문제 최종 검수

BG 빅데이터 분석기획 데이터 수집 및 저장 계획 데이터 수집 및 전환

10149번

문제

보기

입력된 내용이 없습니다.

선택지1

선택지2

선택지3

선택지4

정답

키워드

해설

비기봇 해설

정답은 1번입니다.

개인정보 보호에서는 식별 가능성을 기준으로 데이터 처리 방법을 구분합니다. 직접 식별 가능한 정보(이름, 주민등록번호 등)를 다른 값으로 대체하더라도, 추가 정보와 결합하면 다시 특정 개인을 식별할 수 있는지 여부가 중요한 판단 기준이 됩니다. 완전히 재식별이 불가능하도록 만드는 방식과, 일정 조건에서 재식별이 가능한 방식은 법적·기술적으로 구분됩니다. 이 문제는 재식별 가능성의 존재 여부를 기준으로 개념을 구별하는 것이 핵심입니다.

1. 가명화(Pseudonymization)
: 가명화는 개인을 직접 식별할 수 있는 정보를 삭제하거나 대체값으로 변경하되, 별도의 추가 정보(키 값 등)를 통해 원래의 개인을 다시 식별할 수 있는 상태를 의미합니다. 즉, 겉으로는 식별이 어려워 보이지만, 보관된 추가 정보와 결합하면 재식별이 가능합니다. 따라서 문제에서 제시한 조건에 정확히 부합합니다.

2. 총계 처리(Aggregation)
: 총계 처리는 여러 개인의 데이터를 합산하거나 평균과 같은 집계 형태로 변환하여 개별 식별이 불가능하도록 만드는 방식입니다. 이 경우 특정 개인 단위의 정보가 사라지므로, 추가 정보가 있더라도 특정 개인을 다시 식별하기 어렵습니다. 따라서 재식별 가능성을 전제로 한 설명과는 다릅니다.

3. 범주화(Categorization)
: 범주화는 연령을 연령대 구간으로 나누는 것처럼 세부 값을 일정한 범주로 변환하는 방법입니다. 이는 식별 가능성을 낮추는 효과는 있으나, 그 자체로 재식별 가능성을 전제로 한 개념은 아닙니다. 범주화만으로는 문제에서 말하는 조건을 충족한다고 보기 어렵습니다.

4. 익명화(Anonymization)
: 익명화는 어떠한 추가 정보와 결합하더라도 특정 개인을 재식별할 수 없도록 처리하는 것을 의미합니다. 이는 재식별 가능성이 원천적으로 제거된 상태를 전제로 합니다. 문제에서는 추가 정보와 결합하면 다시 식별할 수 있다고 하였으므로, 익명화의 정의와 일치하지 않습니다.

가명화는 직접 식별자를 다른 값으로 대체하지만, 별도의 추가 정보를 통해 원래의 개인을 다시 식별할 수 있는 상태를 의미합니다. 반면 익명화는 재식별이 불가능하도록 처리하는 방식이며, 총계 처리와 범주화는 식별 가능성을 낮추는 기법이지만 재식별을 전제로 한 개념은 아닙니다.

따라서, 정답은 '1. 가명화(Pseudonymization)'입니다.

1차 검수 상태 :

입력 데이터

문제 최종 검수

수정 가능 범위 확인