가명정보 처리를 위한 데이터 상황 기반의 위험도 측정방법에 관한 연구
A study on Data Context-Based Risk Measurement Method for Pseudonymized Information Processing
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 코로나19 팬데믹으로 인한 디지털 트랜스 포메이션이 가속화되면서 개개인의 삶의 질을 향상시키기 위한 데이터가 대량으로 활용되고 있으며 데이터 중 가장 가치 있는 개인정보를 활용하기위한 보다 강화된 비식별 처리 절차가 요구되고 있다. 국내에서도 법률 개정과 가이드라인을 통해비식별 조치를 위한 절차를 제시하고 있지만 모호한 처리 기준과 주관적인 위험도 측정 방식으로 인해 현업에서는 비식별정보의 처리 수준을 측정할 수 있는 방법론이 부재한 상황이다. 본 논문은 국내외에서 제시하고 있는 비식별 조치 관련 제도 및 지침 등에 대한 현황을 비교분석하여 보완점을도출하고 이를 해결하기 위해 가명정보 처리 중심의 데이터 상황 기반 위험도 측정 방법을 제안하고타당성을 검증하고자 한다. 델파이 조사 및 표적집단면접(FGI)을 통한 검증 결과 제안한 방법론에대한 필요성과 지표들에 대한 타당성이 높은 것을 확인하였으며, 실무에서 이를 활용할 경우 가명정보의 위험성을 측정하는데 많은 도움이 될 것으로 사료된다. 또한 제안하는 방법론은 가명정보의 위험성을 계량적인 체크리스트 방식으로 측정할 수 있는 유일한 방법론이란 점에서 의의가 있다.
Abstract
Recently, as digital transformation due to the COVID-19 pandemic accelerates, data to improve individual quality of life is being used in large quantities, and more reinforced non-identification processing procedures are required to utilize the most valuable personal information among data. In Korea, procedures for de-identification measures are presented through amendments to laws and guidelines, but there is no methodology to measure the level of de-identification in the field due to ambiguous processing standards and subjective risk measurement methods. This paper compares and analyzes the current status of policy and guidelines related to de-identification measures proposed at home and abroad to derive complementary points, suggests a data context-based risk measurement method centered on pseudonymized information processing, and verifies its validity. As a result of verification through Delphi survey and focus group interview (FGI), it was confirmed that the need for the proposed methodology and the validity of the indicators were high.
참고문헌 (22)
- Economist, "The worlds most valuable resource is no longer oil, but data", ~ (2017)
- N. David, "How to Plan, Participate and Prosper in the Data Economy", Gartner Research (2011)
- Plans to revitalize the data and AI economy, "Joint Government Departments in Korea", ~ (2019)
- World Digital Competitiveness Ranking 2021 Report, "IMD", ~ (2021)
- Joint Government Departments in Korea, "Guidelines for De-Identification of Personal Information", ~ (2016)
- Personal Information Protection Commission, "Guidelines for processing pseudonym information", ~
- "EU General Data Protection Regulation Recital(26)", ~ (2018)
- Sweeney L, "k-anonymity: A model for protecting privacy", International Journal of Uncertainty, 10(3), pp.557~570 (2002)
- "ISO", IEC 20889, Privacy enhancing data deident ification terminology and classification of techniques, Annex A, 2018
- Financial Services Commission, "Guidelines for processing anonymisation and Pseudonymization Information in the financial sector", ~ (2020)
- Ministry of Health and welfare, "Guidelines for Health and Medical Data Utilization", ~ (2020)
- Ministry of the Interior and Safety, "Guidelines for processing Pseudonymization Information in the public sector", ~ (2021)
- Information and Privacy Commissioner of Ontario, "De-Identification Guidelines for Structured Data", ~ (2016)
- HITRUST, "De-Identification Framework", ~ (2015)
- K. Emam, "Anonymizing health data", pp.29~33 (2013), O`Reilly book
- M. Elliot, "The Anonymisation Decision making Framework" (2016), UK Anonymisation Network
- F. Prasser, "The Importance of Context:Risk-Based De-Identification of Biomedical Data", Methods of Information in Medicine, 55(4), pp.347~355 (2016)
- "NIST 800-188(2nd Draft), De-Identifying Government Datasets", ~ (2016)
- D. Tanvi, "Five Safes: Designing data access for research" (2016), University of Bristol
- 김동현, "개인정보 비식별 조치를 위한 데이터 상황 기반의 위험도 측정에 관한 새로운 방법", 정보보호학회논문지, 30(4), pp.719~734 (2020), 한국정보보호학회[DOI]
- "Personal Information Protection Act, Article 28-2", ~ (2021)
- G. Duncan, "Statistical Confidentiality" (2011), Springer