ㅁ 생성 기법

ㅇ 정의:
실제 데이터를 직접 사용하지 않고, 통계적 특징이나 패턴을 학습하여 새로운 데이터를 인공적으로 생성하는 방법.

ㅇ 특징:
– 개인정보 보호와 데이터 부족 문제 해결에 활용
– 생성 품질은 학습 데이터의 다양성과 품질에 의존
– 이미지, 텍스트, 표형 데이터 등 다양한 형태에 적용 가능

ㅇ 적합한 경우:
– 민감 데이터의 비식별화 필요 시
– 학습 데이터가 부족하거나 불균형할 때
– 모델 성능 향상을 위해 데이터 증강이 필요한 경우

ㅇ 시험 함정:
– 합성 데이터가 항상 원본 데이터보다 안전하다고 단정하는 경우
– 모든 합성 기법이 모든 데이터 타입에 동일하게 적용 가능하다고 생각하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
O: 합성 데이터 생성은 개인정보 보호에 활용될 수 있다.
X: 합성 데이터는 원본 데이터와 완전히 동일하다.

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

1. GAN 기반 합성

ㅇ 정의:
생성자(Generator)와 판별자(Discriminator)가 경쟁적으로 학습하여 원본 데이터와 유사한 합성 데이터를 생성하는 기법.

ㅇ 특징:
– 이미지, 영상 분야에서 높은 품질의 데이터 생성
– 모드 붕괴(Mode Collapse) 문제 발생 가능
– 학습 안정성이 낮아 튜닝이 필요함

ㅇ 적합한 경우:
– 고해상도 이미지 합성
– 현실감 있는 데이터 생성이 필요한 경우

ㅇ 시험 함정:
– GAN이 항상 안정적으로 수렴한다고 착각
– 판별자와 생성자의 학습 속도를 동일하게 맞추는 것이 항상 최선이라고 생각

ㅇ 시험 대비 “패턴 보기” 예시:
O: GAN은 생성자와 판별자가 경쟁하며 학습한다.
X: GAN은 지도학습 방식으로 동작한다.

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

2. Diffusion Synthesis

ㅇ 정의:
노이즈를 점진적으로 제거하며 데이터를 생성하는 확률적 모델 기반 합성 기법.

ㅇ 특징:
– 학습 안정성이 높고 다양한 데이터 타입에 적용 가능
– 생성 과정이 단계적이며 계산량이 많음
– 최근 이미지 생성 분야에서 높은 품질을 보임

ㅇ 적합한 경우:
– 고품질 이미지 합성
– 생성 과정의 제어가 필요한 경우

ㅇ 시험 함정:
– Diffusion 모델이 GAN보다 항상 빠르다고 생각
– 노이즈 주입과 제거 과정을 단일 단계로 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: Diffusion 모델은 노이즈를 점진적으로 제거하여 데이터를 생성한다.
X: Diffusion 모델은 한 번에 완성된 이미지를 생성한다.

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

3. Tabular Synth

ㅇ 정의:
표형(tabular) 데이터의 통계적 특성을 학습하여 새로운 표형 데이터를 생성하는 기법.

ㅇ 특징:
– 범주형, 수치형 데이터를 모두 처리 가능
– 데이터 분포 보존이 중요
– 비정형 데이터에 비해 구조적 제약이 많음

ㅇ 적합한 경우:
– 금융, 의료 등 표형 데이터 사용 환경
– 데이터 불균형 해소

ㅇ 시험 함정:
– 표형 데이터 합성이 이미지 합성보다 쉽다고 단정
– 범주형 데이터의 희귀값이 자동으로 잘 보존된다고 생각

ㅇ 시험 대비 “패턴 보기” 예시:
O: Tabular Synth는 범주형과 수치형 변수를 모두 합성할 수 있다.
X: Tabular Synth는 이미지 데이터 합성을 위해 개발되었다.

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

4. Data Anonymization

ㅇ 정의:
데이터에서 개인을 식별할 수 있는 정보를 제거하거나 변형하여 개인정보를 보호하는 기법.

ㅇ 특징:
– 합성 데이터 생성과 결합하여 재식별 위험 최소화 가능
– k-익명성, l-다양성, t-근접성 등의 기법 활용
– 데이터 유용성과 개인정보 보호 간의 균형 필요

ㅇ 적합한 경우:
– 개인정보 포함 데이터의 공유 또는 분석 시
– 법적 규제 준수를 위해 비식별화가 필요한 경우

ㅇ 시험 함정:
– 익명화된 데이터는 절대 재식별이 불가능하다고 생각
– 모든 익명화 기법이 데이터 유용성을 동일하게 보존한다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: k-익명성은 동일한 준식별자 값을 가진 레코드가 k개 이상이 되도록 한다.
X: l-다양성은 레코드 수를 최소화하는 기법이다.

ㅁ 추가 학습 내용

학습 정리

1. GAN 기반 합성
– 주요 변형 모델: WGAN, StyleGAN
– 비교 포인트: 학습 안정성, 생성 품질 차이
– WGAN: Wasserstein 거리 사용, 모드 붕괴 완화, 학습 안정성 향상
– StyleGAN: 스타일 기반 생성, 세밀한 제어 가능, 고품질 이미지 생성

2. Diffusion Synthesis
– 주요 변형: DDPM, DDIM
– DDPM: 점진적 노이즈 제거, 높은 품질
– DDIM: 비확률적 샘플링, 속도 향상 가능
– 샘플링 속도 최적화 방법 중요 (스텝 수 단축, 품질 유지)

3. Tabular Synth
– 대표 모델: CTGAN, TVAE
– CTGAN: 범주형 데이터 처리 강화, GAN 구조 기반
– TVAE: 변분 오토인코더 기반, 연속·범주형 데이터 모두 처리
– 핵심: 범주형 데이터 인코딩 방식, 원 데이터 분포 보존

4. Data Anonymization
– k-익명성: 동일한 속성 조합을 가진 레코드가 k개 이상 되도록 처리
– 차등 개인정보보호(Differential Privacy): ε 값으로 프라이버시 보호 강도 제어
– ε 값 의미: 작을수록 프라이버시 강함, 데이터 유용성 감소
– 프라이버시-유용성 트레이드오프 이해 필요

5. 합성 데이터 vs 익명화 데이터
– 합성 데이터: 원본과 통계적 특성만 유사, 개별 식별 불가
– 익명화 데이터: 원본 수정·마스킹, 일부 재식별 가능성 존재
– 결합 활용 시 장점: 데이터 다양성·안전성 향상
– 결합 활용 시 단점: 처리 복잡성 증가, 품질·프라이버시 균형 문제

6. 법적 규제
– GDPR, CCPA 등 개인정보 보호 관련 규정
– 데이터 처리·공유 시 규정 준수 필요

시험 대비 체크리스트

[ ] WGAN과 StyleGAN의 차이와 장단점 설명 가능
[ ] DDPM과 DDIM의 원리와 샘플링 속도 차이 설명 가능
[ ] CTGAN과 TVAE의 구조 및 적용 데이터 유형 구분 가능
[ ] 범주형 데이터 인코딩 방식의 종류와 특징 숙지
[ ] 데이터 분포 보존 기법의 필요성과 방법 설명 가능
[ ] k-익명성과 차등 개인정보보호의 정의와 차이 이해
[ ] ε 값의 의미와 프라이버시-유용성 관계 설명 가능
[ ] 합성 데이터와 익명화 데이터의 차이 및 결합 활용 시 장단점 설명 가능
[ ] GDPR, CCPA의 기본 목적과 주요 조항 파악
[ ] 각 기술의 시험 출제 가능 포인트 암기