데이터 비식별화 기법 - 가명처리(pseudonymisation), 총계처리(aggregation), 데이터 값 제거(data reduction), 범주화(data suppression), 데이터 마스킹(data masking)

 

 

 

데이터 비식별화 기법

대표적인 비식별화 기법으로는 다음과 같은 것들이 있습니다.

 

·         가명처리(pseudonymisation)

·         총계처리(aggregation)

·         데이터 값 제거(data reduction)

·         범주화(data suppression)

·         데이터 마스킹(data masking)

 

---

 

 

가명처리(pseudonymisation)

·         식별 가능한 변수값을 다른 값으로 대체합니다.

·         세부기법으로 휴리스틱 가명화, 암호화,  교환방법등을 사용합니다.

 

 

비식별화 전	데이터 비식별화
나실명, 38세, 수원 거주	홍길동, 38세, 수원 거주
홍길동, 27세, 서울 거주, 한국대 재학	홍길동, 27세, 서울 거주, A대 재학

 

 

 

 

총계처리(aggregation)

·         개인정보 보호를 위해 데이터를 총합하거나 평균을 사용합니다.

·         세부기법으로 총계처리, 라운딩, 부분총계, 재배열 방법등을 사용합니다.

 

비식별화 전	데이터 비식별화
A 직원 연봉 4,500만 B 직원 연봉 5,200만 C 직원 연봉 4,600만	평균 연봉 4,766만
A 학생 키 182cm B 학생 키 174cm C 학생 키 160cm	3학년 학생 키 합 516cm 3학년 학생 키 평균 172cm   182+174+160=516 (182+174+160)/3=172

 

 

 

 

 

데이터 값 제거(data reduction)

·         개인 식별이 유의한 변수값을 제거합니다.

·         세부기법으로 식별자 삭제, 레코드 삭제, 식별자 부분 삭제, 식별 요소 전부 삭제등의 방법을 사용합니다.

 

비식별화 전	데이터 비식별화
나실명, 38세, 수원 거주	38세 남, 수원 거주
홍길동, 741225-1586034	홍길동, 70년 생 남자

 

 

 

 

 

범주화(data suppression)

·         데이터값을 범주화하여 명확한 값을 큰 범주의 값으로 대체합니다.

·         세부기법으로 감추기, 범위화, 랜덤 라운딩, 제어 라운딩등을 사용합니다.

 

 

비식별화 전	데이터 비식별화
나실명, 38세, 수원 거주	나실명, 30대, 경기도 거주
나실명, 38세	나실명, 30~40대

 

 

 

 

데이터 마스킹(data masking)

·         개인 식별에 유의한 변수값을 보이지 않도록 처리합니다.

·         세부기법으로 임의잡음 추가, 공백과 대체, 기호와 대체등의 방법을 사용합니다.

 

비식별화 전	데이터 비식별화
나실명, 38세, 수원 거주	나**, 38세, 수원 거주
나실명, 38세, 한국대 재학	나OO, 38세, OO대 재학
홍길동, 741225-1586034	홍길동, 7412**-1******