무엇이 프라이빗 정보이며, 왜 중요할까요?

Python으로 배우는 데이터 프라이버시와 익명화

Rebeca Gonzalez

Data engineer

페이스북과 케임브리지 애널리티카 스캔들

데이터 프라이버시의 영향

  • 8,700만 명의 개인정보 무단 접근
  • 미국 유권자 심리 프로파일 구축
  • 정치 캠페인에서 설득에 활용

데이터 프라이버시 권리를 준수하지 않아 법정에 선 마크 저커버그

Python으로 배우는 데이터 프라이버시와 익명화

프라이버시란?

거리에서 걷는 사람들

Python으로 배우는 데이터 프라이버시와 익명화

정보 흐름과 프라이버시

거리의 여성 얼굴에 적용된 얼굴 인식 시스템과 머리 위 GPS 아이콘

Python으로 배우는 데이터 프라이버시와 익명화

정보 흐름과 프라이버시

  • 개인정보가 어떻게 흐르는지

 

"사회적·법적 규범을 충족하는 정보 흐름을 보장하는 능력."

거리의 여성 얼굴에 적용된 얼굴 인식 시스템과 머리 위 GPS 아이콘

Python으로 배우는 데이터 프라이버시와 익명화

개인식별정보(PII)

단독으로 또는 다른 관련 데이터와 결합하여 개인을 식별할 수 있는 데이터.

개인정보를 적는 칸이 있는 서식과 펜

Python으로 배우는 데이터 프라이버시와 익명화

민감한 PII

  • 특정 개인에 관한 정보
  • 노출 시 피해, 당혹, 불편 초래 가능

한 남성과 그 주변에 개인정보로 보이는 팝업이 표시된 그림

Python으로 배우는 데이터 프라이버시와 익명화

민감한 PII

  • 전체 이름
  • 사회보장번호(SSN)
  • 금융 정보
  • 의료 기록

규정을 준수하지 않을 경우의 GDPR 최대 벌금을 보여주는 이미지

Python으로 배우는 데이터 프라이버시와 익명화

비민감 PII

단독으로는 개인을 추적할 수 없는 데이터

  • 성별
  • 직업
  • 우편번호
  • 출생 도시
Python으로 배우는 데이터 프라이버시와 익명화

비민감 PII

성별, 직업, 우편번호, 출생 도시처럼 단독으로는 개인을 추적할 수 없는 데이터.

  • 성별
  • 직업
  • 우편번호
  • 출생 도시
다른 정보와 결합하면 식별될 수 있음!

"유럽의 정부 수반"이라는 문구와 생년월일, 그리고 앙겔라 메르켈 얼굴을 가리키는 선

1 앙겔라 메르켈 사진: 위키미디어 공용.
Python으로 배우는 데이터 프라이버시와 익명화

GDPR: EU 일반개인정보보호법

유럽 내 거주자 또는 그 데이터가 처리되는 사람의 PII를 보호합니다.

GDPR 핵심 원칙

  1. 적법성, 공정성, 투명성
  2. 목적 제한
  3. 데이터 최소화
  4. 정확성
  5. 보관 제한

자세히 보기

규정을 준수하지 않을 경우의 GDPR 최대 벌금을 보여주는 이미지

Python으로 배우는 데이터 프라이버시와 익명화

데이터 억제

개인 정보 보호를 위해 선택 정보 제거.

속성 억제
  • 열 전체 제거
셀/레코드 억제
  • 행이나 셀의 데이터 제거 또는 대체
Python으로 배우는 데이터 프라이버시와 익명화

데이터셋의 속성 억제

# Attribute suppression on Sensitive PII "name"
suppressed_salaries = salaries.drop('name', axis="columns")


# Explore obtained dataset
suppressed_salaries.head()

     gender    status    salary     pay_basis    position_title
0    Male    Employee    64400.0    Per Annum    DEPUTY DIRECTOR
1    Male    Employee    43600.0    Per Annum    ASSOCIATE DIRECTOR
2    Male    Employee    120000.0   Per Annum    SPECIAL ASSISTANT TO THE PRESIDENT AND DEPUTY ...
3    Male    Employee    86200.0    Per Annum    LEAD ADVANCE REPRESENTATIVE
4    Male    Employee    106000.0   Per Annum    SPECIAL ASSISTANT TO THE PRESIDENT AND DIRECTO...
Python으로 배우는 데이터 프라이버시와 익명화

데이터셋의 레코드 억제

# Explore the DataFrame
salaries.head()

      hours    performance    salary 
0     72       51             $80,500.00 
1     20       99             $2,805,000.00 
3     75       62             $75,800.00 
4     74       58             $60,000.00 
5     70       54             $79,000.00
Python으로 배우는 데이터 프라이버시와 익명화

데이터셋의 레코드 억제

# Drop rows with salaries higher than 2,000,000
salaries = salaries.drop(salaries[salaries.Salary > 2000000].index)

# See reasulting DataFrame
salaries.head()

      hours    performance    salary 
0     72       51             80500 
2     75       62             75800 
3     74       58             60000 
4     70       54             79000 
5     68       53             62000
Python으로 배우는 데이터 프라이버시와 익명화

억제와 연계 공격

왼쪽은 속성 억제 후의 의료 데이터 테이블, 오른쪽은 일부 동일 정보를 가진 유권자 등록 데이터 테이블을 보여주는 이미지

Python으로 배우는 데이터 프라이버시와 익명화

Ayo berlatih!

Python으로 배우는 데이터 프라이버시와 익명화

Preparing Video For Download...