음성 비정형데이터 재식별 가능성 검증에 관한 연구
A Study on the Verification of Re-Identifiability of Voice Unstructured Data
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
빅데이터 시대의 도래는 데이터 보호의 중요성을 한층 강조하게 되었다. 특히 음성 데이터는 비정형 데이터로서 그 자체로도 개인이 식별될 가능성이 있으며, 다른 데이터와 결합될 경우 화자 식별의 위험성이 더욱 높아질 수 있다. 이러한 배경에서 개인정보보호를 위한 음성 데이터의 익명화는 필수적인 접근 방식이 되었다. 그러나, 음성 데이터를 익명화하여 사용하더라도 음성 복원을 통한 재식별 가능성을 완벽하게 배제할 수는 없으며, 특정한 상황에서는 익명화된 음성이 다시 화자를 식별할 수 있는 가능성을 내포할 수 있다. 본 연구는 이러한 재식별 위험성을 최소화하기 위하여 익명화된 음성의 재식별 가능성을 평가하고, 이를 바탕으로 적절한 익명화 파라미터값을 도출하는 프레임워크를 제안한다. 이를 통해 정보화 사회에서의 안전한 음성 데이터의 사용을 보장하면서도 데이터의 유용성을 유지할 수 있는 기준을 제공하고자 한다.
Abstract
The rise of big data has underscored the need for data protection. Voice data, a form of unstructured data, is particularly sensitive as it can reveal personal identities on its own or in combination with other data, heightening speaker identification risks. To address this, anonymizing voice data has become essential. However, even anonymized speech may be vulnerable to re-identification under certain conditions. This study proposes a framework for evaluating the re-identification risk of anonymized speech and determining optimal anonymization parameters. This approach seeks to balance privacy protection and data utility, providing guidelines for the safe use of voice data in the information society.