개인정보 보호 강화기술

왜 배우는가: 개인정보 보호 강화기술은 AI 학습과 데이터 결합이 늘면서 프라이버시 보호와 데이터 활용을 함께 만족시켜야 하는 과제에서 나왔다. 정보관리기술사 시험에서는 정의, 기술 분류, 동형암호·차분 프라이버시·합성데이터 비교가 반복해서 출제되므로 기본 개념을 정확히 잡아야 한다.

출제 이력: 제138회 4교시 6번, 제134회 1교시 11번

1. 한 줄 정의와 핵심 키워드

개인정보 보호 강화기술(PET)은 개인정보 처리를 최소화하고 데이터 보안을 높이면서도 시스템 기능은 유지하는 기술의 총칭이다.

• 개인정보 보호 강화기술(PET)
• 데이터 최소화
• 하드 프라이버시
• 소프트 프라이버시
• 동형암호
• 차분 프라이버시
• 합성데이터
• 프라이버시-유용성 트레이드오프

2. 개념 풀이

쉽게 말하면 데이터를 쓰되 누구의 정보인지 드러나지 않게 만드는 기술이다. 분석이나 AI 학습에는 데이터가 필요하지만 원본 개인정보를 그대로 노출하면 위험이 크다. PET는 이 두 요구를 함께 충족하려는 기술들이다.

정식 정의는 다음과 같다. 개인정보 보호 강화기술(PET)은 개인정보 식별 정보(PII)의 사용과 보유를 줄이고, 데이터 보안을 높이며, 정보주체의 통제권을 강화하는 기술이다. 정보 시스템이 개인정보를 보유하는 양을 줄이면서도 기능은 잃지 않게 하는 것이 핵심이다.

핵심 용어는 다음과 같이 풀이한다.

• 하드 프라이버시(Hard Privacy): 데이터를 수집하지 않거나 처리 주체가 원본을 볼 수 없게 만드는 기술이다. 데이터 자체를 줄이는 방식이라고 이해하면 된다.
• 소프트 프라이버시(Soft Privacy): 데이터를 처리하되 감사, 인증, 동의, 접근 통제, 암호화, 차분 프라이버시 같은 수단으로 사용을 통제하는 기술이다. 하드 프라이버시와 짝을 이루는 하위 분류다.
• 동형암호(Homomorphic Encryption): 암호문 상태에서 연산할 수 있는 암호 방식이다. 연산 결과를 복호화하면 평문에 대한 연산 결과와 같다.
• 차분 프라이버시(Differential Privacy): 결과값에 보정된 잡음을 더해, 개별 레코드의 포함 여부가 결과에 주는 영향을 제한하는 방식이다.
• 합성데이터(Synthetic Data): 원본의 통계적 성질을 모방해 생성한 인공 데이터다. 원본 개인 레코드를 직접 공유하지 않아도 된다.

3. 등장 배경과 필요성

데이터의 경제적 가치가 커지면서 데이터 결합과 공유가 늘었다. 이에 따라 익명화나 가명화만으로는 개인을 보호하기 어렵다는 문제가 드러났다. 기존 익명화 데이터도 다른 정보와 결합되면 재식별될 수 있기 때문이다.

1997년 라타냐 스위니의 연구는 이 위험을 보여준다. 이 연구는 미국 인구의 최대 87%가 5자리 우편번호, 성별, 생년월일 조합으로 식별될 수 있다는 결과를 제시했다. 식별자를 제거해도 준식별자의 조합만으로 개인이 드러날 수 있다는 뜻이다.

재식별이 일어나면 피해는 연쇄적으로 커진다. 금융·건강·선호 정보가 본인의 의사와 무관하게 제3자에게 넘어갈 수 있고, 재식별 이후에는 다른 침해도 쉬워진다. 익명성을 약속한 기업은 불법행위 책임과 규제 위반 위험에 놓인다. 이런 이유로 개인정보 보호 규제는 가명화와 같은 사후 조치를 넘어, 처리 과정 자체에서 보호하는 기술을 요구하는 방향으로 이동하고 있다.

PET 는 프라이버시 중심 설계(PbD)의 한 구성 요소다. 설계 원칙 전체를 대신하지는 않는다. 따라서 답안에서는 PET 를 기술 수단으로, PbD 를 설계 체계로 구분해 서술하는 것이 정확하다.

PET 의 등장 목적은 데이터 활용성과 프라이버시 보호 사이의 긴장을 기술적으로 줄이는 데 있다.

4. 구성요소·원리·절차

PET 는 개인정보를 직접 노출하지 않고도 데이터를 활용하도록 설계된 기술 묶음이다. 기술 구성은 크게 하드 프라이버시(hard privacy) 와 소프트 프라이버시(soft privacy) 로 나뉜다. 하드 프라이버시는 개인정보 자체를 처리 주체가 갖지 않도록 최소화하는 방식이고, 소프트 프라이버시는 처리 주체가 데이터를 가진 채 감사·동의·접근통제·암호화·차분 프라이버시 같은 제3자 보호 수단으로 이용 방식을 통제하는 방식이다.

표 설명: 하드 프라이버시는 데이터를 넘기지 않는 구조라서 보호 수준이 높지만 연산 비용이 크다. 소프트 프라이버시는 기존 시스템에 적용하기 쉬우나 처리 주체를 신뢰하는 전제가 붙는다.

원리는 세 가지로 요약한다. 첫째, 암호화된 상태에서 연산해 평문 노출을 없앤다(동형암호). 둘째, 결과에 통계적 잡음을 더해 개별 레코드의 영향을 가린다(차분 프라이버시). 셋째, 원본의 통계적 성질만 남기고 원본 레코드를 대체한다(합성데이터).

차분 프라이버시의 핵심 식은 다음과 같다.

$\Pr[M(D)\in S] \le e^{\varepsilon}\Pr[M(D')\in S]$

여기서 D와 D'는 한 명의 레코드만 다른 인접 데이터셋, M은 무작위화 메커니즘, S는 출력 집합, \varepsilon은 프라이버시 예산(작을수록 강한 보호)이다. 민감도 \Delta f 가 주어지면 라플라스 잡음의 척도는 b=\Delta f/\varepsilon 이다. 예를 들어 민감도와 \varepsilon 이 주어지면 이 공식으로 척도를 계산하고, 결과는 실제 값에 해당 척도의 라플라스 잡음을 더한 값이다. 결과가 상식 범위인지는 잡음 크기가 원 값의 변동 폭과 비슷한지로 확인한다.

동형암호의 절차는 다음과 같다.

• 데이터 소유자가 공개키로 평문을 암호화한다.
• 처리 주체가 암호문 상태로 덧셈·곱셈 등 연산을 수행한다.
• 연산 결과(암호문)를 데이터 소유자에게 전달한다.
• 데이터 소유자가 비밀키로 복호화해 결과 평문을 얻는다.

차분 프라이버시 적용 절차는 다음과 같다.

• 질의 함수의 민감도를 계산한다.
• 목표 \varepsilon 을 정하고 잡음 분포(라플라스 또는 가우시안)를 고른다.
• 원 결과에 잡음을 더해 공개한다.
• 질의 횟수에 따라 누적 \varepsilon 을 관리한다.

합성데이터 절차는 다음과 같다.

• 원본 데이터로 생성 모델을 학습한다.
• 모델로 통계적으로 유사한 레코드를 생성한다.
• 원본 대비 유용성과 재식별 위험을 함께 평가한다.
• 위험이 허용 수준을 넘으면 모델 설정을 조정해 다시 생성한다.

도식은 다음 흐름을 답안지에 그린다.

5. 관련 법령·기준·표준

PET 자체를 정의한 국내 법령 조문은 확인되지 않는다. 국내에서 PET 와 직접 연결되는 규율은 「개인정보 보호법」 상 가명처리·익명처리 규정이다. 가명정보와 익명정보의 구분, 가명처리 기준, 결합 전문기관 제도는 이 규정에 따른다. 세부 조문 번호는 이 절에서 쓰지 않는다.

국제 기준으로는 EU 의 GDPR 이 가명화(pseudonymisation)를 보호 조치로 규정한다. 가명화된 데이터도 추가 정보가 있으면 개인정보로 본다는 점이 실무 쟁점이다. 차분 프라이버시와 동형암호는 현재 국내 법정 기준값이 없고, 설계 목표값으로 관리한다.

표 설명: 차분 프라이버시 수치는 공식이며 법정 값이 아니다. 재식별 수치는 연구 결과이므로 인용 시 출처를 밝힌다. 가명화 정의는 GDPR 원문 조문 번호 없이 개념으로만 쓴다.

국내 개인정보 보호 체계는 「개인정보 보호법」 개정으로 가명정보 제도가 도입된 흐름이 있으나, 시점과 조문 세부는 이 절에서 단정하지 않는다.

6. 유형과 비교

PET는 작동 위치와 프라이버시 보장 방식에 따라 하드 프라이버시(Hard privacy)와 소프트 프라이버시(Soft privacy)로 나뉜다. 하드 프라이버시는 데이터 자체를 최소 수집하거나 처리 주체가 원본을 보지 못하게 하는 방식이고, 소프트 프라이버시는 원본을 처리하되 감사·동의·접근통제·암호화로 사용을 통제하는 방식이다. 두 분류의 차이를 먼저 이해해야 세 기술의 위치를 정확히 쓸 수 있다.