earticle

영어

This study proposes an approach to enable users to access the unadjusted original dataset in real time while preserving privacy. While previous methods for privacy preservation have employed k-anonymity for entity disclosure prevention and l-diversity for attribute disclosure prevention, this study suggests an approach that preserves privacy solely through attribute disclosure prevention via l-diversity, excluding entity disclosure prevention. By not implementing k-anonymity, the adjustment of quasi-identifiers in published datasets became unnecessary, thereby preventing a decrease in data usability. By accessing an ontology of sensitive attributes and selecting semantically related values, a set of sensitive attribute values connected to a single entity or an entity cluster was constructed, thus reducing information loss within the provided set of sensitive attribute values for users.

한국어

본 연구는 사용자로 하여금 내용 조정 없는 원본 데이터집합을 실시간 접근 가능하게 하면서 프라이버시를 보존하는 방안을 제안한다. 프라이버시 보존을 위한 지금까지의 방법들은 개체노출 방지를 위한 k-익명화와 민감속성노출 방 지를 위한 l-다양화를 적용함에 따른 데이터 사용성 저하가 불가피하였다. 본 연구에서는 개체노출을 허용하는 대신 l-다양화를 통한 민감속성노출 방지만으로 프라이버시를 보존하는 방안을 제안한다. 사용자에게 제공하는 민감속성 값 집합은 민감속성 온톨로지로부터 의미적으로 근접한 내용들을 선택하여 단일 혹은 군집개체에 연결할 내용으로 구성함으로써 민감속성값 집합의 정보손실을 감소시겼다. 실험을 통하여 동일 다양성 기준으로 60% 내외의 민감속 성값 집합 정보손실 감소를 확인하였다. 사용자가 접근의도에 부합하는 내용 획득 정도를 나타내는 정밀도를 기준으 로 k-익명화 수준별로 데이터 사용성을 파악함으로써 개체노출 허용에 따른 데이터 사용성 저하 방지의 유용함을 고찰하였다.