빅데이터와 프라이버시 강장묵 130619_ver1

빅 데이터와 프라이버시
(신기술과 누적된 프라이버시 위협)
주최: 제 4차 프라이버시 워킹그룹 모임
날짜: 2013년 6월 19일 오후 7시
장소: 법무법인 지향
발제: 강장묵 (고려대, kangjm@korea.ac.kr)
BIGDATA&PRIVACY
무더운 여름, 프라이버시의 문제
“왜 민트 차 처럼
시원스럽게 해결될 수는 없는가?”
살펴보겠습니다.
본 발제는 2013년 6월 14일 금요일 IT 정치연구회의 발제자(이진규 NHN㈜ 개인정보보보호팀 팀장, “빅데이터와 프라이버시 이슈”, 홍순만 ㈜사이람 공동대표, “빅데이터 정보집적”)
의 발표와 토의 과정에서 귀중한 정보와 고견을 참고하였음을 밝힘

Jang-Mook Kang
Blog : http://blog.ohmynews.com/UCnam/category/10203
고려대학교
컴퓨터교육 (정보창의연구소)
강장묵 교수, 공학박사
(Mooknc@gmail.com)
참조-http://blog.naver.com/PostView.nhn?blogId=assa_gauri&logNo=70091432840 (검색일:2011.07.08)

빅데이터의 정의, 의미 그리고 프라이버시
메타데이터 및 데이터 셋의 문제 제기
BIGDATA&PRIVACY

데
이
터
가
언
제
부
터
커
졌
는
가
?
아
니
면
,
분
석
기
술
의
등
장
인
가
?
Big Data Vs. Small Data
이미지 참조: http://blog.naver.com/PostView.nhn?blogId=youngdisplay&logNo=60165775435 (검색일:2013.06.)
VALUE VARIABILITY
빅 데이터의 정의
1. 데이터의 양
2. 데이터의 발생 및 갱신 빈도
3. 구조/비구조화된 데이터 포맷
4. 분산 또는 변화량
5. 가치
고성능 분산병렬처리 기술의 보급

사
회
적
행
위
/
개
인
속
성
/
중
구
난
방
데
이
터
Social Behavior Data
이미지 참조: http://www.teradata.com/Industries/Digital_Media_and_E-Commerce/Determining-Social-Media-Influence-and-ROI/ (검색일:2013.06.18.)
Operates on Ordered Data (이 정도 추론과 추천은 예전 시스템이죠?)
Each row in the input data set is a sequential interaction or transaction
SQL-MapReduce uses SQL for set-based processing to generate the input data set
- See more at: http://www.teradata.com/Industries/Digital_Media_and_E-Commerce/Determining-Social-Media-Influence-and-ROI/#sthash.QWCQryLU.dpuf

데
이
터
를
규
정
하
는
새
로
운
형
태
/
용
어
필
요
개인 상호 간의 관계 데이터 (interaction data)
이미지 참조: http://www.teradata.com/Industries/Digital_Media_and_E-Commerce/Determining-Social-Media-Influence-and-ROI/ (검색일:2013.06.18.)

2012
오
바
마
대
선
에
서
의
맞
춤
형
메
시
지
네트워크 원리: 씨알과 쏠림, 유유상종, 일파만파
이미지 참조: http://www.forbes.com/forbes/2010/0830/e-gang-mit-sandy-pentland-darpa-sociometers-mining-reality.html/ (검색일:2013.06.18.)
평균값이 의미가 없어진 자리에 마이크로 레벨의 분석이 자리잡음
그리고 8:2의 법칙, 롱테일의 법칙, 멱함수의 이론이 꽃핌

데
이
터
의
범
주
Legacy system + Big Data
이미지 참조: http://exploringbigdata.blogspot.kr// (검색일:2013.06.18.)
낡은 시스템이나 방법론 또는 기술 환경에서 축적된 정형 데이터에
소셜 네트워크 서비스 등의 개인 속성 기반의 비정형데이터가 빠른 속도로 결합
Legacy system의 정형 데이터와 비정형데이터가 빅데이터의 범주임

하
드
웨
어
적
으
로
가
능
해
진
이
유
일거수일투족을 평생 실시간 저장 가능
1980년 =1 Gbyte=100만달러
(11억2천5백만원이상)
2010년=0.1$ (112원)
대략 1000만분의 1 미만으로 저장 비용 하락

일
상
의
활
동
이
모
두
저
장
되
고
스마트폰 기본적 이용에 정보 100가지 따라붙어
관련 기사: http://media.daum.net/digital/newsview?newsid=20130617163210621 (검색일:2013.06.)
이미지: http://blog.naver.com/PostView.nhn?blogId=jonggyu324&logNo=140156570123&categoryNo=502&viewDate=&currentPage=1&listtype=0&from=postList
“스마트폰 촬영: 전자메일, 페이스북 또는 트위터에 올리기”
서버에 공유되는 정보 : 사진 촬영지의 좌표, 촬영·전송 시간, 이용 언어, 사용 기기 종류, 노출 정도, 플래시 사용 유무
프라이버시 위협: 사진 자체가 아닌 메타정보 또는 데이터셋
이 더 큰 위협

뒷
담
화
도
마
음
놓
고
할
수
없
는
빅데이터의 히스토리
기업의 정보 자원 확보 방법의 진화
ERP
DW
(주로 거래데이터, Structured 데이터)
SNS
(Transaction data + Interaction data)
뒷담화
Social behavior data (Unstructured format)
“소셜 네트워크 서비스에서도 가치 창조와 생명력이 구성원 간의 상호작용에 존재한다.
페이스 북 등 소위 소셜 네트워크 서비스의 플랫폼으로 기능하는 SNS는
참여자들 간의 역동적인 상호작용을 가치창출의 원천으로 삼는 특징을 보인다.
즉 소셜 네트워크 서비스에서는 미물과 같이 하찮은 이용자들이 없다. 페이스북과 트위터 등의
소셜 네트워크 이용자들이 자신의 하루하루 생활 속에서 발견하는 감정과 생각을 쏟아낸다.
이를 친구들과 교감하는데 있어 실시간성, 모바일성, 위치와 시간 정보 등을 중요한 연결고리이다.”

현존하는 서비스
빅데이터는 지금보다 미래에 더 큰 프라이버시 문제를 야기할 수 있다. 반면, 빅데이터 이전의 서비스에서 이미 만연한 프라이버시 침
해, 개인정보 위협의 사례를 통해, 미래 빅데이터를 가늠해본다.
BIGDATA&PRIVACY

BIGDATA&PRIVACY
아마존 구매 권유 방식 I
„킨들‟을 검색하였을 뿐인데,
어떻게 태그 등 다양한 추천하는 것일까?

BIGDATA&PRIVACY
아마존 구매 권유 방식 II
추천자에 따라 콘텐츠 기반 또는 협력 필터링 기반으로 세분화
컨텐츠 기반: 상품 정보를 통해 사용자가 높게 평가한 품목과 유사 상품
협력 필터링 기반: 유사한 고객의 구매 기록을 분석하여 추천
외에도 아래와 같은 순서로 상품을 소개함(이용자의 사용빈도 등 특성에 따라 달라짐)
-the personalized collaborative recommender-
1. Try Amazon Prime Today and Get Unlimited FREE Two-Day Shipping
2. New For You
3. Related to Items You‟ve Viewed
4. Inspired by Your Browsing History
5. Additional Items to Explore
6. Recommendations for You in Cell Phones & Accessories
이용자 별로 상이한 상품 추천 메뉴는
이용자에 대한 프로파일링 기술로 구현 (행동 이력 분석 기반)
프로파일링은 범죄 분석 등에서 폭넓게 활용됨
마이크로 레벨까지 분석가능 한, 빅데이터로 효과 극대화될 전망

BIGDATA&PRIVACY
편리: 현대카드 어플, 마이메뉴
<개발 배경>
기존 맛 집 추천 정보는
“파워블로거의 협찬, 블로거 개인의 주관적 추천 등”
„Abuse of Information‟을 선별해야 하는 문제 발생
<고객의 카드 정보와 위치정보의 결합>
-현대카드 고객의 가맹점 이용 패턴을 분석하여
-실제 구매 및 결제 행위가 일어난
-맛 집 중심으로 추천
이미지 참조: http://blog.naver.com/junmor7079?Redirect=Log&logNo=60169689728 (검색일: 2013.06.17.)

아이폰 사용자의 어플리케이션 구매, 해외 쇼핑 사이트 구매, 해외 여행 시 항공권
예매, 호텔 , 토플 뿐만 아니라 아이엘츠(IELTS), GRE(미국 대학원입학능력 시험)
등 국제시험을 카드로 결제할 경우,
통상적인 카드 사용 패턴(위치 등)에서 벗어나는 경우
신용카드 도난 및 도용 방지를 위해 상담원이 실제 연락함
고객정보의 무분별한 사용은 편리, 안전을 볼모로 전방의적으로 서비스되나
프라이버시에 대한 안전장치는 어떻게 되는지 알 길이 없다.
이미지 참조: http://blogl.tistory.com/1464 (검색일:2013.06.19.)
안전: 해외 사용 안심 서비스
BIGDATA&PRIVACY

이미지 참조: http://www.youtube.com/watch?v=rPfPG_npV54 (검색일:2013.06.19.)
SAS, 빅데이터 전문기업의 광고
BIGDATA&PRIVACY

이미지 참조: http://blog.socialmkt.co.kr/61 (검색일:2013.06.19.)
[S/W] 페이스북의 알고리즘, 엣지랭크
BIGDATA&PRIVACY
EdgeRank= Affinity (친밀도, 콘텐츠 게시자와 소비자의 관계)
+ Edge Weight (엣지 가중치, 좋아요와 댓글 빈도 또는 동영상 또는 이미지, 외부연결, 텍스트 등)
+ Recency (시의성, 새롭고 신선한 상태 유지)

이미지 참조: http://blog.socialmkt.co.kr/61 (검색일:2013.06.19.)
기업의 경쟁력 vs. 프라이버시 사각지대
BIGDATA&PRIVACY
구글, 페이스북 등 사용자의 행동 (속성 값) 특히 관계 정보 기반의 활동 정보를 면밀하게 분석하여
가장 최적의 개인화된 화면구성(고관여 콘텐츠 배치)과 검색 결과를 제공하여 경쟁력 우위 유지
고객 동의 하에 이루어지는 모든 서비스는 경쟁력인가? 잠재적 프라이버시 위협인가?

이미지 참조: http://jennyhottle.wordpress.com/2011/09/20/project-3-digital-footprint/ (검색일:2013.06.19.)
디지털 족적 (Digital Footprint)
BIGDATA&PRIVACY

이미지 참조: http://www.androidpub.com/1305/ (검색일:2013.06.19.)
[H/W] 센싱값의 결합
BIGDATA&PRIVACY
스마트 디바이스에는 수 많은 센서가 존재
그 중 Gyro센서 하나만 가지고 생각해봅니다.
1. 늦은 시간..움직임이 없다.
-- 사용자가 숙면 중임을 유추 가능
2. 하교 시간..심하게 상하/좌우로 움직인다.
-- 폭력 등 사용자가 위험에 처해있을 가능
3. 천천히 완만하게 움직이는 값이 수신
-- 사용자가 도보 또는 산책 중임을 유추 가능
4. 조금 빠르게 좌우로 움직이는 값 수신
-- 사용자가 운동 중임을 유추 가능
: 위/경도, 조도, 압력, 나침반, GPS 등
여타 센서를 결합하면? 외부 디바이스와 연동하면?
SNS 등 외부 서비스 값과 결합하면?

예상되는 빅데이터 서비스
데이터 폭발만이 아니다. 식별 가능한 개인정보 이용의 폭발…더 나아가 프라이버시의 폭발도 우려된다.
BIGDATA&PRIVACY

특허를 통해 본 향후 서비스의 일부
BIGDATA&PRIVACY
참조: 키사, 주간인터넷동향, 2012.09. pp.7-8.
애플은 NFC의 다양한 기능을 살려 가정, 여가, 쇼핑 등 일상생활과 밀접하게 연관된 서비스 모델 형태의 NFC 특허

식별되는 모든 정보의 추론 가능성
BIGDATA&PRIVACY
참조: http://blackhat.com/docs/webcast/acquisti-face-BH-Webinar-2012-out.pdf (검색일:2013.06.18.)
Large-scale real-time Surveillance
The emergence of PPI
(Personally predictable information)

SNS를 이용한 유의미한 정보추론
BIGDATA&PRIVACY
참조: http://zaibear.deviantart.com/art/NI-Facebook-Abuse-134278651 (검색일:2013.06.18.)
Faces as conduits between online and offline data

공공사망자명부에서 사회보장번호 추론
BIGDATA&PRIVACY
현 재 , 공 공 사 망 자
명부(death master file)에서
미국의 사회보장명부를
통 계 적 으 로 유 의 미 하 게
추론하는 것이 가능

SNS와 공공정보의 결함
BIGDATA&PRIVACY
장래에는
페 이 스 북 , 링 크 드 인 등
SNS와 CCTV 등 영상정보
그 리 고 공 공 정 보 등 이
결합된다면?
RFID 외 사물의 인터넷이
모두 개인식별에 활용된다면?
기술 배경 : 고성능 분산병렬처리 기술의 보급에 따른 특정개인을 단기간에 식별 가능해짐

증강현실 세계에서의 프라이버시의 미래
BIGDATA&PRIVACY

누적된 프라이버시 문제
웹1.0 시대의 문제를 해결하지 못한 상태에서
빅데이터 등에 따른 신규 문제가 누적되어 프라이버시에 대한 피로감과 동시에 무감각 그리고 눈덩이처럼 누적되는 위협
BIGDATA&PRIVACY
이미지 참조: http://cafe.naver.com/poketmonsti/13395 (검색일: 2013.06.18)

정형 데이터의 메타 태그, 주민등록번호 유출
BIGDATA&PRIVACY
이미지 참조: http://cafe.naver.com/poketmonsti/13395 (검색일: 2013.06.18)
주민등록번호, 실명, 출신학교 정보(아이러브스쿨 해킹),
백화점 고객정보 (VIP고객정보를 입수한 살인범들의 살인 행각), 금융정보 등이
중국 등 동남아를 거쳐 다시 피싱 등에 활용

해킹된 정형 데이터에 빅데이터 처리된 비정형 데이터까지
BIGDATA&PRIVACY
이미지 참조: http://blackhat.com/docs/webcast/acquisti-face-BH-Webinar-2012-out.pdf (검색일: 2013.06.18)
Legacy system을 통한 개인정보 활용은 기업, 정부 등에서 광범위하게 진행
반면, Legacy Data에 따른 개인정보 침해는 해결되지 않은 채 누적
누적된 문제를 남겨둔 채, 빅데이터 등 새로운 서비스 이용에 집중

정치, 종교, 유전자, 질병 등 민감한 정보도 서비스로
BIGDATA&PRIVACY
이미지 참조: https://electnext.com/ (검색일: 2013.06.18)
빅데이터는 기존의 정형 데이터에 분석 가능해진 비정형 데이터를 결합하여
민감한 식별정보를 데이터마이닝할 수 있다.

출처: https://www.facebook.com/photo.php?fbid=515705001824196&set=a.123136714414362.17880.123106001084100&type=1&theater
감사합니다.

부록
시간과 지면의 제약으로 설명하지 못한 이야기들
BIGDATA&PRIVACY

개인에 대한 프로파일링 기반 추천
추천시스템은
아마존 상품 추천, 넷플릭스 영화추천, 페이스북의 친구 추천 등 다양
그런데, 누구의 정보를 누가 어떻게 이용해서 이런 추천이 가능할까?
이미지 참조: http://spectrum.ieee.org/computing/software/deconstructing-recommender-systems (검색일:2013.06.17.)

빅데이터는 더 많은 정보원을 확보
이미지 참조: http://spectrum.ieee.org/computing/software/deconstructing-recommender-systems (검색일:2013.06.17.)

Alessandro Acquisti교수의 연구문제

실험 과정

실험 시스템

Digital Footprint 관련 동영상
동영상 참조: http://vimeo.com/52767343 (검색일:2013.06.19.)

Social Behavior 관련 동영상
동영상 참조: http://vimeo.com/65632472 (검색일:2013.06.19.)

비디오 사생활 보호법
원본 참조: http://conex.kisa.or.kr/jsp/main/mainBoardView.jsp?mode=VIEW&catNo=&knwldNo=132631&menuCode=&catName=ALL&kmapNo= (검색일:2013.06.19.)

EU Data Protection Regulation(안) 20조
원본 참조: http://eur-lex.europa.eu/smartapi/cgi/sga_doc?smartapi!celexplus!prod!CELEXnumdoc&lg=en&numdoc=52012PC0011 (검색일:2013.06.19.)

빅데이터 분석의 프로파일링의 대상
원본 참조: http://eur-lex.europa.eu/smartapi/cgi/sga_doc?smartapi!celexplus!prod!CELEXnumdoc&lg=en&numdoc=52012PC0011 (검색일:2013.06.19.)
선언적 의미이나, 자연인이 빅데이터 분석의 프로파일링 대상이 되지 않을 권리를 선언
실제로는, 자연인의 „동의‟로 이 권리가 무력화되는 문제점도 존재

?
[민감한 개인정보의 이용]
사용의 범위
그러함에도 인격권, 행복추구권 등의 측면에서 지켜져야 할 프라이버시 영역은?
약관에 따른 동의로 프라이버시의 자기정보결정권이 보장되는지?
동의 과정과 실제 과정의 허와 실?
이용자 통지
옵트아웃

빅데이터와 프라이버시 강장묵 130619_ver1

Recommandé

Recommandé

Contenu connexe

Similaire à 빅데이터와 프라이버시 강장묵 130619_ver1

Similaire à 빅데이터와 프라이버시 강장묵 130619_ver1 (20)

Plus de JM code group

Plus de JM code group (20)

Dernier

Dernier (6)

빅데이터와 프라이버시 강장묵 130619_ver1