개인정보 비식별화｜가명정보·k-익명성·l-다양성·t-근접성

개인정보 분석에서는 ‘이름을 지우면 익명’이라는 오해가 가장 위험합니다. 다른 정보와 결합해 다시 알아볼 수 있다면 재식별 위험이 남습니다. 이 글은 시험 개념 정리를 위한 일반 자료이며, 실제 처리에는 개인정보보호위원회 가명정보 처리 가이드라인과 최신 법령, 조직의 개인정보보호 책임자 검토가 필요합니다.

개인정보·가명정보·익명정보 구분

구분	핵심	분석 시 관점
개인정보	개인을 알아볼 수 있거나 쉽게 결합해 식별 가능	법적 근거와 목적·범위 확인
가명정보	추가 정보 없이는 특정 개인을 알아보기 어렵게 처리	재식별 방지와 추가 정보 분리 관리
익명정보	합리적으로 고려할 수단으로 개인을 알아볼 수 없음	데이터 자체와 결합 환경을 함께 평가

가명처리와 익명처리는 같은 말이 아닙니다. 가명정보는 여전히 보호와 통제가 필요한 정보이며, 익명성 판단은 삭제한 필드뿐 아니라 외부 데이터와의 결합 가능성까지 봐야 합니다.

k-익명성·l-다양성·t-근접성

k-익명성은 준식별자 조합이 같은 레코드가 최소 k개가 되도록 합니다. 그러나 같은 집단의 민감값이 모두 같다면 동질성 공격에 취약할 수 있습니다. l-다양성은 집단 안 민감값의 다양성을, t-근접성은 집단의 민감값 분포가 전체 분포에서 지나치게 멀어지지 않도록 보는 개념입니다.

비식별화 기법과 정보 손실

• 삭제·마스킹: 직접 식별자를 제거하거나 일부 가립니다.
• 일반화: 정확한 나이를 연령대로 바꿉니다.
• 총계처리: 개인 단위 대신 집단 통계로 제공합니다.
• 노이즈·교환: 값의 정확성을 낮춰 재식별 위험을 줄입니다.

보호 수준을 높이면 분석 유용성이 줄 수 있으므로 목적에 필요한 최소 정보, 접근 통제, 보관 기간, 반출 심사까지 함께 설계해야 합니다. 기법 하나만 적용했다고 안전이 보장되는 것은 아닙니다.

분석 프로젝트 체크리스트

1. 처리 목적과 법적 근거를 확인합니다.
2. 직접 식별자·준식별자·민감정보를 분류합니다.
3. 재식별 가능성과 공격 시나리오를 평가합니다.
4. 최소한의 데이터와 적절한 가명·익명 기법을 선택합니다.
5. 접근권한·로그·분리보관·파기 절차를 운영합니다.

시험 범위 전체의 데이터 관리 개념은 1·4과목 점수 확보 가이드에서 연결해 복습하세요.

자주 묻는 질문