ㅁ 생성 기법 ㅇ 정의: 데이터 익명화(Data Anonymization)는 개인 식별이 가능한 데이터를 처리하여 식별 불가능하게 만드는 기법으로, 데이터의 프라이버시를 보호하면서 분석에 활용할 수 있도록 한다. ㅇ 특징: – 데이터의 민감한 정보를 제거하거나 대체하여 개인 식별 요소를 없앰. – 데이터의 유용성을 최대한 유지하면서도 프라이버시를 보호. – k-익명성, l-다양성, t-근접성 등의 수학적 모델을 활용. ㅇ 적합한 경우:

ㅁ 생성 기법 ㅇ 정의: 실제 데이터를 기반으로 유사한 특성을 가진 합성 데이터를 생성하는 기법. ㅇ 특징: – 데이터 프라이버시를 보호하면서도 분석 및 모델 학습에 활용 가능. – 통계적 특성과 분포를 유지하도록 설계. ㅇ 적합한 경우: – 민감한 데이터를 외부에 공유하거나 테스트 환경에서 사용할 때. – 데이터 부족으로 인해 모델 학습이 어려운 경우. ㅇ 시험

ㅁ 생성 기법 ㅇ 정의: 데이터의 부족한 부분을 대체하거나 새로운 데이터를 생성하기 위해 사용하는 기법. ㅇ 특징: – 데이터의 다양성을 높이고 학습 모델의 일반화를 지원. – 실제 데이터와 유사한 패턴을 생성 가능. ㅇ 적합한 경우: – 데이터가 부족하거나 불균형한 경우. – 민감한 데이터(예: 의료 데이터)를 대체할 필요가 있는 경우. ㅇ 시험 함정: – 생성된 데이터가

ㅁ 생성 기법 ㅇ 정의: 생성 기법은 기존 데이터를 바탕으로 새로운 데이터를 창출하는 방법으로, 데이터 부족 문제를 해결하거나 모델 학습을 강화하기 위해 사용된다. ㅇ 특징: – 기존 데이터의 분포를 학습하여 유사한 데이터를 생성. – 데이터 다양성을 증가시켜 모델의 일반화 성능을 향상. – 실제 데이터를 대체할 수 있는 합성 데이터를 생성 가능. ㅇ 적합한 경우: –

ㅁ 기술/아키텍처 ㅇ 정의: 온디바이스 환경에서의 데이터 전처리 및 모델 경량화를 통해 리소스 효율성을 극대화하는 기술. ㅇ 특징: – 저사양 디바이스에서도 안정적으로 동작 가능. – 데이터 전송 최소화로 프라이버시 보호. – 전력 소모와 비용 절감에 효과적. ㅇ 적합한 경우: – 네트워크 연결이 제한적인 환경. – 전력 소모에 민감한 IoT 디바이스. – 대규모 데이터 전송이 부담스러운

ㅁ 기술/아키텍처 ㅇ 정의: – Edge Preprocessing은 데이터가 클라우드로 전송되기 전에 디바이스 자체에서 데이터를 필터링, 변환, 축소하는 과정을 의미한다. ㅇ 특징: – 네트워크 대역폭 절감. – 데이터 전송 지연 감소. – 민감한 데이터의 로컬 처리로 보안 강화. ㅇ 적합한 경우: – 실시간 데이터 처리가 필요한 IoT 환경. – 네트워크 연결이 제한적이거나 불안정한 경우. – 데이터

ㅁ 기술/아키텍처 ㅇ 정의: – 온디바이스 환경에서 데이터 전처리를 수행하기 위해 설계된 기술 및 아키텍처를 의미하며, 주로 모바일 기기나 임베디드 시스템에서 사용. ㅇ 특징: – 데이터 전송 지연 감소, 개인정보 보호 강화, 실시간 처리 가능. – 제한된 하드웨어 자원을 효율적으로 활용. ㅇ 적합한 경우: – 네트워크 연결이 불안정하거나 지연이 큰 환경. – 데이터 보안이 중요한

ㅁ 기술/아키텍처 ㅇ 정의: – 온디바이스 전처리란 데이터 전처리 과정을 클라우드가 아닌 디바이스 내에서 수행하는 기술을 의미한다. ㅇ 특징: – 데이터 전송 비용 절감. – 실시간 처리 가능. – 개인정보 보호 향상. ㅇ 적합한 경우: – 네트워크 연결이 불안정하거나 비용이 높은 경우. – 민감한 데이터를 다루는 애플리케이션. – 실시간 처리가 중요한 경우. ㅇ 시험 함정:

ㅁ 주요 과제 ㅇ 정의: AI 시스템이 사회적으로 수용되기 위해 해결해야 할 윤리적, 기술적 문제를 의미함. 예를 들어, 투명성, 공정성, 책임성 등이 포함됨. ㅇ 특징: AI의 신뢰성을 보장하기 위해 다양한 이해관계자 간 협력이 필요하며, 기술적 구현과 정책적 접근이 병행되어야 함. ㅇ 적합한 경우: AI 시스템이 다양한 사회적 영향을 미칠 가능성이 높은 경우, 특히 의료, 금융

ㅁ 주요 과제 ㅇ 정의: AI 시스템 개발 및 활용 과정에서 발생하는 윤리적, 사회적 문제를 해결하기 위한 주요 논점들. ㅇ 특징: 기술적 발전과 함께 윤리적 기준 설정이 필수적이며, 다양한 이해관계자 간 협력이 중요함. ㅇ 적합한 경우: AI 기술이 사회적 영향을 크게 미칠 때, 윤리적 문제를 사전에 해결하고자 할 때. ㅇ 시험 함정: 주요 과제를 기술적