클러스터링 기반 빅데이터 프라이버시 보호를 위한 퍼지화 및 익명화 연산

초록

본 논문은 빅데이터에서 민감 정보를 보호하기 위해 클러스터링 기반의 확률 모델을 제안한다. 데이터 군집을 형성한 뒤, 퍼지화와 익명화 연산을 적용해 최소한의 왜곡으로 민감 속성을 일반화·변형한다. 실험을 통해 재구성 정확도와 데이터 손실을 평가했으며, 기존 방법 대비 높은 프라이버시와 복원성을 입증한다.

상세 분석

이 연구는 빅데이터 환경에서 개인정보 보호와 데이터 활용 사이의 트레이드오프를 완화하고자 하는 시도이다. 핵심 아이디어는 먼저 전체 데이터셋을 의미론적 유사성을 기반으로 클러스터링하고, 각 클러스터 내에서 민감 속성을 식별한 뒤 퍼지화(Fuzzification)와 익명화(Anonymization) 연산을 순차적으로 적용한다는 점이다. 퍼지화 단계에서는 민감 값에 대해 소속도를 계산해 연속적인 구간으로 변환함으로써 원본 값과의 차이를 최소화한다. 이어지는 익명화 단계에서는 k‑익명성, l‑다양성, t‑근접성 등 기존 프라이버시 모델을 변형해, 클러스터 중심값을 기준으로 일반화된 범위를 설정한다. 이러한 두 단계는 ‘최소 교란·최대 프라이버시’라는 목표를 수학적으로 정의한 목적함수에 의해 최적화된다. 논문은 모델의 성능을 평가하기 위해 재구성 정확도(Accuracy), 숨겨진 데이터 비율(Hidden Data), 손실 데이터 비율(Lost Data) 세 가지 지표를 도입하였다. 실험에서는 공개된 의료 기록 데이터와 소셜 미디어 로그를 사용해 기존 k‑익명, 라플라스 노이즈 추가 방식과 비교했으며, 제안 모델이 동일한 프라이버시 수준에서 재구성 정확도가 평균 12 % 이상 향상되고, 데이터 손실률은 5 % 이하로 낮았다. 또한, 클러스터링 단계에서 사용된 DBSCAN 변형은 고차원 데이터에서도 효율적인 군집 형성을 가능하게 하여 연산 복잡도를 O(n log n) 수준으로 유지한다. 한편, 모델은 민감 속성의 사전 정의와 클러스터 수 설정에 의존하므로, 도메인 전문가의 개입이 필요하고, 동적 스트리밍 데이터에 대한 실시간 적용 가능성은 아직 검증되지 않았다. 전반적으로 이 논문은 퍼지화와 익명화를 결합한 새로운 프라이버시 보호 프레임워크를 제시함으로써, 데이터 재구성 가능성을 크게 높이면서도 프라이버시 위험을 효과적으로 억제한다는 점에서 의미가 크다.