프라이버시 보호 시계열 데이터 마이닝

초록

최근, 금융, 의료, 날씨 등 다양한 분야에서 광범위하게 사용되고 있는 시계열 데이터에 대한 프라이버시 보호 이슈가 활발히 연구되고 있다. 본 논문에서는 시계열 데이터를 대상으로 하는 프라이버시 보호 데이터 마이닝(privacy-preserving data mining: PPDM)의 기존 연구를 조사하고 분석한다. 이를 위해, 먼저 시계열 데이터에서 프라이버시가 무엇인지 살펴본다. 다음으로, 중앙집중형 환경에서의 시계열 데이터 교란 기법을 조사한다. 마지막으로, 분산 컴퓨팅 환경에서의 안전한 다자간 계산(secure multiparty computation: SMC) 및 암호화 기법들을 살펴본다. 최근, 소셜 네트워크, 클라우드 컴퓨팅 등에서 민감한 대용량 데이터가 많이 발생하는 추세로, 이들 데이터 대상의 프라이버시 보호 기법이 더욱 중요해지고 있다. 따라서 본 논문의 서베이 결과는 새로운 컴퓨팅 환경에 효율적으로 적용될 수 있는 시계열 데이터 대상의 PPDM 기법 제안에 활용될 수 있다.

키워드