earticle

영어

This study seeks to enhance the efficiency and systematic management of personal data processing by empirically investigating the conditions under which linear or circular models are most suitable for implementing personal data life cycles. To achieve this, the study examined linear models, such as Privacy Impact Assessment Models and those considering Artificial Intelligence Learning Characteristics, alongside circular models, including Consent Management-based Models and Dual Circular Models. Through this analysis, several key considerations were identified and evaluated for selecting a suitable personal data life cycle model: compliance, protection of data subjects’ rights, maintenance of personal data quality, efficiency, and risk management. The findings revealed that linear models excel in terms of efficiency, while circular models demonstrate advantages in compliance, protecting data subjects’ rights, and risk management. This study holds significance in providing new criteria for selecting and structuring personal data life cycle models, as well as in clearly highlighting the strengths and weaknesses inherent in each approach.

한국어

본 연구는 개인정보 라이프 사이클의 사용에 있어서 어떠한 경우에 선형 또는 순환형을 선택하는 것이 타당한지를 실증 적으로 분석해 개인정보 처리의 효율적성과 체계성을 높이는 것을 목표로 했다. 이를 위해 본 연구는 선형 모델인 영향평가모 델, 인공지능 학습 특성 고려 모델과 순환형인 동의 관리 기반 모델, 이중 순환형 모델을 검토했다. 이를 토대로 개인정보 라 이프 사이클 모델 선택을 위한 고려 요소로 컴플라이언스, 정보주체의 권리 보호, 개인정보 품질 유지, 효율성, 위험 관리 항목 을 도출 및 측정해 선형 모델은 효율성 측면에서 장점이 있고, 순환형은 컴플라이언스, 정보주체의 권리 보호, 위험 관리 측면 에서 장점이 있는 것을 확인했다. 이 연구는 개인정보 라이프 사이클 모델의 선택과 구성에 대한 새로운 기준을 제공하였으며, 각각의 모델이 가지는 장단점을 명확히 밝혀냈다는 측면에서 의의가 있다.