ㅁ 개인화 분석

ㅇ 정의:
– 개인화 분석은 개별 사용자의 데이터를 중앙 서버로 직접 전송하지 않고, 로컬 환경에서 분석하거나 집계하여 개인 맞춤형 서비스를 제공하는 데이터 분석 방식.

ㅇ 특징:
– 개인정보 보호 강화
– 로컬 디바이스에서 데이터 처리 후 집계 결과만 전송
– 네트워크 부하 감소 및 보안성 향상

ㅇ 적합한 경우:
– 민감한 개인정보를 포함한 데이터 분석
– 법적 규제 준수가 필요한 환경
– 분산된 다수의 클라이언트로부터 통계 수집

ㅇ 시험 함정:
– 개인화 분석이 반드시 AI 모델 학습만을 의미한다고 오해
– 중앙 서버에서 원본 데이터 수집이 전혀 없는 것으로 단정하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “개인화 분석은 로컬에서 데이터 처리 후 집계 결과를 서버로 전송한다.”
– X: “개인화 분석은 모든 원본 데이터를 중앙 서버로 전송하여 분석한다.”

================================

1. Federated Analytics

ㅇ 정의:
– 여러 클라이언트 디바이스에서 로컬로 데이터를 처리하고, 통계나 분석 결과를 중앙 서버에 집계하는 분산 분석 기법.

ㅇ 특징:
– 개인 데이터는 로컬에만 존재
– 서버는 집계된 통계값만 수신
– 통신 시 암호화 적용 가능

ㅇ 적합한 경우:
– 개인정보 보호가 중요한 서비스 로그 분석
– IoT 기기에서 발생하는 센서 데이터의 집계 분석

ㅇ 시험 함정:
– Federated Analytics를 Federated Learning과 동일시하는 경우
– 원본 데이터가 일부라도 서버로 전송된다고 착각

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “Federated Analytics는 원본 데이터 대신 집계 통계만 서버로 보낸다.”
– X: “Federated Analytics는 모든 로컬 데이터를 서버로 업로드한다.”

================================

2. Private Aggregation Protocol

ㅇ 정의:
– 개별 사용자의 데이터를 노출하지 않고, 암호화된 상태에서 집계 연산을 수행하는 프로토콜.

ㅇ 특징:
– 암호화 기술(동형암호, 안전 다자 계산 등) 활용
– 서버가 개별 데이터에 접근 불가
– 집계 결과만 해독 가능

ㅇ 적합한 경우:
– 다수 사용자의 민감한 데이터 집계
– 법적·윤리적 제약이 있는 데이터 분석

ㅇ 시험 함정:
– Private Aggregation Protocol이 데이터를 암호화하지 않는다고 오해
– 집계 과정에서 개인 데이터가 노출된다고 착각

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “Private Aggregation Protocol은 개별 데이터 대신 암호화된 집계 결과를 제공한다.”
– X: “Private Aggregation Protocol은 집계 과정에서 원본 데이터를 평문으로 전송한다.”

ㅁ 추가 학습 내용

Federated Learning과 Federated Analytics의 차이
– Federated Learning(연합 학습): 각 클라이언트가 로컬 데이터로 모델을 학습하고, 학습된 모델 파라미터를 서버로 전송하여 중앙에서 통합 및 업데이트함. 주 목적은 모델의 성능 향상.
– Federated Analytics(연합 분석): 각 클라이언트의 데이터를 직접 수집하지 않고, 통계값이나 분석 결과를 집계하여 활용함. 주 목적은 데이터 분석 및 통계 산출.

Private Aggregation Protocol
– 클라이언트의 개별 데이터 대신 집계된 결과만 서버가 알 수 있도록 하는 프로토콜.
– Differential Privacy 기법과 결합하여 재식별 위험을 줄임.

활용되는 주요 암호화 기법
– Secure Multi-Party Computation(SMPC): 여러 참여자가 자신의 입력을 공개하지 않고 공동으로 연산을 수행하는 기법.
– Homomorphic Encryption(HE): 암호화된 상태에서 연산을 수행할 수 있는 암호 기법으로, 복호화 시 평문 연산 결과를 얻을 수 있음.

시험 대비 포인트
– Federated Learning과 Federated Analytics의 개념적 차이와 목적 비교
– Private Aggregation Protocol의 원리와 Differential Privacy 결합 사례
– SMPC, HE 등의 특징, 장단점, 적용 사례 비교
– 각 기술의 보안 위협 모델 이해 및 비교