메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
곽현지 (숙명여자대학교) 유영서 (숙명여자대학교) 임수민 (숙명여자대학교) 박영훈 (숙명여자대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제61권 제1호(통권 제554호)
발행연도
2024.1
수록면
34 - 40 (7page)
DOI
10.5573/ieie.2024.61.1.34

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 들어, 방대한 양의 데이터에서 유용한 정보를 얻어 활용하는 기업이 확대되면서 개인정보의 암호화나 가명 처리 등의 보안 조치에 관한 문제가 제기되고 있다. 특히 AI 챗봇을 통해 얻은 사용자의 새로운 채팅 데이터를 모델에 통합할 때 전후 결과의 차이가 데이터 유출로 이어져 개인을 특정하는 취약점을 야기할 수 있다. 또한 사용자가 서버를 신뢰한다고 해도 채팅 데이터에 포함된 자신의 정보가 얼마나 공개되고 사용되는지 알 수 없다는 불안감을 가지고 있다. 프라이버시 보호를 위해서 모든 데이터를 암호화할 수 있지만, 서비스 관리자들이 함부로 열어볼 수 있다는 위험성은 여전히 존재한다. 이에 본 논문에서는 AI챗봇을 통해 수집한 고객의 채팅 데이터에 가우시안 지역 차분 프라이버시(Gaussian Local Differential Privacy, GLDP)를 적용하는 방법을 제안한다. 기존의 채팅 서비스에 GLDP를 적용함으로써, 사용자 데이터의 프라이버시를 보존하면서 동시에 데이터 분석에 유리한 환경도 제공할 수 있다. 본 논문의 후반부에서는 모델 구현 및 실험을 통하여 제안 알고리즘의 완전성을 검증하고, ε과 프라이버시 레벨, 데이터 정확도 등을 비교하였다.
#Personal information protect #Differential privacy #Local differential privacy #Gaussian mechanism

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 배경 이론
Ⅲ. 본론
Ⅳ. 결론
REFERENCES

참고문헌 (9)

참고문헌 신청
Conversational AI Market-Global Forecast to 2030, MarketsandMarkets, 2023 google schola Pseudonymous Information Processing Guidelines(2022), Personal Information Protection Commission google schola Eunyoung Park (2023). Effect of Consumers’ Privacy Concern and Chatbot’s Language Style on the Persuasiveness of Artificial Intelligence’s Recommendation, Journal of KSCMA, 25(2), 1-21. 10.34183/KCSMA.25.2.1 google schola C.Dwork, F.McSherry, L.Nissim and A.Smith, “Calibrating noise to sensitivity in private data analysis,” Third Theory of Cryptography Conference(TCC), vol. 3876, pp. 265-284, 2006. google schola Jihyeon Ryu, Dongho Won, Youngsook Lee. (2021). A Study of Split Learning Model to Protect Privacy. Jouranl of Information and Security, 21(3), 49-56. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

프라이버시 보호 위치 데이터 수집을 위한 향상된 데이터 유용성 프레임워크
김종욱 한국컴퓨터정보학회논문지 2024 .06
데이터베이스 내 프라이버시 보호 기법: 미션 어플리케이션 내 차분 프라이버시 적용 방안 연구
조병욱 ,  김정희 ,  이준민 외 3명 Proceedings of KIIT Conference 2024 .11
차분 프라이버시 기반 추천 시스템에서 프라이버시 예산 절감 기법
장민수 ,  신지환 ,  안진현 외 2명 한국정보과학회 학술발표논문집 2024 .06
강화된 안전쿠키를 사용한 웹 응용의 보안에 관한 연구
정진호 ,  차영욱 한국정보기술학회논문지 2024 .02
차량 매칭 서비스에서 JWT를 활용한 효율적인 인증방법
김언동 ,  박요한 한국방송미디어공학회 학술발표대회 논문집 2020 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-089360425