산업 영역에서 빅데이터 활용을 위한 개인정보 보호체계 : 농업분야를 중심으로 :(A) Personal Information Protection System for Utilizing Big Data in Industrial Sectors

김진수

추천

검색

자료유형: 학위논문

저자정보: 김진수 (전북대학교, 전북대학교 일반대학원)

지도교수: 조기환

발행연도: 2019

저작권: 전북대학교 논문은 저작권에 의해 보호받습니다.

이용수16

이 논문의 연구 히스토리 (2)

2019

산업 영역에서 빅데이터 활용을 위한 개인정보 보호체계 : 농업분야를 중심으로

김진수 정보보호공학과 2019.01 학위논문

산업 영역에서 빅데이터 개인정보 보호체계에 관한 연구

김진수 , 최방호 , 조기환 스마트미디어저널 2019.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

빅데이터산업을 보다 더 활성화하기 위해서는 서로 상충이 되고 있는 개인프라이버시 보호와의 균형적인 해결책이 필요하다. 현행 비식별화조치 가이드라인에서는 산업별 특성을 일부 반영하였으나 세부적인 접근방식이 아니라 개념적이고 포괄적인 형식으로 규정되어있다. 개인정보내 고유식별정보, 준식별정보, 민감정보 등을 특정개인임을 알아볼 수 없도록 비식별화를 하여 개인의 동의 없이 빅데이터에서 사용할 수 있도록 권장하고 있으나, 고유식별정보를 제외한 준식별정보, 민감정보의 정의나 보호범위가 명확하지 않아서 빅데이터산업이 아직 활성화 되지 못 하고 있다.
본 논문에서는 산업별 빅데이터 활용 목적에 따라 비식별화 대상이 되는 개인정보 나 비식별화정보의 적정성 판단기준 등이 해당 산업의 특징을 반영하여 개별법형식으로 다르게 시행되어야 함을 제안한다. 개인정보보호법은 포괄적인 일반법이기 때문에 산업 특징을 제대로 반영하고 있지 못 하다. 현재 정보통신, 금융, 보건의료분야 에서는 개별법들이 존재하나 개인정보보호법과의 상호 보완이 필요하며, 농업에서는 개인정보 보호체계가 부재 한 상황이다. 생산부터 유통, 판매 및 관광의 광범위한 밸류체인을 가지고 있어 6차 산업으로 일컬어지는 농업을 중심으로 산업 빅데이터 활용도 제고를 위한 개인정보 보호체계 개선방안을 제시한다. 사람중심에서 가축이나 반려동물, 또는 농지토양정보 등이 소유주인 정보주체의 민감정보로 명시화 되어야 한다. 또한, 의료분야에서는 사망한 사람들에 대해 분석이 필요할 경우 유가족의 공식적인 동의도 필요하다.
빅데이터분석을 위해 개인정보를 비식별화한 후 비식별화 적정성여부를 판단하게 된다. 이때 기준이 되는 k-익명성 값도 산업별로 다르게 적용되어야 한다. 현재는 산업특성을 고려하지 않고 일반적으로 k 기준값을 3 이상으로 하도록 권고하고 있으나, 민감정보의 정도를 고려할 때, 농업에서는 4 이상으로, 의료분야에서는 5 이상으로 설정 되어야 재식별 위험도를 낮출 수 있다.
결론적으로 농업분야에서는 빅데이터의 활용범위가 사람중심이 아닌 가축, 농토 중심이기 때문에, 현행 개인정보보호법을 기반으로 개별법형식의 농업 개인정보 보호체계가 수립되어야 한다. 향후 4차 산업혁명시대 미래농업에서는 드론을 통해 농작물 작황 정보와 함께 수집되는 개인사유물정보나 자율농기계 운행에 예상되는 타인개인정보 및 위치정보 등에 대한 개인정보 보호체계 관점에서의 법적인 근거도 필요하다.

In order to activate the big data industry, it is required a balanced approach to protect personal information. The government-driven ‘de-identification action guidelines’ reflects only conceptual level industry characteristics rather than a specific approach. That is, even if it recommends that the unique personal identification, semi-identification, and other sensitive information are in a de-identification way, the big data industry is not yet activated because the definition and scope of personal information are still not clear.
This thesis proposes that the adequacy criteria for de-identified personal information should be dealt with individual industry depend on the utilizing purpose of big data in each industry. Because the personal information protection act is a comprehensive general low, it is hard to reflect each industry’s features. Even though some degree of separated sub-acts exist in the fields of tele-communication, finance, and health care, it is required to be properly complemented by ‘personal information protection act’. Especially there is still no privacy protection system in the agricultural sector. So, we propose a personal information protection system to enhance the utilization of big data in the industry mainly focused on agriculture field. The agricultural items such as livestock, pets, or farmland and soil information should be defined as a sensitive data of the personal information. In the healthcare area, a formal agreement from the families is also required for analyzing a dead person.
For the big data analysis, along with a de-identification, it is required to decide the properness of the de-identification. Here, the k-anonymity reference values should be applied differently from industry to industry. Currently, it is recommended to be higher than 3 regardless of industrial characteristics, With considering the sensitivity personal information, the risk of re-identification could be reduced only by setting the value at least 4 in agriculture area, and at least 5 in the healthcare sector.
In conclusion, because the purpose for utilizing big data in agriculture field is the analysis of livestock and farmland information rather than human-oriented one, it is strongly recommended to set an separate information protection system. For the fourth industrial revolution era, a legal basis is also needed for personal property information collected from the human and location information through drone scanning and autonomous farming machine operating.

#Agricultural BIg Data #Personal Information Protection #De-Identification Techniques #Data Governance #농업빅데이터 #개인정보보호 #비식별화조치 #데이터 거버넌스

제1장 서 론 1
1.1 연구 배경 및 필요성 1
1.2 연구 내용 및 범위 4
1.3 논문의 구성 6
제2장 관련 연구 7
2.1 개인정보 정의 및 동의 7
2.2 개인정보 비식별화 12
2.3 산업별 개인정보 보호정책 14
2.4 본 논문의 접근 방법 16
제3장 산업 빅데이터와 개인정보보호 17
3.1 빅데이터산업 현황 17
3.2 산업 빅데이터와 개인정보 21
3.3 산업 빅데이터의 개인정보 보호체계 분석 30
제4장 농업 빅데이터 개인정보 보호체계 40
4.1 미래농업의 특성 40
4.2 농업 빅데이터 분석 48
4.3 농업 개인정보 보호체계 개선방향 54
4.1 분석 및 평가 64
제5장 결론 및 향후연구 68
참고문헌 70

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)