다모델·이중 기준 최빈 통합을 통한 민감정보 유추 위험 평가 프레임워크
A Multi-Model, Dual-Criterion Mode Voting Framework for Inference Risk Assessment of Sensitive Attributes
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 비식별 데이터 속성 조합이 민감정보 유추 위험에 미치는 영향을 정량적으로 분석하기 위해 다모델·이중기준 기반 통합 평가 프레임워크를 제안하였다. 행동·수면 관련 10개 특성으로 1,023개 조합을 구성하고 10종의 머신러닝 분류기를 통해 조합별 민감정보 예측 성능을 정확도와 F1-score로 측정하였다. 그 결과, 전체의 66.4%가 무작위 추론 수준을 초과했으며 상위 25% 구간의 정확도 경계값은 0.697로 나타났다. 위험도는 ‘고위험’ 24.3%, ‘위험’ 25.5%, ‘중간’ 16.5%, ‘안심’ 33.6%로 분포해, 비식별 특성만으로도 높은 유추 가능성이 존재함을 입증하며 개인정보 보호와 데이터 활용 간 균형 있는 정책·기술적 대응의 근거를 제시한다.
Abstract
This study proposed an integrated evaluation framework based on multi-models and double standards to quantitatively analyze the effect of the combination of de-identification data attributes on the risk of inferring sensitive information. As a result of composing 1,023 combinations of 10 characteristics related to behavior and sleep and measuring the performance of predicting sensitive information by combination with accuracy and F1-score through 10 types of machine learning classifiers, 66.4% of the total exceeded the level of random reasoning, and the accuracy boundary value of the top 25% section was 0.697. The risk is distributed as 24.3% 'high risk', 25.5% 'risk', 16.5% 'medium', and 33.6% 'relief', proving that there is a high likelihood of analogy with non-identification characteristics alone, and providing the basis for a balanced policy and technical response between personal information protection and data use.