Earticle

Solving the disclosure problem of sensitive information with the k-nearest neighbor query, location dummy technique, or interfering data in location-based services (LBSs) is a new research topic. Although they reduced security threats, previous studies will be ineffective in the case of sparse users or K-successive privacy, and additional calculations will deteriorate the performance of LBS application systems. Therefore, a model is proposed herein, which is based on geohash-encoding technology instead of latitude and longitude, memcached server cluster, encryption and decryption, and authentication. Simulation results based on PHP and MySQL show that the model offers approximately 10× speedup over the conventional approach. Two problems are solved using the model: sensitive information in LBS application is not disclosed, and the relationship between an individual and a track is not leaked.

연방학습은 환자의 원시 데이터를 교환하지 않고 여러 의료기관간 협력적 모델훈련을 가능하게 함으로써 의료 AI의 개인정보 보호 문제를 해결한다. 그러나 기존 연방학습은 여전히 기울기 노출로 인한 개인정보 유출 위 험이 존재한다. 본 연구는 데이터와 모델 매개변수를 보호하기 위해 차등 프라이버시(DP)와 동형 암호화(HE)를 결합한 프라이버시 강화연방학습 프레임워크를 제안한다. 동형암호는 암호화된 연산을 통해 통신을 암호화하는 반 면, 차등 프라이버시는 기울기에 제어된 노이즈를 추가한다. 실제 의료 데이터셋을 활용한 질병분류 실험결과, 제안 한 모델은 우수한 프라이버시(ε = 1.2)와 적당한 통신비용으로 90.7%의 정확도를 보였다. 안전한 의료 애플리케이 션을 위해 본 모델은 효율성, 프라이버시, 성능간의 적절한 균형을 제공한다.

Federated Learning (FL) addresses privacy concerns in medical AI by facilitating cooperative model training across several healthcare organizations without exchanging patients' raw data. However, traditional FL still runs the danger of privacy leaking due to gradient exposure. In order to protect data and model parameters, this research aims to provide a privacy-enhanced FL framework that combines Differential Privacy (DP) with Homomorphic Encryption (HE). While HE encrypts communication with encrypted computation, DP adds controlled noise to gradients. Experiments on a real medical dataset for disease classification demonstrate that the suggested FL + DP + HE strategy achieves 90.7% accuracy with good privacy (ε = 1.2) and modest communication cost. For safe healthcare applications, the model provides a good balance between efficiency, privacy, and performance.

분산형 농업 IoT 애플리케이션에서 데이터 프라이버시 문제는 스마트 온실 시스템이 생성하는 방대한 양의 민감한 환경 및 작물 관련 데이터로 인해 제기된다. 본 연구는 온실 환경에서의 데이터 보호를 개선하기 위해 차등 프라이버시를 통합한 프라이버시 강화 FL 아키텍처를 제안한다. 이 접근법은 특히 라즈베리 파이와 같은 제한된 자원을 가진 에지 디바이스를 위해 설계했다. 실제 온실 환경 데이터셋을 대상으로 한 실험에 따르면, 중앙 집중식 훈련은 최대 정확도(92.4%)를 달성하지만 프라이버시 보호 기능이 전혀 제공되지 않는다. 정확도, 프라이 버시 예산, 시스템 효율성 간의 균형 잡힌 절충점을 달성하기 위해 제안된 계층적 FL+DP 전략은 모델 업데이트를 크게 안정화하고 통신 오버헤드를 낮춘다. 이러한 결과는 높은 데이터 기밀성과 정확한 예측이 필요한 프라이버시 민감형 스마트 온실 애플리케이션에 FLDP 프레임워크가 적합함을 보여주었다.

Concerns with data privacy in dispersed agricultural IoT applications are raised by the massive amounts of sensitive environmental and crop-related data generated by smart greenhouse systems. In order to improve data protection in greenhouse settings, this study suggests a privacy -enhanced federated learning architecture that incorporates differential privacy. In order to achieve a balanced trade-off between accuracy, privacy budget, and system efficiency, the suggested hierarchical FL+DP strategy significantly stabilizes model updates and lowers communication overhead. The suggested model shows a favorable privacy-accuracy trade-off when compared to ordinary federated learning, achieving up to 88.7% prediction accuracy under moderate noise circumstances (σ = 0.3–0.5) while offering explicit differential privacy guarantees. These findings show that the FLDP framework is a good fit for privacy-sensitive smart greenhouse applications that need high data secrecy and accurate prediction.

클라우드 서비스는 다양한 매체를 통해 손쉽게 사용할 수 있어 많은 사용자로부터 많은 각광을 받고 있다. 그러나, 클라우드 서비스를 사용하는 사용자의 프라이버시를 악용하는 다양한 보안 피해가 증가하고 있어 이를 예방할 수 있는 기술 들이 부족한 상황이다. 본 논문에서는 클라우드 환경에서 사용자의 프라이버시를 제3자가 불법적으로 악용하지 않도록 사용 자의 프라이버시를 안전하게 보호하기 위한 보호 모델을 제안한다. 제안 모델은 중간 관리자와 클라우드 서버의 역할을 강 화하기 위해서 사용자의 서명을 랜덤하게 분할 관리하고 있다. 제안 모델에서 사용자의 프라이버시 정보는 보안함수와 사용 자 서명을 통해 클라우드 서버가 사용자에게 제공하고 있기 때문에 제3자에게 불법적으로 유출되는 것을 막고 있다. 또한, 사용자의 프라이버시 보호에 곱셈군의 랜덤수와 일방행 해쉬 함수를 해쉬체인으로 묶음으로써 사용자의 서명을 안전하게 사용할 수 있다. 성능평가 결과, 제안 모델은 기존 모델보다 데이터의 처리시간이 평균 24.5% 향상된 결과를 얻었고, 사용자의 프라이버시 정보를 그룹 관리하기 때문에 기존 모델보다 효율성이 13.7% 향상되었다.

Cloud services are readily available through a variety of media, attracting a lot of attention from users. However, there are various security damages that abuse the privacy of users who use cloud services, so there is not enough technology to prevent them. In this paper, we propose a protection model to safeguard user 's privacy in a cloud environment so as not to illegally exploit user' s privacy. The proposed model randomly manages the user 's signature to strengthen the role of the middle manager and the cloud server. In the proposed model, the user's privacy information is provided illegally by the cloud server to the user through the security function and the user signature. Also, the signature of the user can be safely used by bundling the random number of the multiplication group and the one-way hash function into the hash chain to protect the user's privacy. As a result of the performance evaluation, the proposed model achieved an average improvement of data processing time of 24.5% compared to the existing model and the efficiency of the proposed model was improved by 13.7% than the existing model because the user 's privacy information was group managed.

최근 멀티모달 딥러닝은 뛰어난 정확도와 풍부한 지식 학습 능력으로 학계와 산업계에서 많은 관심을 받고 있다. 특히, 대조 학습 기반 연구들은 멀티모달 딥러닝의 성능을 비약적으로 향상시키며 핵심적인 역할을 하고 있다. 하지만, 다중 데이터 소스를 활용하는 멀티모달 딥러닝은 데이터 간의 결합을 통해 민감한 정보를 추론할 가능성이 커지면서, 단일 모달 딥러닝보다 더 높은 프라이버시 침해 위험을 동반한다. 이는 기존의 단일 모달 딥러닝에서 사용되던 프라이버시 보호 기법만으로는 완전히 해결하기 어려운 문제로, 그 중요성이 날로 커지고 있다. 이 문제를 해결하기 위해 기존 연구에서는 신뢰 실행 환경에 의존하거나, 프라이버시 위협 데이터를 분류 및 선택적으로 기록하여 보안을 강화하지만, 하드웨어의 의존성, 성능 저하, 데이터 분류 정확도 한계 등 문제가 존재한다. 이러한 한계는 확장성과 사용성을 저해하고 새로운 공격에 취약할 가능성이 있다. 본 연구는 프라이버시 문제를 해결하기 위해 데이터 준비 과정에서 라벨 차등 프라이버시를 보장하는 Double Randomized Response 알고리즘을 적용하였다. 그 결과, 이미지-테이블 매칭 및 분류 작업에서 80.14%의 정확도를 달성하며 프라이버시 보호와 성능 간 균형을 실증하였다. 이 방법은 최초로 멀티모달 딥러닝 모델에 데이터 보안을 고려하였으며 이에 대한 성능을 입증한 의의를 가진다.

Recent advancements in multimodal deep learning have garnered significant attention from both academia and industry due to their exceptional accuracy and ability to learn rich knowledge representations. In particular, contrastive learning based approaches have played a pivotal role in dramatically enhancing the performance of multimodal deep learning. However, the use of multiple data sources in multimodal deep learning increases the risk of inferring sensitive information through data fusion, posing a higher privacy invasion attack compared to unimodal deep learning. This challenge cannot be fully addressed by privacy preserving techniques traditionally employed in unimodal deep learning, underscoring the growing importance of privacy protection in this domain. To address this issue, previous studies have relied on trusted execution environments or strengthened security by selectively recording data classified as privacy threatening. However, these approaches face limitations such as hardware dependency, performance degradation, and accuracy issues in data classification. These shortcomings hinder scalability and usability while leaving systems vulnerable to emerging threats. In this study, we address the privacy concerns by applying the Double Randomized Response algorithm, which ensures label differential privacy during the data preparation process. As a result, we achieved 80.14% accuracy in image-table matching and classification tasks, demonstrating a balance between privacy protection and performance. This method is the first to incorporate data security considerations into multimodal deep learning models while substantiating its efficacy, marking a significant contribution to the field.

디지털 광고 생태계에서 제 3자 쿠키는 사용자 행동 추적과 맞춤형 광고 제공의 주요 도구로 사용되었으나, 개인정보 보호 요구와 GDPR 같은 규정 강화로 논란이 커지며 주요 브라우저들이 이를 단계적으로 중단하고 있다. 이에 따라 광고업계는 새 로운 기술적 대안을 모색 중이며, 대표적으로 Google社의 Topics API, Apple社의 SKAN 등이 있다. FLoC는 사용자를 유사 그룹으로 묶어 데이터를 활용하고, Topics API와 SKAN은 안전한 광고 타겟팅을 목표로 하지만 여전히 개인정보 보호와 보 안 문제가 존재한다. 본 연구는 이러한 대체 기술들이 개인정보 보호 측면에서 나타내는 보안적 취약점들을 분석하고, 제 3자 쿠키 폐지에 따른 새로운 보안 표준과 대응 방안의 필요성을 제안한다. 결과적으로, 애드테크 업계의 기술 혁신과 더불어 개 인정보와 보안을 강화하는 표준 보안 평가 모델 개발이 필수적임을 강조한다.

In the digital advertising ecosystem, third-party cookies have been used as key tools for tracking user behavior and delivering personalized ads. However, growing demands for data protection and the strengthening of regulations such as GDPR have fueled controversy, prompting major browsers to gradually phase them out. Consequently, the advertising industry is seeking new technical alternatives, such as Google's Topics API and Apple's SKAN. FLoC groups users with similar behavior to utilize data, while Topics API and SKAN aim for safer ad targeting, though privacy and security issues still remain. This study analyzes the security vulnerabilities of these alternative technologies from a data protection perspective and proposes the need for new security standards and countermeasures following the phase-out of third-party cookies. Ultimately, it emphasizes that, along with technological innovation in the AdTech industry, developing a standard security evaluation model to enhance data privacy and security is essential.

최근 웹 기술은 통합화, 가상화, 사회화의 세 가지 원동력에 의해 발전해왔다. 그러나 웹 기술은 소셜 네트워킹 능력의 증가를 제공하는 반면에 개인의 디지털 컨텐츠에 대한 프라이버시의 노출을 더욱 복잡하고 해결하기 어려운 문제로 심화시키고 있다. 대표적으로 세부적인 관계의 정의나 관리가 불가능하여 컨텐츠의 수집, 요약으로부터 개인의 정보 및 관심사가 추론될 수 있고, 정보 소유자만의 소셜 네트워크 구축이 어려운 문제점이 있다. 따라서 본 논문에서는 웹 2.0 환경에서 사용자만의 디지털 컨텐츠를 보호하기 위해 기존의 접근 통제 방법에 관계(Relationship)와 컨텐트 시맨틱(Content Semantic)의 개념을 적용한 RCBAC(Relationship-Content based Access Control) 모델을 제안한다. 이 방법은 개인적인 성향 등의 프라이버시가 노출되지 않고 세부적인 관계의 정의나 관리가 가능하도록 하여 정보 소유자가 자신의 소셜 네트워크를 구축할 수 있고, 이것을 웹 컨텐츠로 적용 및 확장할 수 있다.

The recent web technology has been developed by three mainsprings which include integration, virtualization, and socialization. The web technology provides the increment of the social networking ability. However it deepens the exposure of privacy about personal information as more complicating and difficult problems. Representatively, it is impossible to define and manage the specific relation, so the personal information and interest can be inferred from collecting and summarizing the contents. Also, there are some problems that it is hard to construct the information owner's own social network. Thus this paper proposes the RCBAC(Relationship-Content based Access Control) Model which applies both the concepts of Relationship and Content Semantic to the existing access control methods to protect the user's own digital contents in web 2.0 environment. This method prevents privacy such as personal inclination from being exposed and enables to define and manage the specific relation. By doing this the information owners can construct their social network. This social network can be applied and extended to web contents.

본 연구는 생성형 인공지능(GAI)의 모델 경직성 및 확률적 생성이라는 기술적 특성이 GDPR의 7대 기본 원칙과의 구조적 충돌을 분석한다. 전문가 인터뷰 및 문헌 분석 결과, GAI가 야기하는 프라이버시 환각 현상은 기존의 정적인 데이터 처리에 근거한 정확성 원칙의 준수를 어렵게 만들고 있으며, 보유기간 제한 및 책무성 원칙 역시 원칙의 준수를 어렵게 만든다는 점 을 확인하였다. 이에 본 연구는 실현 가능성을 담보하는 규범적 재설계 방향을 제시한다. 구체적으로 머신 언러닝 기반의 삭 제권 대체 보장, 프라이버시 환각 대응을 위한 출력 중심의 정확성 관리, 개발자-운영자 간의 공유 책임 체계 법제화를 제안 한다. 본 연구는 GAI 시대 개인정보 보호 법제의 기술-규제 간극 해소를 위한 기초 분석틀을 제공했다는 점에서 의의가 있다.

This study analyzes the structural conflicts between the seven fundamental principles of the GDPR and the inherent technical characteristics of Generative AI (GAI), namely Model Rigidity and Probabilistic Generation. Findings from expert interviews and literature review confirm that the phenomenon of Privacy Hallucination caused by GAI fundamentally impedes compliance with the Accuracy Principle, which presupposes the processing of static data. Furthermore, practical adherence to the principles of Storage Limitation and Accountability is also found to be challenging. Consequently, this research proposes a direction for normative redesign that ensures technical feasibility, specifically recommending the guarantee of the right to erasure based on Machine Unlearning, the introduction of an output-centric accuracy management duty to counter Privacy Hallucination, and the formalization of a Shared Responsibility Model between developers and operators. This study is significant as it provides a foundational analytical framework for resolving the technology-regulation gap in personal data protection law in the GAI era.

개인정보 및 내부 중요정보 등의 유출 사고 발생이 증가하고, 다기능 단말을 사용하여 내부 정보에 접근할 수 있도록 하는 기능적 요구가 확대됨에 따라, 내부 정보 유출의 가능성이 증가 하게 되면서 이를 막기 위하여 기업은 내부정보유출방지 시스템을 운영한다. 그러나 정보유출을 방지 하게 위한 솔루션이 확인 하는 데이터에는 기업에서 종사하는 개인의 프라이버시가 포함되어있다. 어떠한 경우에서도 프라이버시는 보호되어야 한다는 관점에서 프라이버시를 보호할 수 있으면서도 정보유출탐지가 가능한 솔루션이 필요하게 되었다. 이에 본 논문에서는 이러한 프라이버시 보호를 고려한 정보유출탐지 모델을 제시 하고자 한다. 본 논문에서 제안하는 모델에는 정보유출탐지 시스템을 사용하는 과정에서 발생하는 프라이버시의 침해정도(PVL: Privacy Violation Level)를 측정하고, 프라이버시 보호 수준(PPL:

Privacy Protection Level)을 정의하여, 이들의 상관관계를 기반으로 모델을 제시한다. Nowadays, since there are the needs of multi-purpose terminals for accessing company's internal system, the possibility of leaking the critical information is getting higher. To prevent the leakage of the critical information, DLP (Data Leakage Prevention) solutions have been deployed. The DLP solution also can reveal the personal information during the data leakage detection process. This work is motivated by the needs of privacy protection of DLP's process. Specifically, we have defined two indexes such as PVL (Privacy Violation Level) and PPL (Privacy Protection Level) for this purpose. In addition, we have shown the relation between these two indexes using e-mail and instant messenger cases.

The privacy protection model under Web service composition framework is studied in depth, then the privacy of customers can be protected effectively. Firstly, the basic framework of Web service composition is studied; Secondly, the managing method of service publication is analyzed; Thirdly, the privacy protection model under Web service composition framework is discussed; finally the evaluation method of algorithm for privacy protection is summarized.

The existing social network privacy protection method mostly aims at the individuals of the social network, which cannot protect effectively the sensitive relations in the social network. Therefore, this paper proposes a new personalized K_L model. This model requires each sensitive relation with the sensitive relational point have l at least, and also the point with the same requirement has k at least. Thus, the attack has been resisted during the protection of the sensitive relations. Through seeking the most figure of merit sequence and considering individual sensitive attribute, the L-diversity method is applied so as to guarantee the least side and reduce the anonymous cost. Through the data set experiment, this paper proposes new personalized model K_L, which has the high anonymous quality and can effectively protect user's privacy in the social network.

사용목적(Purpose)은 최근 개인 프라이버시 보호와 관련하여 데이타 수집과 수집 후 보안관리에 있어서 중요한 요소로 사용되고 있다. W3C(World Wide Web Consortium)는 데이타 제공자가 자신이 방문한 웹 사이트에 개인정보를 제공하는 것을 통제할 수 있도록 하는 표준을 제시하였다. 그러나 데이타 수집 후 유통과정에서 개인정보에 대한 보안관리에 대한 언급이 없다. 현재 히포크라테스 데이타베이스(Hippocratic Databases), 사용목적기반 접근제어(Purpose Based Access Control)등은 W3C의 데이타 수집 메커니즘을 따르고 있으며, 데이타 수집 후 보안관리에 대하여 사용목적 관리와 접근제어 기법을 사용하여 관리를 하고 있으나 사용목적에 대한 표현과 사용목적 관리의 미흡함으로 인하여 그에 따르는 개인정보의 프라이버시 보호에 있어서 효과적인 해결책을 제시하지 못하고 있다. 본 논문은 사용목적의 표현력을 향상시키면서. 사용목적의 효과적인 관리기법을 제시한다. 또한 개인의 프라이버시 보호를 위한 방법으로 사용목적의 분류화를 통해 최소권한의 원칙을 따르는 접근제어 기법을 제시한다. 본 논문에서는 사용목적을 상속적, 시간적 그리고 독립적 구조로 분류화하였으며, 이렇게 분류화된 사용목적에 대한 각기 다른 관리기법을 제시한다. 또한 접근제어의 유연성을 위해 RBAC의 역할계층 구조를 사용하였으며, 일의 최소 단위인 태스크(task)의 최소권한을 얻기 위한 조건으로 몇몇 특성의 사용목적을 사용하여 만족할 경우 태스크를 처리하기 위한 기존 모델보다 향상된 최소사용권한을 제공하는 기법을 제시한다. Interference Contrast)에 의한 내부구조 관찰이 최종 동정기준이 되어야할 것으로 나타났다.cillus로 구성되었다. 한편, DAL세균군(42균주)은 high G+C 및 low G+C gram positive 계통군 이외에도 proteobacteria -subdivision에 속하는 Afipia와 Ralstonia, proteobacteria -subdivision에 속하는 Variovorax, proteobacteria $\beta$-subdivision에 속하는Pseudomonas로 구성되어 계통학적으로 다양한 세균임이 확인되었다. 40%까지 대체가 가능하였으며, 아울러 높은 라이신 부산물의 대체 수준에 있어서 사료효율과 단백질 전환효율을 고려한다면 아미노산 첨가(라이신과 아르지닌)와 중화 효과에 좋은 결과가 있을 것으로 사료된다.의한 적정 양성수용밀도는 각고 5~6cm 크기의 경우 10~15개체가 적합하였다. 수증별 성장은 15~20 m 수층에서 빨랐으며, 성장촉진과 폐사를 줄이기 위해서는 고수온이 지속되는 7~10월에는 20~30m수층으로 채롱을 내려 양성하고 그 외 시기에는 15 m층 내외가 좋은 것으로 나타났다. 상품으로 출하 가능한 크기 인 각고 10 cm이상, 전중량 140 g 내외로 성장시 키기까지는 채묘후 22개월이 소요되었고, 출하시기는 전중량 증가가 최대에 이르는 3월에서 4월 중순이 경제적일 것으로 판단된다.er 90 % of good relative dynamic modulus of elasticity due to fineness of formation caused by the

정보통신기술의 발전과 활용의 증가는 교육현장에서도 구성원간 신속하고 편리한 의사소통수단임과 동시에 효과적인 교수학습매체로써 그 역할이 증대되고 있다. 각 초등학교에서도 전 학년에 걸쳐 주당 1시간씩 재량활동으로 ICT활용교육이 이루어지고 있는데 반해 각종 역기능도 심각하게 노출되고 있다. 학교마다 정보통신윤리 교육강화를 내세우고 있으나 대개 전교단위로 일시적이고 설명위주의 교수활동으로 끝나는 경우가 대부분이다. 따라서 본 논문에서는, 역할놀이 교수 학습모형을 기반으로 ICT활동과 연계하여 초등학생들이 개인정보 관리의 필요성과 중요성을 인식하고, 실천의지를 다질 수 있도록 효과적으로 수업을 전개할 수 있는 학습지도안을 모델링해 본다.

정보통신기술의 발전과 활용의 증가는 교육현장에서도 구성원간 신속하고 편리한 의사소통수단임과 동시에 효과적인 교수학습매체로써 그 역할이 증대되고 있다. 각 초등학교에서도 전 학년에 걸쳐 주당 1시간씩 재량활동으로 ICT활용교육이 이루어지고 있는데 반해 각종 역기능도 심각하게 노출되고 있다. 학교마다 정보통신윤리 교육강화를 내세우고 있으나 대개 전교단위로 일시적이고 설명위주의 교수활동으로 끝나는 경우가 대부분이다. 따라서 본 논문에서는, 역할놀이 교수 학습모형을 기반으로 ICT활동과 연계하여 초등학생들이 개인정보 관리의 필요성과 중요성을 인식하고, 실천의지를 다질 수 있도록 효과적으로 수업을 전개할 수 있는 학습지도안을 모델링해 본다.

인터넷 및 전자상거래의 활용이 급속히 확산되면서 인터넷 서비스업체에 제공된 개인정보가 범죄에 사용되는 등 무분별한 개인정보 수집. 이용이 급증하고 있다. 이제 개인정보 침해 문제는 남의 이야기가 아닌 인터넷을 활용하는 우리 사용자 자신의 문제로 여기면서, 정보화 역기능에 대한 철저한 대응이 필요하다. 하지만 학교에서의 정보 보호 교육은 관련 개념을 익히는 정도에 그칠뿐 실생활에서 정보를 보호하기에는 미흡한 실정이다. 본 연구에서는 중학교에서의 개인 정보를 보호할 수 있는 원리학습의 모형을 제시하고자 한다.