🧪 가명처리 실습실

샘플 데이터에 열 단위로 가명처리 기법을 적용하면서 재식별 위험이 어떻게 변하는지 확인합니다. k-익명성 · l-다양성 · 특이정보 · 연결공격(linkage attack) 결과가 실시간으로 재계산됩니다. "마스킹만 하면 가명처리"라는 오해를 직접 깨보세요.

📕 기준: 개인정보보호위원회 「가명정보 처리 가이드라인」(2026.3.) 가명처리 절차 5단계 및 기술·기법 분류 — 교육용 재구성

🧭 가명처리 절차 5단계

가이드라인은 마스킹 한 번이 아니라 전체 사이클을 요구합니다: 목적·최소항목 결정 → 데이터 자체 + 처리환경의 식별 위험성 검토 → 가명처리 → 3명 이상 검토위원회의 적정성 검토 → 추가정보 분리보관·기록 관리.

⚙️ 열별 가명처리 기법 적용 프리셋:

삭제 열 전체 제거 · 부분삭제 앞 일부만 남김 · 마스킹 일부를 * 로 대체 · 범주화 상위 개념/구간으로 대체 · 라운딩 자릿수 절사 · 상하단코딩 양 끝단 값을 구간으로 묶음 · 해시(솔트) 일방향 암호화 · 토큰화 무의미 토큰 대체(추가정보로 매핑 보관) · 잡음추가 임의 값 가감 · 총계처리 평균 등 대푯값 · 순열 열 내부 값 무작위 섞기

📋 가명처리 결과

📊 재식별 위험성 평가

–

종합 위험도

–

k-익명성 (최소 동질집합)

–

l-다양성 (최소)

–

고유(특이) 레코드

–

직접식별자 잔존

–

분석 유용성

🎯 연결공격(재식별) 시뮬레이션

공격자가 대상자의 지역·나이·성별을 이미 알고 있다고 가정합니다(SNS 게시물, 기사, 직장 동료 등). 배포된 데이터에서 해당 조건을 조회했을 때 좁혀지는 인원이 적으면 민감속성이 노출됩니다.

아는 지역

아는 나이

아는 성별

아는 직업(선택)

결과가 여기에 표시됩니다.