5i5i

AI보안_최종발표.pdf

• 프로젝트 제목: 블로그 게시글 속 개인정보 결합을 통한 개인식별 위험도 예측 확장 프로그램 개발
• 프로젝트 기간: 2024년 8월 20일 - 2024년 11월 8일 (12주)
• 주요 목표: 블로그 게시글을 게시 전에 개인정보를 자동으로 탐지하고, 이전 게시글들에서의 개인정보들의 카테고리 간의 결합 정보로 개인식별 위험도를 판단하여 경고를 해주는 웹 브라우저 확장 프로그램을 개발

• 주제: 일상 블로그 게시글에서 개인정보가 무분별하게 공개되어 발생할 수 있는 개인식별 위험을 예측하고 경고하는 시스템 개발.
• 근거

  • 블로그의 보편성: 블로그는 많은 사용자가 일상생활과 생각을 공유하는 주요 플랫폼 중 하나로, 전 세계 수백만 명이 개인적인 이야기를 블로그에 게시하고 있습니다. 이러한 글에는 종종 민감한 개인정보가 포함될 수 있으며, 사용자가 의도하지 않더라도 정보가 노출될 위험이 존재합니다.

  • 정보의 조각화와 결합 가능성: 사용자는 종종 여러 개의 블로그 게시글에 걸쳐 다양한 정보를 게시합니다. 각각의 게시글에서는 개별적으로 큰 의미가 없는 정보일 수 있지만, 여러 게시글의 정보를 결합하면 개인을 식별할 수 있는 단서가 될 수 있습니다.

    ex) 한 게시글에 이름이 포함되고, 다른 게시글에 이메일 주소가 포함될 경우, 이 두 정보가 결합되어 개인 식별 가능성이 높아짐

  • 정보 유출 사례 증가: 최근 몇 년간, 블로그 및 SNS에서 개인정보가 무단으로 수집되거나 유출되는 사례가 증가하고 있습니다. 이러한 사례는 사용자가 무심코 올린 정보들이 결합되어 악용될 수 있다는 위험성을 보여줍니다. (밑에 기사 참고)

  • 사용자 인식 부족: 많은 블로그 사용자들은 자신의 게시글에 포함된 정보가 어떻게 결합될 수 있는지, 그리고 그로 인해 발생할 수 있는 위험에 대해 충분히 인지하지 못하고 있습니다. 따라서 사용자에게 이러한 결합 위험성을 경고하고, 개인정보 보호를 강화할 수 있는 도구가 필요합니다.

• 관련 기사

  • “네이버 블로그 광고 이용자 2,200명 개인정보 유출**”** https://www.yna.co.kr/view/MYH20190502002300038

  • “네이버, 블로그 서비스 오픈 20주년 “3,300만 블로그서 28억 건 글 창작됐다” https://www.itworld.co.kr/news/310009

  • “카카오, ‘오픈채팅 개인정보 유출’ 과징금 151억”

    https://www.sisajournal-e.com/news/articleView.html?idxno=403028

    카카오 ‘오픈채팅방 개인정보 유출’, 과징금 151억원 ‘철퇴’

    https://www.hani.co.kr/arti/economy/it/1141740.html

    주차장 CCTV

• 예측: 동일 사용자가 작성한 여러 게시글 간의 정보 결합 가능성을 분석하고, 결합으로 인해 발생할 수 있는 개인식별 위험도를 예측합니다.
• 탐지: OCR, NLP 기술을 활용하여 이름, 이메일, 전화번호 등의 개인정보를 탐지하고, 이를 기반으로 개인식별 가능성을 탐지합니다.

• 수집 출처:
  • 공공 데이터셋 : AI-Hub, Kaggle, UCI 머신러닝 레포지토리 등에서 제공하는 블로그 게시글 데이터셋.
    • AI-hub : 야외 실제 한글 이미지(간판) https://aihub.or.kr/aihubdata/data/view.do?dataSetSn=105
    • 도로안내판 데이터 https://www.data.go.kr/data/15028193/standard.do?recommendDataYn=Y
  • 네이버 오픈 API를 통한 블로그 데이터 요청
  • 크롤링 데이터: 실제 블로그 플랫폼에서 수집한 게시글 데이터 (법적 동의 받은 가상 사용자 데이터).
  • Synthetic Data 생성 : 개인정보 패턴을 반영한 인공 데이터 생성 (ChatGPT 기반).
  • GitHub : 연구 목적으로 공개된 이미지 데이터셋
  • GANs을 사용해 신분증이나 문서 이미지와 같은 특정 유형의 이미지를 생성
• 형식: 텍스트 데이터(블로그 게시글), 메타데이터(게시글 작성일, 작성자 등), 이미지에서 텍스트 추출
• 관련 기술 도구:
  • NLP: NLTK, SpaCy, Transformers(BERT) 등 텍스트 분석 도구.
  • 데이터 수집 및 처리: Python, BeautifulSoup, Scrapy, Pandas.
  • EDA 시각화: Matplotlib, Seaborn, Plotly.
  • 확률 예측:
  • 개인정보 위험도? 예측: ex) LSTM

• 데이터 익명화: 실제 사용자 데이터를 수집할 때, 모든 데이터는 익명화 처리하여 개인정보 보호를 우선합니다.
• 모델 공정성: 개인식별 위험도를 예측하는 모델이 특정 개인이나 그룹에 편향되지 않도록 공정성 테스트를 수행합니다.
• 데이터 보안: 데이터 수집, 처리 및 저장 시 강력한 암호화 기법을 사용하여 데이터 유출 위험을 최소화합니다.
• 사용자 프라이버시 보호: 사용자의 동의 없이 어떠한 개인 정보도 저장하거나 공유하지 않습니다.
• 성능 지연 문제: 프로세서 바(진행상황)를 보여주기
• 큐알, 이미지 어디까지 인식할 것인지?? → 범위 정하기
• 첨부파일, 링크는 확인하지 않음
• 성능문제로 확장 프로그램으로 구현 실패. 대신 웹 서비스로 구현
• 다른 플랫폼과 호환 안됨!!!