l-다양성
l-다양성은 같은 준식별자 집단 안에 민감속성이 일정 수준 이상 다양하게 존재하도록 요구해 속성 추론 위험을 낮추는 기준입니다.
l-다양성
k-익명성을 만족해도 한 집단의 질병이나 소득 상태가 모두 같으면 개인의 민감속성을 쉽게 알 수 있습니다. l-다양성은 각 동질 집단에 최소 l개의 충분히 대표적인 민감값을 포함하도록 합니다.
핵심 정보
작동 원리
민감속성의 종류와 분포를 정한 뒤 일반화·억제·재그룹화를 수행합니다. 단순한 값 개수와 함께 특정 값이 지나치게 지배하지 않는지 확인해야 합니다.
운영 효과는 데이터 생성 지점, 처리 목적, 사용자와 관리자 권한, 외부 연동, 백업과 로그, 삭제 절차를 연결할 때 확보됩니다. 설계 문서와 실제 운영 상태가 다를 수 있으므로 설정값, 표본 데이터, 접근기록, 변경 이력을 근거로 검증합니다.
보호 효과와 한계
전체 데이터에서 매우 드문 민감값은 다양성을 맞추기 어렵고 의미가 비슷한 값이 여러 개 있어도 실질적 정보는 같을 수 있습니다. 분포 왜곡을 고려하지 않으면 속성 추론이 계속 가능합니다.
개인정보 관련 위험에는 기밀성 침해, 잘못된 수정과 삭제, 서비스 중단, 부정확한 프로파일링, 차별적 의사결정, 계정 탈취, 사칭과 2차 피싱이 포함됩니다. 위험 평가는 정보의 민감도, 변경 가능성, 결합 가능성, 노출 기간, 대상 인원, 공격자의 실제 접근 능력을 반영합니다.
도입 전 확인할 사항
각 그룹의 민감값 수, 빈도, 의미적 유사성, 전체 분포와의 차이를 확인합니다. 데이터 유용성 손실과 희귀집단 제거가 특정 집단을 배제하는지도 점검합니다.
검토 결과에는 적용 범위, 남은 위험, 책임자, 개선 기한, 재검증 조건을 기록합니다. 외부 서비스와 오픈소스 구성요소가 관련되면 계약서와 보안 공지, 버전, 데이터 처리 위치, 하위 수탁·의존 관계도 확인합니다.
안전한 적용 방법
- 민감속성과 동질 집단을 명확히 정의합니다.
- 값의 개수와 분포, 의미적 유사성을 함께 평가합니다.
- 희귀 민감값은 별도 집계나 제한된 분석환경에서 처리합니다.
- k-익명성과 재식별 시험을 함께 적용합니다.
보호조치는 예방, 탐지, 대응, 복구 단계에 나누어 배치합니다. 한 통제가 우회되거나 오작동해도 피해가 곧바로 전체 데이터로 확산되지 않도록 권한·네트워크·데이터·로그 통제를 겹쳐 적용합니다.
혼동하기 쉬운 개념
준식별자 익명성과 민감속성 다양성을 함께 다루는 보완 기준입니다.