차등 정보보호(Differential Privacy)는 데이터셋에 수학적으로 계산된 노이즈를 추가해 개별 데이터 주체의 정보 유출을 방지하면서 통계적 분석은 가능하게 하는 프라이버시 보호 기법입니다. 프라이버시 예산(ε)으로 보호 강도를 정량화하며, 미국 인구조사국, Apple, Google이 실제 서비스에 적용합니다. AI 학습, 통계 공개, 데이터 공유에서 수학적으로 보장되는 프라이버시를 제공합니다.
자주 묻는 질문
차등 프라이버시는 어떻게 작동하나요?
정교하게 보정된 수학적 노이즈를 더해, 어떤 개인의 데이터도 결과를 눈에 띄게 바꾸지 않으면서 전체 패턴은 정확하게 유지합니다.
차등 프라이버시가 AI에 왜 중요한가요?
민감한 데이터로 모델을 학습·평가하면서도 개인을 노출하지 않게 해, 단순 마스킹이 아닌 수학적 프라이버시 보장을 제공합니다.
차등 프라이버시와 비식별화는 무엇이 다른가요?
비식별화는 필드를 지우거나 가려도 재식별될 수 있지만, 차등 프라이버시는 출력이 개인에 대해 드러낼 수 있는 정보의 상한을 수학적으로 보장합니다.