.svg)
AI 솔루션 문의하기
AI 기술이 발전하면서 텍스트와 이미지, 음성, 영상을 함께 처리하는 멀티모달 AI가 보편화되고 있습니다. 이러한 시스템을 학습시키려면 여러 형태의 데이터를 결합한 멀티모달 데이터셋이 필요합니다. 그런데 이 과정에서 심각한 문제가 발생합니다. 영상 속 사람의 얼굴이나 음성에서 개인을 식별할 수 있는 정보가 그대로 노출되기 때문입니다. 특히 의료 영상에 환자 이름이 포함되거나 CCTV 영상에 개인 행동이 기록된 경우 프라이버시 침해 위험이 커집니다. 이런 상황에서 개인정보 비식별화 기술이 필수적으로 요구됩니다.
개인정보 보호법은 2020년 데이터3법 개정을 통해 가명정보 처리에 관한 특례를 신설했습니다. 이 법률은 통계 작성과 과학적 연구, 공익적 기록 보존 등의 목적으로 개인정보를 가명 처리해 활용할 수 있는 기반을 마련했습니다. 빅데이터와 AI 분야에서 데이터 활용 수요가 급증하면서 이런 법적 근거가 더욱 중요해졌습니다. 기업과 연구기관은 이제 적법하게 비식별 처리된 데이터로 AI 모델을 학습시킬 수 있게 되었습니다. 다만 비식별 조치를 제대로 수행하지 않으면 개인정보 유출 사고로 이어질 수 있어 기술적 방법론이 매우 중요합니다.
비식별화는 크게 가명처리와 익명처리로 나뉩니다. 가명처리는 개인 식별 정보를 다른 값으로 대체해 추가 정보 없이는 특정 개인을 알아볼 수 없도록 만드는 방법입니다. 예를 들어 환자 이름을 '환자001'처럼 코드로 변환하는 것이 가명처리에 해당합니다. 이 경우 원본 데이터와 연결 고리가 남아 있어 필요시 재식별이 가능합니다. 반면 익명처리는 어떤 방법으로도 개인을 알아볼 수 없도록 완전히 삭제하거나 변형하는 것을 말합니다. 통계 목적으로 연령대를 '30대'로만 표시하고 정확한 나이를 지우는 방식이 익명처리의 예시입니다. 두 방법은 데이터 활용 목적과 재식별 위험 수준에 따라 선택적으로 적용됩니다.
멀티모달 데이터에서 이미지는 가장 많은 개인정보를 담고 있습니다. 사진 속 얼굴은 가장 직접적인 식별자이므로 반드시 처리해야 합니다. 얼굴 영역을 모자이크나 블러 처리로 가리는 방법이 가장 일반적으로 사용됩니다. 최근에는 딥러닝으로 얼굴을 자동 검출하고 비식별 처리하는 시스템이 개발되어 대량의 이미지를 효율적으로 처리할 수 있게 되었습니다. 차량 번호판이나 건물 주소판 같은 간접 식별 정보도 함께 처리해야 합니다. 의료 영상의 경우 환자 정보가 기록된 메타데이터를 완전히 제거하는 작업이 추가로 필요합니다.
음성 데이터에는 화자의 성별과 연령, 감정 상태뿐 아니라 개인을 특정할 수 있는 성문 정보가 포함됩니다. 이런 정보를 제거하려면 음성 변환 기술을 활용합니다. 피치를 변경하거나 음색을 조정해 원래 화자를 알아볼 수 없게 만드는 방식입니다. 대화 내용에 등장하는 개인 이름이나 주소, 전화번호 같은 민감 정보는 텍스트로 변환한 뒤 별도로 삭제하거나 대체합니다. 최근에는 합성 음성 기술로 원본 발화 내용은 유지하면서 화자 특성만 완전히 바꾸는 방법도 연구되고 있습니다. 이렇게 처리된 음성 데이터는 AI 음성 인식 모델 학습에 안전하게 활용될 수 있습니다.
영상은 이미지와 음성이 결합된 형태이므로 비식별화가 가장 복잡합니다. 프레임마다 등장하는 모든 얼굴을 추적하고 일관되게 처리해야 합니다. 같은 사람이 여러 장면에 나타나도 동일한 방식으로 비식별 처리되어야 데이터의 연속성이 유지됩니다. 배경에 보이는 차량 번호나 간판의 개인정보도 모두 확인하고 가려야 합니다. 음성 트랙에서는 개인 식별 정보가 언급되는 부분을 찾아 무음 처리하거나 다른 단어로 대체합니다. CCTV 영상처럼 불특정 다수가 포함된 경우 모든 인물에 대해 비식별 처리를 수행해야 하므로 자동화 시스템이 필수적입니다.
텍스트에 포함된 개인정보는 이름과 주민등록번호, 주소, 전화번호처럼 명확한 것도 있지만 간접적으로 개인을 특정할 수 있는 정보도 많습니다. 직장명과 직책, 특정 사건과의 연관성 같은 정보가 결합되면 개인 식별이 가능해집니다. 자연어 처리 기술로 텍스트를 분석해 개인식별정보 유형을 자동으로 탐지하는 AI 모델이 개발되고 있습니다. 서울대학교 연구팀은 판결문 비식별화를 위해 595종의 개인식별정보 유형을 정의하고 99% 이상의 정확도로 탐지하는 모델을 만들었습니다. 탐지된 정보는 가명으로 대체하거나 범주화해서 처리합니다.
여러 형태의 데이터가 결합된 멀티모달 데이터셋을 비식별 처리할 때는 각 모달리티를 따로 처리하는 것만으로는 부족합니다. 이미지에서는 얼굴을 가렸지만 함께 제공된 텍스트 설명에 그 사람의 이름이 있다면 비식별화가 무의미해집니다. 따라서 모든 데이터 유형을 통합적으로 분석하고 일관된 기준으로 처리해야 합니다. 영상 속 인물에게 부여한 가명을 자막이나 대화록에서도 동일하게 사용하는 식입니다. 이런 작업을 수작업으로 하기에는 데이터 규모가 너무 크므로 자동화된 멀티모달 비식별 시스템이 필요합니다.
비식별 처리를 했더라도 여러 데이터를 조합하면 개인을 다시 식별할 수 있는 위험이 남아 있습니다. k-익명성 같은 기법으로 재식별 위험 수준을 정량적으로 평가합니다. 동일한 속성을 가진 레코드가 k개 이상 존재하도록 만들어 특정 개인을 구분하기 어렵게 하는 방법입니다. 전문 비식별 솔루션은 데이터 효용성과 재식별 위험을 함께 분석해 최적의 비식별 수준을 찾아줍니다. 범주화 수준을 조정하면서 연구 목적에 필요한 정보는 최대한 보존하되 재식별 위험은 허용 기준 이하로 낮춥니다. 이런 균형을 맞추는 것이 비식별화의 핵심 과제입니다.
의료 AI를 개발하는 기업이라면 환자 진료 기록과 의료 영상을 결합한 멀티모달 데이터로 모델을 학습시킬 수 있습니다. 이때 환자 이름과 주민등록번호는 완전히 삭제하고 나이는 5세 단위로 범주화합니다. 진단 영상에서 얼굴이 나오는 부분은 자동으로 검출해 마스킹 처리를 수행합니다. 진료 기록 텍스트에서는 의사 이름과 병원명도 가명으로 대체합니다. 또한 자율주행 학습 데이터를 만드는 경우 도로 영상에 찍힌 보행자 얼굴과 차량 번호를 모두 비식별 처리합니다. 이렇게 처리된 데이터는 개인정보 유출 걱정 없이 AI 모델 개발에 활용할 수 있습니다.
시중에는 다양한 개인정보 비식별 솔루션이 제공되고 있습니다. 이런 솔루션들은 17가지 비식별 기법을 지원하고 정형 데이터와 비정형 데이터를 모두 처리할 수 있습니다. 클라우드 환경에서 대용량 데이터를 빠르게 비식별 처리하는 기능도 갖추고 있습니다. 비식별 작업이 완료되면 반드시 검증 절차를 거쳐야 합니다. 전문가가 샘플 데이터를 검토하고 재식별 위험이 없는지 확인합니다. k-익명성과 l-다양성 같은 프라이버시 모델의 기준을 충족하는지 측정합니다. 비식별 조치의 적정성을 평가하고 필요하면 추가 처리를 수행합니다.
비식별화를 과도하게 적용하면 데이터의 분석 가치가 사라집니다. 모든 정보를 삭제하거나 심하게 범주화하면 AI 모델이 제대로 학습할 수 없게 됩니다. 반대로 효용성만 강조하다가는 개인정보 유출 사고가 발생할 수 있습니다. 따라서 데이터 활용 목적을 명확히 하고 그 목적 달성에 꼭 필요한 정보만 남기는 전략이 필요합니다. 연구에 중요한 속성은 세밀하게 유지하고 덜 중요한 항목은 강하게 비식별 처리하는 방식입니다. 전문 컨설팅과 솔루션을 함께 활용하면 이런 균형점을 찾는 데 도움이 됩니다.
.svg)
.svg)
