Earticle

초록

영어

This study addresses ethical issues in AI training data as lifecycle-wide concerns extending beyond data collection to preprocessing and labeling, privacy protection, bias assessment, the exercise of data subject rights, data disposal, and retraining. It proposes a governance framework that connects these processes within a single accountability structure. The GDPR, EU AI Act, OECD and UNESCO recommendations, Korea’s Personal Information Protection Act, Guidelines for Pseudonymized Information Processing, and AI Basic Act are compared across five dimensions: legal basis for processing, documentation artifacts, bias assessment, auditability, and data subject rights. The comparison shows that the frameworks differ less in their underlying ethical principles than in the binding force of their requirements and the specificity of the artifacts used to demonstrate implementation. Based on the regulatory comparison and prior research, this study organizes the data-processing lifecycle into five stages and distinguishes three accountability layers, linking each stage to corresponding records, responsible actors, and assessment indicators. The framework is then applied to the Iruda and Clearview AI cases by mapping the grounds stated in publicly available enforcement and judicial documents to the relevant stages and accountability layers. This case application is intended to examine whether different violations can be classified and compared using a common structure rather than to empirically validate the framework’s operational effectiveness. Finally, this study defines ethical consensus not as a one-time act of consent, but as an operational principle that requires organizations to document decisions and their implementation throughout data processing and to subject them to continuous review.

한국어

본 연구는 AI 학습데이터의 윤리 문제를 수집 단계에 한정하지 않고 전처리·라벨링, 개인정보 보호, 편향 점검, 권리행사·파기·재학습까지 포함한 전 과정의 문제로 다루고, 이를 하나의 책임 구조로 연결하는 거버넌스 프레임워크를 제안한다. GDPR, EU AI Act, OECD·UNESCO 권고와 국내 개인정보보호법, 가명정보 처리 가이드라인, AI 기본법을 처리근거, 문서화산출물, 편향 점검, 감사 가능성, 정보주체 권리의 다섯 축으로 비교하였다. 규범 비교 결과, 규범 간 차이는 윤리 원칙 자체보다 요구사항의 구속력과 이행 여부를 확인하기 위한 산출물의 구체성에서 나타났다. 이러한 규범 비교와 선행연구를 바탕으로 데이터 처리 흐름을 5개 단계로 나누고, 각 단계에서 필요한 책임과 통제를 3개 계층으로 구분한 뒤 단계별 기록, 책임주체와 점검지표를 연결하였다. 이후 이루다와 Clearview AI 사례의 공개된 제재·판결 문서에 명시된 사유를 적용하여 각 문제가 프레임워크의 어느 위치에 해당하는지를 확인하였다. 사례 적용은 프레임워크의 운영 효과에 대한 실증적 검증이 아니라 서로 다른 위반 문제를 동일한 기준으로 분류·비교할 수 있는지를 확인하기 위한 것이다. 본 연구는 윤리적 합의를 일회적인 동의가 아니라 데이터 처리 과정의 판단과 이행 내용을 기록하고 지속적으로 확인하는 운영 원칙으로 정의한다.

목차

요약
ABSTRACT
1. 서론
2. 이론적 배경 및 연구방법
2.1 선행연구 및 연구 공백
2.2 분석 설계 및 자료 선정
2.3 사례 적용 및 분류 절차
3. AI 데이터 거버넌스 규범 비교 분석
3.1 규범별 요구사항 비교
3.2 국내 제도와 규제 공백
4. 통합 거버넌스 프레임워크 및 사례 적용
4.1 프레임워크 설계 및 통합 구조
4.2 단계별 산출물·책임주체·점검지표
4.3 사례 적용 및 설명 가능성 점검
5. 논의 및 결론
5.1 논의 및 실무적 함의
5.2 연구의 한계
5.3 결론
참고문헌

키워드

저자

• 이경민 [ Gyeongmin Lee | 연세대학교 정보대학원 경찰융합정보화학과 ] 주저자
• 이귀옥 [ Kwi-ok Lee | 연세대학교 정보대학원 경찰융합정보화학과 ] 공동저자
• 고준석 [ Junseok Ko | 연세대학교 정보대학원 경찰융합정보화학과 ] 공동저자
• 윤철희 [ Cheolhee Yoon | 경찰대학교 치안정책연구소 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  융합보안논문지 [Jouranl of Information and Security]

• 간기

  연5회

• pISSN

  1598-7329

• 수록기간

  2001~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 005 DDC 005