선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 표본이 모집단을 반영하기는 하나, 실제 모집단에 대한 실험 결과는 표본에 대한 실험 결과와 다소 차이가 있을 것이라 예상된다. 우리는 향후 연구 에서 도메인의 크기, 속성, 표본의 크기 등을 고려하여 모집단의 프라이버시 안전성을 예측하고자 한다.
- 이 논문에서는 개인정보를 포함하는 공개 데이터를 분석하여 데이터의 프라이버시 안전성을 측정한다. 이것은 데이터를 배포하기 이전에 프라이버시 문제가 발생할 여지를 미리 알아본다는 점과, 현재 배포되고 있는 데이터가 어느 정도의 프라이버시 안전성을 지니고 있는지 확인한 다는 점에서 의미가 있다.
- 개인정보를 포함하는 데이터를 안전하게 배포하기 위해서는, 반드시 데이터의 프라이버시 보호 과정이 선행되어야 한다. 이 논문에서는 충분한 프라이버시 보호 기법이 적용되지 않은 실제 데이터를 분석하여 데이터의 프라이버시 안전성을 알아보았다. 우리는 기존 프라이버시 보호 모델을 척도로 삼아 실제 데이터가 어느 정도의 위험도를 지니고 있는지 확인하였다.
- 이 논문에서는 프라이버시 보호 기법 중 일반화 (generalization)기법을 중심으로 프라이버시 안전성을 분석하였다. 향후 연구에서는 분해(anatomy)[6], 분리 (disassociation)[7], 확률(probabilistic)[8] 등의 다양한 프라이버시 보호 모델을 척도로 삼는 프라이버시 안전성 분석이 필요하다.
가설 설정
- 민감한 정보는 밝혀지게 되면 곤란한 개인의 사적인 정보로서, 질병, 개인적인 흥미, 수입 등이 이에 해당한다. 이 논문에서 다룰 프라이버시 문제는 공격자가 준식별자들의 조합{QI1, QI2, ..., QIn}을 배경 지식으로 하여 특정인의 민감한 정보{SI1, SI2, ..., SIm} 를 알아내는 것으로 가정한다.
- L4단계에서 공격자가 가지는 배경 지식의 속성 개수는 총 11개이다. 한편, 속성 중 주상병과 부상병은 환자의 질병에 대한 것으로, 이 실험에서의 민감한 속성으로 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.