[논문]마이데이터 환경에서 개인의 전자 건강/의료 데이터 활용을 위한 데이터 거래모델

오현택; 양진홍

doi:10.17661/jkiiect.2020.13.3.250

마이데이터 환경에서 개인의 전자 건강/의료 데이터 활용을 위한 데이터 거래모델
Personal Health Record/Electronic Medical Record Data Trading Model for Medical My Data Environments 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.13 no.3, 2020년, pp.250 - 261

오현택 (Intelligent Tech Team, KAIST Institute for IT Convergence) , 양진홍 (Department of Healthcare IT, INJE University)

초록
AI-Helper

개인정보를 포함한 다양한 데이터를 활용하기 위해서는 정보주체의 권리를 보장하며 데이터 활용을 할 수 있는 모델이 필요하다. 정보주체를 고려하는 개인정보 활용 패러다임의 변화는 마이데이터를 기반으로 하는 다양한 데이터 활용 모델을 만들어내고 있으며, 다양한 개인정보가 생겨나고 다뤄지는 의료분야에서도 이러한 움직임이 진행되고 있다. 이번 논문에서는 마이데이터 기반 개인 건강/의료 데이터 활용 생태계가 확산되었을 때, 생겨날 수 있는 이해관계자들 간의 데이터 거래모델을 제안하였고 다양한 실험 결과를 기반으로 한 수학적 모델링을 통해 정보주체와 데이터 활용자 모두의 요구사항을 만족할 수 있는 개인 건강/의료 데이터 거래모델이 성립할 수 있음을 보였다.

Abstract ▼ AI-Helper

Today, data subjects should be considered to utilize various personal data. To support this paradigm, the concept of "My Data" has proposed and has realized in various industrial sectors, including medial sectors. Based on the concept of the medical My Data, this paper proposes a personal health record (PHR) and an electronic medical record (EMR) data trading model. Particularly, this paper proposes a system model to support the medical My Data environment and relevant procedure among stakeholders for PHR/EMR data trading that ensures the rights of data subjects. Based on the proposed system model, this paper also proposes various mathematical models to analyze the behavior of stakeholders and shows the feasibility of the proposed data trading model that satisfies the requirements of both data subjects and data consumers.

주제어

표/그림 (6)

그림 그림 1. 마이데이터 기반 개인 건강/의료 데이터 거래 환경 Fig. 1. PHR/EMR data trading environment with the concept of My Data
그림 그림 2. 마이데이터 기반 개인 건강/의료 데이터 거래 절차 Fig. 2. PHR/EMR data trading procedure for medical My Data environment
그림 그림 3. 개인정보 프라이버시 민감도와 받는 보상에 따른 개인정보 제공 비율 Fig. 3. Willingness-to-share personal data with respect to privacy sensitivity and incentives
그림 그림 4. 데이터 프라이버시 민감도 (데이터 가치)에 따른 정보주체의 개인 건강/의료 데이터 제공 비율 Fig. 4. Willingness-to-share PHR/EMR of data subjects with respect to data privacy sensitivity
그림 그림 5. 데이터 활용자의 입찰가격에 따른 이익 분포 Fig. 5. The trends of profit with respect to bid from a data consumer
그림 그림 6. 정보주체의 수와 데이터 활용자의 수익률에 따라 최대이익을 낼 수 있는 입찰 금액 분포 Fig. 6. The trends of bids for maximum profit of data consumers with respect to data subjects and profit rates

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

하지만, 비크리 경매 방식에서는 경쟁자들의 행동전략과 상관없이 데이터 활용자 자신이 가장 큰 이익을 낼 수 있는 가격입찰 (truthfully bidding)을 하는 것이 가장 효율적인 전략이라는 것이 증명되어 있다 [18]. 따라서, 데이터 활용자의 소신껏 입찰액을 작성하는 것이 최대이익을 보장함으로, 이익함수 값을 최대로 할 수 있는 b_m을 찾는 것이 목표가 된다.
이러한 배경을 바탕으로, 이번 논문에서는 마이데이터 환경에서 개인의 전자 건강/의료 기록 정보 활용을 위한 데이터 거래모델을 제안한다. 특히, 개인 건강/의 료 데이터를 사용자 동의에 기반하여 저장하고 활용할 때, 해당 정보를 활용하고자 하는 활용처에서 관련 비용을 포함하여 부담하고, 개인정보 활용에 동의한 정보주체에게 유·무형의 보상을 제공하는 모델을 통해 정보주체의 권리를 보장하면서 개인 건강/의료 데이터를 활용할 수 있는 것을 보인다.
이번 논문에서는 마이데이터 기반 개인 건강/의료 데이터 활용 생태계가 확산되었을 때, 생겨날 수 있는 이해관계자들 간의 데이터 거래모델을 제안하였고 다양한 실험 결과를 기반으로 한 수학적 모델링을 통해 개인 건강/의료 데이터 거래 모델이 성립할 수 있음을 보였다. 이번 논문에서는 마이데이터 기반 데이터 거래 모델의 성립 가능성에 관한 직관을 얻기 위해 이해관계자 행동에 관한 다양한 수학적 모델링이 간소화된 형태로 고려되었다. 앞으로 의료분야 특성에 맞는 다양한 통계나 연구결과를 바탕으로 더욱 정교한 모델링을 통해 마이데이터 기반 개인 건강/의료 데이터 생태계를 뒷받침할 수 있는 다양한 데이터 활용 모델들을 연구할 수 있을 것이다.
이번 논문에서는 이러한 연구결과들을 바탕으로 마이데이터 환경에서 개인 건강/의료 데이터 활용을 위한 데이터 거래모델에 관하여 다룬다.
이번 장에서는 마이데이터 환경에서 개인의 건강/ 의료 데이터 활용을 위한 데이터 거래모델을 제안한다. 이를 위해, 먼저 개인 건강/의료 데이터 거래 환경에서의 이해관계자들과 그들의 관계를 알아보기 위한 모델을 설명하고, 그들의 관계에서 생기는 개인/의료 데이터 생성부터 활용까지 일련의 절차를 제안한다.

가설 설정

도출한 데이터 가치 모델을 기반으로 여러 가지 분석을 한다고 가정했을 때, 실제 얻을 수 있는 수익을 모델링 할 수 있다. 건강/의료 데이터는 개인정보 민감도가 높고, 이번 논문에서 제안하는 거래 시장 환경에서는 낙찰받은 데이터를 독점적으로 활용할 수 있으므로 데이터 가치에 따른 활용 이익이 점점 지수함수적으로 커진다고 가정하였다. 이러한 가정을 기반으로 정의한 데이터 활용자 수익함수 R(b_m)은 다음과 같으며,
또한, 이번 논문에서 고려하는 데이터 거래모델은 건강/의료 데이터의 개인정보 민감도가 높고, 독점적으로 활용했을 때 그 가치가 높아지는 특성을 고려하여 데이터 활용자들과 데이터 관리 플랫폼 간의 데이터 경매 모델로 가정한다. 경매에 나온 데이터의 접근권을 독점하는 환경에서 데이터 활용자 간의 행동 모델을 위해 비크리 경매(Vickrey auction)로 알려진 밀봉 입찰 기반 2차 가격 경매 방식(낙찰자가 두 번째로 높은 입찰가격을 내는 방식)을 가정한다 [19].
그림 5에서는 이익함수에 관한 기본적인 개형을 확인하기 위하여 개인 건강/의료 데이터의 프라이버시 민감도 (데이터 종류별 가치)가 수익률 변수 (αm)에 영향을 주지 않는 것을 가정하여 분석하였다.
또한, 이번 논문에서 고려하는 데이터 거래모델은 건강/의료 데이터의 개인정보 민감도가 높고, 독점적으로 활용했을 때 그 가치가 높아지는 특성을 고려하여 데이터 활용자들과 데이터 관리 플랫폼 간의 데이터 경매 모델로 가정한다. 경매에 나온 데이터의 접근권을 독점하는 환경에서 데이터 활용자 간의 행동 모델을 위해 비크리 경매(Vickrey auction)로 알려진 밀봉 입찰 기반 2차 가격 경매 방식(낙찰자가 두 번째로 높은 입찰가격을 내는 방식)을 가정한다 [19].
이번 논문에서 고려하는 개인 의료/데이터 관리를 위한 마이데이터 모델은 데이터 제공자, 데이터 관리 플랫폼 및 마이데이터 플랫폼이 하나의 큰 조직으로 이루어져 있고, 정보주체 입장에서는 자신의 데이터 권리를 모두 보장받는 형태로 서비스가 제공됨을 가정한다. 이러한 모델을 통해, 데이터 제공자 및 데이터 관 리 플랫폼은 개인 건강/의료 데이터의 외부 유출 등에 관한 보안 및 개인정보 규제준수 등을 위한 위험 부담은 줄이면서, 정보주체들에게는 마이데이터 플랫폼이 조직 밖에 있을 때와 같은 정도의 서비스를 제공할 수 있다.
전제적인 흐름은 개인 건강/의료 데이터의 생성 및 동의 정보 수집 단계와 개인 건강/의료 데이터의 활용 단계로 나뉜다. 이번 논문에서는 데이터의 활용에 관하여 초점을 맞추고 있어 정보주체의 권리 중 하나인 삭제권 등과 관련된 개인 건강/의료 데이터의 파기 절차의 상세는 고려하지 않으며, 데이터 활용 동의가 더는 유효하지 않게 되었을 때 데이터가 자동으로 파기되는 것으로 가정하였다.

제안 방법

먼저, 경매 방식의 건강/의료 데이터 거래모델의 주요 참여자인 데이터 활용자들의 행동 패턴 분석을 위해, 데이터 활용자가 낙찰확률을 모델링하고 데이터를 확보했을 때 얻을 수 있는 데이터의 기대가치와 그에 따른 이익에 관한 수학적 모델링을 진행한다. 그에 더해, 데이터를 확보하기 위해서는 정보주체의 동의가 필요하므로, 데이터 활용자에게서 제시되는 비용을 기준으로 정보주체의 개인정보 활용 동의를 통한 참여 비율의 변화가 어떻게 바뀌는지를 알아보고, 실제 데이터 활용자가 부담하는 비용에 관한 수학적 모델링을 진행한다. 이번 모델에서는 개인 건강/의료 데이터 경매에 참여하는 정보주체의 수를 N으로 전체 데이터 활용자 수를 M으로 표시하고, m은 각 데이터 활용자를 지정하는 인덱스로 사용한다.
또한, 본 연구팀에서는 정보주체가 가지는 다양한 프라이버시 민감도의 개인정보를 거래할 때, 정보주체가 생각하는 적정가격과 데이터를 구매하고자 하는 서드 파티들의 수익모델들을 다양한 통계적 실험을 기반으로 수학적 모형화를 진행하였다[17,18]. 해당 연구에서는 데이터 구매자들이 정보주체의 권리를 보장하는 선에서 비용을 지불하면서 비즈니스를 진행하여도 기존의 비즈니스모델을 유지하면서 충분히 수익을 낼 수 있다는 것을 보였으며 결과적으로 데이터 브로커를 포함한 개인정보 생태계 이해관계자 모두의 요구사항을 만족하면서 개인정보 활용 비즈니스가 성립할 수 있음을 보였다.
이번 절에서는 앞서 설명한 시스템 모델을 기반으로 데이터 거래와 관련된 다양한 분야의 실험적 데이터를 기준으로 수학적 모형화를 진행한다. 먼저, 경매 방식의 건강/의료 데이터 거래모델의 주요 참여자인 데이터 활용자들의 행동 패턴 분석을 위해, 데이터 활용자가 낙찰확률을 모델링하고 데이터를 확보했을 때 얻을 수 있는 데이터의 기대가치와 그에 따른 이익에 관한 수학적 모델링을 진행한다. 그에 더해, 데이터를 확보하기 위해서는 정보주체의 동의가 필요하므로, 데이터 활용자에게서 제시되는 비용을 기준으로 정보주체의 개인정보 활용 동의를 통한 참여 비율의 변화가 어떻게 바뀌는지를 알아보고, 실제 데이터 활용자가 부담하는 비용에 관한 수학적 모델링을 진행한다.
민감도 값이 작을수록 상대적으로 가치가 낮은 데이터를 의미하고, 값이 클수록 상대적으로 가치가 큰 데이터를 의미한다. 모델을 고려할 때, 결과 값이 [0, 1]에 있으며, 비슷한 개형의 곡선을 근사할 수 있는 다양한 함수를 적용할 수 있으며 [17], 이번 논문에서는 이후 분석의 단순화를 위하여 해당 모델을 고려하였다.
이러한 연구들의 공통점은 데이터의 양이 많아지면 많아질수록 실제로 얻어지는 정확도 상승량은 적어지는 한계효용의 법칙이 데이터 분석에서도 적용되는 사실이다. 이러한 실험들을 기반으로 제안하는 데이터 가치 모델은 데이터양이 많아질수록 큰 값을 가지면서, 한계효용의 법칙을 적용할 수 있는 형태로 모델링을 진행하였다. b_m 의 비용을 활용하여 얻을 수 있는 데이터 가치 I(b_m) 은 다음과 같이 정의할 수 있으며,
이번 장에서는 마이데이터 환경에서 개인의 건강/ 의료 데이터 활용을 위한 데이터 거래모델을 제안한다. 이를 위해, 먼저 개인 건강/의료 데이터 거래 환경에서의 이해관계자들과 그들의 관계를 알아보기 위한 모델을 설명하고, 그들의 관계에서 생기는 개인/의료 데이터 생성부터 활용까지 일련의 절차를 제안한다. 이러한 모델을 바탕으로 주요한 이해관계자인 개인 건강/의료 데이터의 활용 동의 여부를 결정하는 정보주체와 데이터를 실제 확보하여 활용하는 데이터 활용자들의 행동을 수학적 모형화를 통해 분석하고, 마이데이터 기반의 개인 건강/의료 데이터 활용을 위한 데이터 거래모델이 성립할 수 있음을 보인다.
이번 논문에서는 이러한 낙찰확률 모델을 통해 3.3절에서 데이터 활용자의 관점에서 예상하는 이익 분석을 진행한다.
이번 장에서는 3장에서 제시하고 도출된 다양한 모델을 검증하고, 개인 건강/의료 데이터 경매 시장의 주요 파라미터들 (αm, p, N)이 실제 데이터 활용자의 입찰 금액에 어떻게 영향을 주는지 알아본다.
이번 장에서는 마이데이터 개념의 기술적 바탕이 되는 정보주체들을 위한 개인정보 저장소의 개념과 개인정보와 관련된 정보주체의 데이터 공유/판매 의지 및 이를 기반으로 한 데이터 거래모델들의 선행연구를 살펴본다.
이번 절에서는 앞서 설명한 시스템 모델을 기반으로 데이터 거래와 관련된 다양한 분야의 실험적 데이터를 기준으로 수학적 모형화를 진행한다. 먼저, 경매 방식의 건강/의료 데이터 거래모델의 주요 참여자인 데이터 활용자들의 행동 패턴 분석을 위해, 데이터 활용자가 낙찰확률을 모델링하고 데이터를 확보했을 때 얻을 수 있는 데이터의 기대가치와 그에 따른 이익에 관한 수학적 모델링을 진행한다.
이번 절에서는 제안한 데이터 활용자의 수익함수와 비용함수 모델을 기반으로 이익함수를 모델링하고, 제안된 비크리 경매 방식에 기반한 개인 건강/의료 데이터 경매 모델에서 각 데이터 활용자가 자신의 이익을 최대화하기 위해 취하는 전략을 도출한다. 이를 위하여 먼저 데이터 활용자의 이익함수 F(b_m)을 정의한다.
정보주체의 동의를 얻은 데이터는 데이터 관리 플랫폼으로 전달되고, 데이터 관리 플랫폼은 마이데이터 플랫폼을 활용하여 개인 건강/의료 데이터 및 그에 관한 동의 정보를 관리하게 된다. 이와 동시에, 정보주체에게 데이터 관리를 확인하고 제어할 수 있는 수단을 제공하여, 정보주체의 신뢰를 확보한다.
Parra-Arnau는 정보주체의 입장에서 공개하는 데이터의 조합에 따라 밝혀질 수 있는 공개자의 프라이버시 침해 정도를 고려한 (프라이버시 민감도를 고려한) 개인정보 판매 방식을 제안하였다 [16]. 해당 연구에서는 개인정보의 프라이버시 민감도를 상/중/하 3가지 카테고리로 구분하였다. 정보주체는 개인정보의 프라이버시 민감도에 따라 상/중/하 카테고리로 분류하며, 자신이 선택한 개인 데이터를 공개함에 따라 실제 자신이 특정될 위험도가 얼마나 높아지는지와 자신의 개인정보를 판매할 때의 이익을 판단하여 판매여부를 결정하게 된다.

성능/효과

그림 6은 같은 프라이버시 민감도를 가지는 데이터를 다루는 환경에서 정보주체의 수와 데이터 활용자의 수익률에 따라 최대이익을 낼 수 있는 입찰 금액의 분포를 나타낸다. 데이터 활용자는 자신이 얻을 수 있는 수익률이 높을수록 많은 데이터를 확보하기 위해 최대 입찰 금액이 높아지는 경향을 보였다. 정보주체의 수가 많을수록 더 많은 정보량을 얻을 수 있지만, 한계효용을 법칙에 따라 얻을 수 있는 정보량이 조금씩 줄어든다.
그림 4는 같은 정보주체의 수 (N)을 기준으로 다양한 프라이버시 민감도를 가지는 개인 건강/의료 데이터를 다룰 때, 제시되는 입찰 금액에 따른 정보주체의 참여 비율을 나타낸다 (그림 3과 비슷한 개형을 나타내는 것을 알 수 있다). 또한, 프라이버시 민감도가 낮은 개인 건강/의료 데이터 (예: 심박수 같은 웨어러블 디바이스에서 얻을 수 있는 건강 데이터 등)일수록 낮은 가격일 때 많은 참여율을 가지며, 프라이버시 민감도가 높은 데이터 (예: 실제 진료기록 등)일수록 높은 가격을 제시해야만 확보할 수 있는 것으로 나타났다.
정보주체가 자신의 개인정보를 자신의 이익에 견주어 제공하거나 판매하는 것을 ‘개인정보 제공 의지 혹은 판매 의지 (willing to –share/-sell personal data)’라고 하며, 의료분야를 포함한 다양한 분야에서 연구되고 있다 [9]. 설문 조사마다 절대적인 수치는 조금씩 다르지만 (특히, 정보주체의 특성 (연령, 수입, 성별, 국적 등)에 따라 다른 분포를 보임), 자신의 개인정보가 활용되는 것을 신경 쓰지 않는 그룹 (프라이버시 무관심자; Privacy Unconcenred)과 자신의 이익과 개인정보 제공에 따른 손익을 계산하는 그룹 (프라이버시 실용주의자; Privacy Pragmatist)의 합이 약 70~80% [9] 정도로 나타나며, 이익의 양과 상관없이 개인정보를 제공하지 않겠다는 그룹 (프라이버시 근본주의자; Privacy Fundamentalist)도 약 20~30% [9] 정도로 되는 것으로 나타났다. 의료분야에서도 연구목 적이나 추가적인 건강/의료 서비스 등을 제공하는 가정하에, 다양한 특성(예: 성별, 인종, 연령, 연 수입, 중병 정도, 교육수준 등)을 가진 참여자들의 개인 건강/의료 데이터의 제공 의지가 높아지는지 낮아지는지에 관한 통계분석이 많이 이루어지고 있다 [10,11].
이를 위해, 먼저 개인 건강/의료 데이터 거래 환경에서의 이해관계자들과 그들의 관계를 알아보기 위한 모델을 설명하고, 그들의 관계에서 생기는 개인/의료 데이터 생성부터 활용까지 일련의 절차를 제안한다. 이러한 모델을 바탕으로 주요한 이해관계자인 개인 건강/의료 데이터의 활용 동의 여부를 결정하는 정보주체와 데이터를 실제 확보하여 활용하는 데이터 활용자들의 행동을 수학적 모형화를 통해 분석하고, 마이데이터 기반의 개인 건강/의료 데이터 활용을 위한 데이터 거래모델이 성립할 수 있음을 보인다.
이러한 분석을 통해 데이터 활용자 관점에서는 확보하고자 하는 개인 건강/의료 데이터의 프라이버시 민감도 (혹은 정보주체가 느끼는 데이터의 상대적인 가치) 와 자신이 확보한 데이터 분석을 통해 얻을 수 있는 수익을 고려하여 입찰해야 하는 것으로 알 수 있었다. 특히, 이번 논문에서 자세하게 고려되지는 않았지만, 데이터 활용자가 제공하는 비용에는 데이터 저장·관리 비용뿐만 아니라 정보주체들에게 제공되는 유·무형의 보상을 위한 비용(예: 개인 맞춤형 의료 서비스 등)도 포함하므로 데이터 관리 플랫폼 및 데이터 제공자 관점에서는 자신들이 부담해야 하는 비용을 고려하여 최소 입찰 금액을 정하는 것 또한 중요하게 작용할 것이다.
정보주체를 고려하는 개인정보 활용 패러다임의 변화는 마이데이터를 기반으로 하는 다양한 데이터 활용 모델을 만들어내고 있으며, 다양한 개인정보가 생겨나고 다뤄지는 의료분야에서도 이러한 움직임이 진행되고 있다. 이번 논문에서는 마이데이터 기반 개인 건강/의료 데이터 활용 생태계가 확산되었을 때, 생겨날 수 있는 이해관계자들 간의 데이터 거래모델을 제안하였고 다양한 실험 결과를 기반으로 한 수학적 모델링을 통해 개인 건강/의료 데이터 거래 모델이 성립할 수 있음을 보였다. 이번 논문에서는 마이데이터 기반 데이터 거래 모델의 성립 가능성에 관한 직관을 얻기 위해 이해관계자 행동에 관한 다양한 수학적 모델링이 간소화된 형태로 고려되었다.
)에 영향을 주지 않는 것을 가정하여 분석하였다. 이에 결과적으로, 적은 입찰가로 데이터양을 많이 얻을 수 있는 프라이버시 민감도가 낮은 데이터를 다룰 때 이익이 큰 것으로 분석되었다. 하지만, 일반적으로 가치가 높은 건강/의료 데이터를 활용했을 때 더 큰 수익을 기대할 수 있을 것이므로, 그 관계를 더 알아낼 수 있다면 더 정확한 분석이 가능하게 될 것이다.
특히, 개인 건강/의 료 데이터를 사용자 동의에 기반하여 저장하고 활용할 때, 해당 정보를 활용하고자 하는 활용처에서 관련 비용을 포함하여 부담하고, 개인정보 활용에 동의한 정보주체에게 유·무형의 보상을 제공하는 모델을 통해 정보주체의 권리를 보장하면서 개인 건강/의료 데이터를 활용할 수 있는 것을 보인다.
또한, 본 연구팀에서는 정보주체가 가지는 다양한 프라이버시 민감도의 개인정보를 거래할 때, 정보주체가 생각하는 적정가격과 데이터를 구매하고자 하는 서드 파티들의 수익모델들을 다양한 통계적 실험을 기반으로 수학적 모형화를 진행하였다[17,18]. 해당 연구에서는 데이터 구매자들이 정보주체의 권리를 보장하는 선에서 비용을 지불하면서 비즈니스를 진행하여도 기존의 비즈니스모델을 유지하면서 충분히 수익을 낼 수 있다는 것을 보였으며 결과적으로 데이터 브로커를 포함한 개인정보 생태계 이해관계자 모두의 요구사항을 만족하면서 개인정보 활용 비즈니스가 성립할 수 있음을 보였다.

후속연구

앞으로 개인정보를 포함한 다양한 데이터를 활용하기 위해서는 이제 정보주체의 권리를 보장하면서 적절한 보상을 제공하며 데이터 활용을 할 수 있는 모델이 필요하다. 정보주체를 고려하는 개인정보 활용 패러다임의 변화는 마이데이터를 기반으로 하는 다양한 데이터 활용 모델을 만들어내고 있으며, 다양한 개인정보가 생겨나고 다뤄지는 의료분야에서도 이러한 움직임이 진행되고 있다.
이번 논문에서는 마이데이터 기반 데이터 거래 모델의 성립 가능성에 관한 직관을 얻기 위해 이해관계자 행동에 관한 다양한 수학적 모델링이 간소화된 형태로 고려되었다. 앞으로 의료분야 특성에 맞는 다양한 통계나 연구결과를 바탕으로 더욱 정교한 모델링을 통해 마이데이터 기반 개인 건강/의료 데이터 생태계를 뒷받침할 수 있는 다양한 데이터 활용 모델들을 연구할 수 있을 것이다.
이에 결과적으로, 적은 입찰가로 데이터양을 많이 얻을 수 있는 프라이버시 민감도가 낮은 데이터를 다룰 때 이익이 큰 것으로 분석되었다. 하지만, 일반적으로 가치가 높은 건강/의료 데이터를 활용했을 때 더 큰 수익을 기대할 수 있을 것이므로, 그 관계를 더 알아낼 수 있다면 더 정확한 분석이 가능하게 될 것이다.

참고문헌 (21)

KISDI, "A Study on the Internet Policy Framework in the era of 4th Industrial Revolution", Report 2018-0-00373, Oct. 2018.
World Economic Forum, Rethinking Personal Data: A New Lens for Strengthening Trust, 2014.
E. Ramirez, J. Brill, M. K. Ohlhausen, J. D. Wright, and T. McSweeny, "Data Brokers: A Call for Transparency and Accountability", Federal Trade Commission, May 2014.
A. Rieke, H. Yu, D. Robinson, and J. von Hoboken, "Data Brokers in An Open Society", Open Society Foundations, November 2016.
M. Little, "Personal Data Futures: The Disrupted Ecosystem - How user-control of personal data could 'game-change' Big Data and reconfigure the Internet", OVUM, January 2014.
Regulation (EU) 2016/679 of the European Parliament and of the Council on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/46/EC (General Data Protection Regulation), OJ 2016/L 119/1, 27 April 2016.
Y. Lee, "A Study on the Revision Trend of Data 3 Act", The Journal of Comparative Private Law, vol. 27, no. 2, pp. 423-463, May 2020.
pde.cc. Personal data ecosystem consortium - empowering people with their personal data. [Online]. Available: https://pde.cc/
P. Kumaraguru and L. F. Cranor, "Privacy Indexes: A Survey of Westin's Studies," in CMU-ISRI-5-138. Institute for Software Research International, School of Computer Science, Carnegie Mellon University, December 2005.
M. Karampela, S. Ouhbi, and M. Isomursu, "Connected Health User Willingness to Share Personal Health Data: Questionnaire Study", J Med Internet Res, vol. 21, no. 11, November 2019.
E. F. Franklin, H. M. Nichols, L. House, J. Buzaglo, and K. Thiboldeaux, "Cancer Patient Perspectives on Sharing of Medical Records and Mobile Device Data for Research Purposes." Journal of Patient Experience, May 2020.
Ponemon Institute, "Privacy and Security in a Connected Life : A Study of European Consumers". Trend Micro and Ponemon Institute, 2015.
Z. Su, Q. Qi, Q. Xu, S. Guo, and X. Wang, "Incentive scheme for cyber physical social systems based on user behaviors," IEEE Transactions on Emerging Topics in Computing, 2018.
Tian, J. Li, W. Li, B. Ramesh, and Z. Cai, "Optimal contract-based mechanisms for online data trading markets," IEEE Internet of Things Journal, vol. 6, October 2019.

상세보기
X.-B. Li and S. Raghunathan, "Pricing and disseminating customer data with privacy awareness," Decision Support Systems, vol. 59, pp. 63-73, 2014.

상세보기
J. Parra-Arnau, "Optimized, direct sale of privacy in personal data marketplaces," Information Sciences, vol. 424, pp. 354-384, 2018.

상세보기
H. Oh, S. Park, G. M. Lee, H. Heo and J. K. Choi, "Personal Data Trading Scheme for Data Brokers in IoT Data Marketplaces," IEEE Access, vol. 7, pp. 40120-40132, 2019.

상세보기
H. Oh, S. Park, G. M. Lee, J. K. Choi and S. Noh, "Competitive Data Trading Model With Privacy Valuation for Multiple Stakeholders in IoT Data Markets," IEEE Internet of Things Journal, vol. 7, no. 4, pp. 3623-3639, April 2020.

상세보기
Vijay Krishna, "Auction Theory", Academic Press, 2002.
W. Zhang, S. Yuan, and J. Wang, "Optimal real-time bidding for display advertising", In Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD '14). ACM, New York, NY, USA, 2014.
V. Benndorf and H.-T. Normann, "The willingness to sell personal data,"The Scandinavian Journal of Economics, vol. 120, no. 4, pp. 1260-1278, 2018.

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증