K-익명성

K-anonymity

특정 개인을 식별할 수 없도록 전체 데이터셋에 동일 값 레코드 k개 이상 존재하도록 하는 비식별 모델

• 공개된 데이터에 대한 연결공격(linkage attack) 등 취약점을 방어하기 위해 사용

공개 데이터의 취약점

• 개인정보를 포함한 공개 데이터
  • 일반적으로 활용하는 데이터에는 이름, 주민등록번호 등과 같이 개인을 직접 식별할 수 있는 데이터는 삭제(아래 비식별 전 데이터)
  • 그러나 활용 정보의 일부가 다른 공개되어 있는 정보 등과 결합하여 개인을 식별하는 문제(연결 공격)가 발생 가능(아래 선거인명부)
• 연결 공격(linkage attack)
  • 예를 들어, 비식별 전 데이터가 선거인명부와 지역 코드, 연령, 성별에 의해 결합되면, 개인의 민감한 정보인 병명이 드러날 수 있음
  • (ex) 김민준 (13053, 28, 남자)→ 환자 레코드 1번→ 전립선염
  • 미국 매사추세츠 주, ‘선거인명부’와 ‘공개 의료데이터’가 결합하여 개인의 병명 노출 사례

k-익명성 적용 예시

• 비식별 전 데이터

구분	지역 코드	연령	성별	질병
1	13053	28	남	전립선염
2	13068	21	남	전립선염
3	13068	29	여	고혈압
4	13053	23	남	고혈압
5	14853	50	여	위암
6	14853	47	남	전립선염
7	14850	55	여	고혈압
8	14850	49	남	고혈압
9	13053	31	남	위암
10	13053	37	여	위암
11	13068	36	남	위암
12	13068	35	여	위암

• 선거인명부(공개된 데이터)

구분	이름	지역코드	연령	성별
1	김민준	13053	28	남
2	박지훈	13068	21	남
3	이지민	13068	29	여
4	최현우	13053	23	남
5	정서연	14853	50	여
6	송현준	14850	47	남
7	남예은	14853	55	여
8	성민재	14850	49	남
9	윤건우	13053	31	남
10	손윤서	13053	37	여
11	민우진	13068	36	남
12	허수빈	13068	35	여

• 지역코드 13053에 사는 28세 남자 김민준은 전립선염에 걸렸음을 재식별

• 비식별 조치
  • 주어진 데이터 집합에서 같은 값이 적어도 k개 이상 존재하도록 하여 쉽게 다른 정보로 결합할 수 없도록 함
  • 데이터 집합의 일부를 수정하여 모든 레코드가 자기 자신과 동일한(구별되지 않는) k-1개 이상의 레코드를 가짐
  • 예를 들어, 위의 의료 데이터가 비식별 조치된 아래 표에서 1~4, 5~8, 9~12 레코드는 서로 구별되지 않음

구분	지역코드	연령	성별	질병	비고
1	130**	＜ 30	*	전립선염	다양한 질병이 혼재되어 안전
2	130**	＜ 30	*	전립선염
3	130**	＜ 30	*	고혈압
4	130**	＜ 30	*	고혈압
5	1485*	＞ 40	*	위암	다양한 질병이 혼재되어 안전
6	1485*	＞ 40	*	전립선염
7	1485*	＞ 40	*	고혈압
8	1485*	＞ 40	*	고혈압
9	130**	3*	*	위암	모두가 동일 질병으로 취약 (l-다양성 등 적용 필요)
10	130**	3*	*	위암
11	130**	3*	*	위암
12	130**	3*	*	위암

조치 결과

• 비식별된 데이터 집합에서는 공격자가 정확히 어떤 레코드가 공격 대상인지 알아낼 수 없음
  • (예시) 위 예시에서 선거인명부의 김민준은 비식별 조치된 레코드 1~4에 속하며, 전립선염 또는 고혈압 모두 될 수 있음
• 여기서, 같은 속성자 값들로 비식별된 레코드들의 모임을 '동일 속성자 값 집합(equivalent class, 동질 집합)'이라고 함

※ (예시) 위 비식별된 데이터 레코드 1~4, 5~8, 9~12

같이 보기

• 개인정보 비식별
• L-다양성(L-diversity)
• T-근접성(T-closeness)
• 차분 프라이버시(Differential Privacy)