교재 핵심 + 기출 26~29번 · 좌우 클릭형 무손실 학습자료
이 네 문항은 결국 위기 요인 3가지, 그에 대응하는 통제 방안 3가지, 그리고 비식별 기술을 구분할 수 있는지를 묻습니다.
핵심: 비밀 유지 불가, 익명성 부족, 동의 없는 수집
핵심: 책임 소재 불분명, 알고리즘 블랙박스, 데이터 편향
핵심: 데이터 목적의 일탈, 사기 및 조작, 잘못된 지표 사용
| 위기 요인 | → | 통제 방안 | 시험에서 기억할 말 |
|---|---|---|---|
| 사생활 침해 | → | 동의에서 책임으로 | 개인정보 제공자의 동의만이 아니라 사용자의 책임 |
| 책임원칙 훼손 | → | 결과 기반 책임원칙 고수 | 예측만으로 불이익을 주지 말고 결과에 대한 책임을 명확히 |
| 데이터 오용 | → | 알고리즘 접근 허용 | 예측 알고리즘의 부당함을 검증·반증할 수 있게 |
사생활 침해 → 동의 없는 수집·익명성 부족
책임원칙 훼손 → 예측 알고리즘의 희생양·책임 소재 문제
데이터 오용 → 잘못된 지표·목적 일탈·조작
| 보기 | 핵심 | 해설 |
|---|---|---|
| ① 익명화 | 정답 | 개인 식별 정보를 삭제하거나 알아볼 수 없는 형태로 변환하여 개인을 식별하기 어렵게 합니다. |
| ② 범주화 | 기출 정답 아님 | 정확한 값을 범위·그룹으로 바꾸는 방식입니다. 예: 35세 → 30~40세. |
| ③ 데이터 정규화 | 오답 | 데이터 구조를 효율적으로 구성하고 중복을 줄이는 데이터베이스 설계 개념입니다. |
| ④ 값 표준화 | 오답 | 분석을 위해 값의 단위·척도 등을 일정한 기준으로 맞추는 처리입니다. |
| 위기 요인 | → | 정확한 통제 방안 | 핵심 의미 |
|---|---|---|---|
| 사생활 침해 | → | 동의에서 책임으로 | 정보를 사용하는 주체의 책임 강화 |
| 책임원칙 훼손 | → | 결과 기반 책임원칙 고수 | 예측만으로 불이익을 주지 않기 |
| 데이터 오용 | → | 알고리즘 접근 허용 | 알고리즘의 부당함을 검증·반증 |
③이 틀린 핵심 이유: 데이터 마스킹(Data Masking)은 값을 단순히 삭제하는 것이 아니라, 길이·유형·형식 같은 속성을 유지하면서 일부를 가리거나 다른 형태로 익명화하는 방식입니다.
| 비식별 기술 | 교재 핵심 내용 | 쉽게 보는 예 |
|---|---|---|
| 데이터 마스킹 | 데이터의 길이·유형·형식 등의 속성을 유지하면서 익명 형태로 생성 | 홍길동 → 홍** 한국대 → **대 |
| 가명처리 | 개인정보 주체의 이름 등을 다른 값으로 변경 | 홍길동 → 임꺽정 등 다른 값 |
| 총계처리 | 개별값 대신 총합·평균 같은 집계값을 보여줌 | 학생별 키 → 합 660cm / 평균 165cm |
| 데이터값 삭제 | 필요 없는 값이나 개인 식별에 중요한 값을 실제로 삭제 | 이름 삭제, 상세 날짜를 연 단위로 처리 |
| 범주화 | 데이터 값을 범주의 값으로 변환하여 값을 숨김 | 35세 → 30~40세 |
난수화 : 일정한 순서나 규칙이 없는 무작위 숫자로 변환
익명화 : 개인 식별 정보를 삭제하거나 알아볼 수 없는 형태로 변환
일반화 : 구체적 값을 더 일반적인 값으로 변환