개인정보 보호 강화기술
IT 위키
더 많은 작업
- Privacy-enhancing technologies, PET; 개인정보 보호 강화 기술, 프라이버시 강화 기술
- 개인정보를 드러내지 않거나 드러나는 범위를 수학적·암호학적으로 제한하면서 데이터를 수집·처리·분석·공유할 수 있게 하는 기술의 총칭
프라이버시 강화 기술(privacy-enhancing technologies, PET)은 데이터의 쓸모는 살리면서 개인정보 노출을 줄이는 기술들을 묶어 부르는 말이다. 국내 정부·공공기관 문서에서는 개인정보 보호 강화 기술(개인정보보호 강화기술)로 많이 쓴다. 개인정보보호위원회는 합성 데이터를 "대표적인 개인정보보호 강화기술(PET)"로 소개했고,[1] 금융보안원도 2025년 11월 금융권 보고서에서 같은 표현을 썼다.[2]
OECD는 2023년 보고서에서 PET를 "정보의 수집·처리·분석·공유를 허용하면서 데이터 기밀성과 프라이버시를 보호하는 디지털 솔루션"으로 설명하고, 데이터 수집·처리를 최소화하면서 비교적 높은 데이터 효용을 얻게 한다는 점을 특징으로 들었다.[3] 인공지능 시대에 PET가 다시 주목받는 이유는 학습 데이터를 더 많이 모아야 하는 압력과 개인정보 보호 원칙의 데이터 최소화 요구가 정면으로 부딪히기 때문이다. 이 문서는 개별 기술을 비교하는 지도 역할을 하며, 각 기술의 원리는 해당 문서에서 다룬다.
OECD 2023 보고서는 기술 중립적이고 오래 쓸 수 있는 분류를 목표로 PET를 네 범주로 나눴다.[3]
| 범주 | 포함 기술 | 보호 방식 | 주의점 |
|---|---|---|---|
| 데이터 난독화(data obfuscation) | 영지식 증명, 차분 프라이버시, 합성 데이터(재현 데이터), 익명·가명 처리 도구 | 잡음을 더하거나 식별 요소를 빼서 데이터 자체를 바꿈 | 잘못 구현하면 정보가 샘. 익명 처리한 데이터도 다른 데이터와 결합하면 재식별될 수 있음 |
| 암호화 상태 처리(encrypted data processing) | 동형 암호, 다자간 계산(비공개 교집합 PSI 포함), 신뢰 실행 환경(기밀 컴퓨팅) | 처리하는 동안에도 데이터를 암호화된 상태로 둠(사용 중 암호화) | 다른 경로의 유출까지 막아 주지는 않음 |
| 연합·분산 분석(federated and distributed analytics) | 연합 학습, 분산 분석 | 원본은 제자리에 두고 분석 작업을 데이터 쪽으로 보내 통계·결과만 돌려받음 | 안정적인 연결이 필요. 결과에서 정보가 샐 수 있어 다른 PET와 결합 |
| 데이터 책임성 도구(data accountability tools) | 책임 추적 시스템, 임계 비밀 분산, 개인 데이터 저장소 | 누가 언제 어떤 데이터를 쓰는지 통제·기록 | 기밀성을 직접 지키는 기술이 아니어서 좁은 의미의 PET로 보지 않기도 함 |
| 기술 | 무엇을 숨기나 | 누구로부터 | 보장의 성격 | 비용·제약 | AI에서의 쓰임 |
|---|---|---|---|---|---|
| 차분 프라이버시 | 특정 개인이 데이터에 있었는지 | 결과(통계, 모델)를 보는 모든 사람 | 수학적 상한(ε, δ) | 정확도 손실. 프라이버시 예산 관리 | DP-SGD 학습, 사용 통계 수집, 통계 공개 |
| 동형 암호 | 입력 데이터 전체 | 계산을 대신하는 서버 | 암호학적(격자 문제의 어려움) | 평문 대비 매우 큰 계산·메모리 비용. 비선형 함수는 근사 | 암호문 추론, 수직 연합 학습의 중간값 교환 |
| 다자간 계산(MPC) | 각 참여자의 입력 | 다른 참여자(정해진 수 이하 공모까지) | 암호학적(비밀 분산, 가블드 회로) | 통신 라운드·대역폭 큼 | 기관 간 공동 통계, 비공개 교집합, 보안 집계 |
| 연합 학습 | 원본 데이터의 위치 이동 | 중앙 서버(원본만) | 구조적 최소화. 갱신값으로 유출 가능 | 비IID 데이터, 통신, 악성 참여자 | 키보드 예측, 병원 간 학습 |
| 기밀 컴퓨팅(TEE) | 처리 중인 데이터와 코드 | 운영체제·하이퍼바이저·클라우드 운영자 | 하드웨어 격리 + 원격 증명 | 제조사 신뢰, 부채널 공격 | 기밀 추론, 모델 가중치 보호 |
| 영지식 증명 | 증명하는 값 자체 | 검증자 | 암호학적 | 증명 생성 비용 | 연령 확인, 계산 결과 검증 |
| 합성 데이터(재현 데이터) | 원본 레코드 | 데이터 수령자 | 경험적(재식별 위험 평가). DP 생성기를 쓰면 수학적 | 원본 분포를 따라 하다 원본 레코드를 외워 낼 수 있음 | 학습·시험용 데이터 공유 |
| 가명처리·익명 처리(K-익명성 등) | 식별자, 준식별자 | 데이터 수령자 | 절차적(적정성 평가) | 배경지식을 가진 공격자의 연결 공격 | 학습 데이터 전처리 |
기존 개인정보 비식별 조치(가명처리, 총계처리, 범주화, 삭제, 마스킹)는 데이터 자체를 가공하는 방식이고, PET는 이를 포함해 암호 기술과 분산 학습까지 아우르는 더 넓은 개념이다.
- 누구를 믿지 않는가: 결과를 보는 외부인이 문제면 차분 프라이버시, 계산을 맡기는 서버가 문제면 동형 암호·기밀 컴퓨팅, 서로 경쟁하는 참여 기관이 문제면 다자간 계산·연합 학습.
- 무엇을 공개하는가: 통계·모델처럼 결과를 공개해야 하면 결과 단계의 보호(DP)가 필요하다. 암호화·TEE는 계산 과정만 보호하고, 결과에 담긴 정보는 그대로 나간다.
- 성능 예산: TEE는 평문과 비슷한 속도, MPC는 통신 비용, 완전 동형 암호는 아직 연산 종류와 규모가 제한된다.
- 법적 지위: 국내법에서 가명정보와 익명정보의 구분이 처리 근거를 정한다. 어떤 PET를 썼다는 사실만으로 익명정보가 되지는 않으며, 재식별 가능성을 따로 평가한다.
- 데이터 3법(2020): 개인정보 보호법 개정으로 가명정보 개념과 가명정보 결합 제도가 생겨, 동의 없이 통계·연구·공익 기록 보존 목적으로 가명정보를 처리할 길이 열렸다(데이터 3법 참고).
- 가명정보 처리 가이드라인: OECD 보고서는 2022년 4월 한국 정부가 낸 가명정보 처리 가이드라인이 처리자가 쓸 수 있는 도구로 차분 프라이버시와 동형 암호 등을 제시했다고 소개했다. 같은 보고서는 2021년 5월의 「AI 개인정보보호 자율점검표」도 언급한다.[3]
- 합성 데이터: 개인정보보호위원회는 2024년 5월 30일 개인정보 기술포럼에서 합성 데이터를 대표적인 PET로 다뤘고,[1] 2024년 12월 「합성데이터 생성·활용 안내서」를 냈다. 안내서는 사전 준비, 생성, 안전성·유용성 검증, 심의위원회 평가, 활용·안전 관리의 5단계를 제시하고, 일반에 공개하는 합성 데이터는 안전성 중심으로 검증한 뒤 심의위원회 평가를 거쳐 익명정보로 쓸 수 있다고 안내한다. 이미지 같은 비정형 합성 데이터도 다룬다.[5]
- 생성형 AI 안내서: 개인정보보호위원회가 2025년 8월 6일 공개한 「생성형 인공지능(AI) 개발·활용을 위한 개인정보 처리 안내서」는 목적 설정, 전략 수립, 학습·개발, 적용·관리, 거버넌스 단계로 구성되며 머신 언러닝, 지식 증류 같은 기술 동향을 반영했다.[6]
- 금융 분야: 금융보안원은 2025년 11월 24일 금융권 PET 활용 보고서를 공개해 합성 데이터, 차분 프라이버시, 동형 암호, 영지식 증명, 다자 연산(MPC), 연합 학습을 대표 기술로 정리하고, 기술 표준화와 PET 친화적 규제, 금융권 공통 검증 지표 마련을 과제로 제시했다.[2]
- AI 보안 안내서: 과기정통부·KISA 「인공지능(AI) 보안 안내서」는 처리 중 데이터 암호화 예로 동형 암호와 인텔 SGX·AMD SEV를 들고, 연합 학습 참여 기기 검증을 개발자 체크리스트에 넣었다.[7]
- 만능이 아님: OECD는 PET가 "만능 해결책"이 아니며 법적 틀을 대신할 수 없고, 법적 의무와 함께 적용되어야 한다고 강조했다.[3] 목적 외 이용, 과도한 수집 같은 문제는 기술로 해결되지 않는다.
- 효용과의 상충: 보호를 강하게 할수록 정확도·속도·비용이 나빠진다. 어느 수준에서 멈출지를 먼저 정해야 한다.
- 검증의 어려움: ε 값, 신뢰 가정, 위협 모델을 공개하지 않으면 "PET를 적용했다"는 말은 보호 수준을 알려 주지 않는다.
- 성숙도 차이: 가명처리·TEE·연합 학습은 상용 배포가 많지만, 완전 동형 암호와 범용 MPC는 아직 특정 계산에 한정해 쓰이는 경우가 많다.
- 절차 요건: 가명정보 결합처럼 법이 정한 절차를 따라야 하는 경우, 기술적 보호와 별개로 절차를 지켜야 한다.
- ↑ 1.0 1.1 뉴스서울, 개인정보보호위원회, '24년도 제1회 '개인정보 기술포럼' 세미나 개최, 2024-05-30.
- ↑ 2.0 2.1 바이라인네트워크, 금융보안원, 금융권 개인정보 보호 강화 기술 활용 보고서 공개, 2025-11-24.
- ↑ 3.0 3.1 3.2 3.3 3.4 OECD, 〈Emerging Privacy-Enhancing Technologies: Current Regulatory and Policy Approaches〉, OECD Digital Economy Papers No. 351, 2023-03. OECD 발행 페이지
- ↑ Zheng Xu 외, 〈Federated Learning of Gboard Language Models with Differential Privacy〉, 2023. arXiv:2305.18465
- ↑ 뉴스서울, 개인정보보호위원회, 합성데이터(Synthetic data) 안내서 마련, 2024-12-19.
- ↑ 뉴스서울, 개인정보위, '생성형 인공지능(AI) 개발·활용을 위한 개인정보 처리 안내서' 공개, 2025-08-06.
- ↑ 과학기술정보통신부·한국인터넷진흥원, 「인공지능(AI) 보안 안내서」, 2025-12(2026-03 정오 수정본).