통계 배경 지식을 이용한 추론 공격에서 Privacy를 보장하는 익명화 기법
An Anonymization Technique with Preserving Privacy from Inference Attack using Statistical Background Knowledge
- 주제(키워드) 익명화
- 발행기관 서강대학교 컴퓨터공학과
- 지도교수 박석
- 발행년도 2010
- 학위수여년월 2010. 2
- 학위명 석사
- 학과 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000045694
- 본문언어 한국어
- 저작권 서강대학교의 논문은 저작권에 의해 보호받습니다
초록/요약
현대 사회의 규모가 커져감에 따라 기업과 조직이 관리하는 데이터의 형세와 볼륨이 기하급수적으로 늘어가고 있다. 오늘날의 정보처리는 컴퓨터를 이용해 이루어지고 있으며, 한번에 방대한 양의 정보가 수정되고 저장된다. 최근 공공의 목적을 위한 정보의 공개가 빈번해짐에 따라, 개개인의 프라이버시를 침해할 수 있는 민감한 정보들이 쉽게 누출되고 있다. 이러한 문제점을 보완하기 위해, 데이터값을 일반화시켜 추론 공격을 방지하는 K-anonymity 데이터 익명화 기법이 제시되었다. 이 기법은 데이터의 공개시에 개개인의 신분이 드러나는 정보를 삭제하고, 또 다른 자료와의 비교를 토대로 개인의 신분을 파악하는 추론 공격에 대하여 적절한 보안 기법을 제시하고 있으나, 통계를 기반으로 한 배경지식(Background knowledge)에 의한 추가적인 추론 공격에 취약하여 프라이버시를 충분히 보호할 수 없는 문제점이 지적되어 왔다. 본 논문은 기존의 연구에서 지적되어온 기반 지식에 의한 추론 가능성을 확장하여, 통계를 이용한 공격 모델을 처리하는 익명화 기법을 제시하였다. 또한 통계를 이용한 기반 지식 공격에 대하여 정의하고, 기존의 익명화 기법의 한계점을 제시한다. 본 연구는 기존의 기법에 대한 대안을 제시하고, 프라이버시를 강화하는 효율적인 알고리즘을 제시하고자 한다.
more초록/요약
As a evolution of modern society, amounts of data that organization should manage increased dramatically. Today, information is processed by computer, too much data is fixed and managed. and Information is published frequently for public purpose. But, if sensitive data is leaking, it has the possibility which the privacy is infringed. For protecting this problem, Researcher propose a K-anonymity method which generalized data value for protecting reference attack. When the data is published, K-anonymity method anonymize information which disclose one’s identity and suggest adequated protecting technique. but existing studies have the vulnerable point which consider background knowledge attack using statistics and can’t one’s privacy information. In this thesis, we propose a new anonymized methods which consider background knowledge attack based on statistics, by expanding the range of the inference attack possibility by background knowledge. And we define background knowledge attack using statistic, suggest limits of existing anonymized technique. We suggest a solution for the limits of existing techniques, propose a efficient algorithm which makes an effort to preserve privacy.
more