김효주, 오준형, 박나현,

Vol. 35, No. 6, pp. 1505-1519, 12월. 2025
10.13089/JKIISC.2025.35.6.1505, Full Text:
Keywords: Privacy, Privacy Risk Assessment, Sensitive Attribute Inference, Data Linking, Machine Learning
Abstract

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.

Statistics
Cite this article