정보의 제삼자 제공이 가능하도록 해야 한다. 벤처협회는 “일부 정보만 감춘 가명정보 결합과 활용은 전문기관을 통해 제한할 수 있다”며 “다만 아예 누군지 알 수 없도록 한 익명정보 활용은 제한 없이 자율에 맡겨야 한다”고 말했다.
데이터 거버넌스의 필요성을 어떤 관점에서 기술할 수 있는가?
• 데이터 경영·분배·보호 프레임워크와 로드맵
• 데이터 통합과 기업 데이터 경영 프로그램을 지원하기 위한 데이터 수집 전략과 방법
• 산업의 특화된 규정에 정렬하기 위한 접근
• 전반적인 데이터 투명성과 사용을 향한 전략
※ AI-Helper는 부적절한 답변을 할 수 있습니다.