네이버개인정보백서

Transcription

1 NAVER Privacy White Paper

2

3 발간사 인공지능, 빅데이터, 사물인터넷등의융합으로우리사회에큰변화를가져올거라고기대하는 4차산업혁명에대한관심이뜨겁습니다. 초연결사회에서쏟아져나오는빅데이터를인공지능등의기술발전에활용하여 4차산업혁명시대를활짝열기위해서는 개인정보 에대한논의가선결되어야합니다. 개인정보 와관련있는논의의경우한편에선인간의기본권으로서의개인정보보호에대해서만강조하고, 다른한편에서는규제완화를통한기술과산업의발전만을강조합니다. 그런데개인정보의 보호 와 활용 은동전의양면과같아서둘을분리하여생각할수없습니다. 정부와기업이시민 ( 정보주체 ) 의개인정보를잘보호해줄거라는믿음이있을때에만이용자는기술진보와사회적효용의증대를위해자신의개인정보가사용되는것에동의할것이기때문입니다. 그럼에도개인정보의 보호 와 활용 에대한논의는함께이루어지지못하고있는것이현실입니다. 개인정보의강력하고실질적인보호, 기술혁신을저해하지않는데이터의자유로운활용과유통이라는두마리토끼를모두잡을수있는방안을고민하는일련의과정에서 NAVER Privacy White Paper 를발행하였습니다. 올해는경희대학교박훤일교수님께서 개인정보의로컬라이제이션 (Localization) 을, 서울대학교김용대교수님께서 인공지능과개인정보 를, 법무법인민후의김경환변호사님이 규제측면에서의한국 EU 일본의개인정보보호법령 에대해연구해주셨습니다. 부디세분의연구가효과적이며실질적인개인정보보호강화, 그리고기술혁신 과발전을위한불필요한규제완화라는두마리토끼를동시에모두잡을수있는 논의의실마리가되길기대합니다 년 12 월 한성숙

4 목차 개인정보의로컬라이제이션에관한연구 _ 박훤일 ( 경희대학교법학전문대학원교수 ) 요약문 머리말 개인정보로컬라이제이션의동기 20 가. 국가안보와질서유지 20 나. IT 거대기업에대한종속탈피 21 다. 공정과세의실현 22 라. 국내기업의역차별방지 24 마. 클라우딩서비스의이용추세에서 U턴 주요국의사례 25 가. 중국 26 나. 베트남 32 다. 인도네시아 34 라. 인도 36 마. 유럽연합 (EU) 36 바. 러시아 39 사. 그밖의나라들 개인정보현지화규제에대한평가 결론 43 참고문헌 45

5 인공지능과개인정보에관한연구 _ 김용대 ( 서울대학교통계학과교수 ) 요약문 서론 인공지능의역사 58 가. 개척기 (1952~1956) 58 나. 황금기 (1956~1974) 58 다. 암흑기 (1974~1980) 60 라. 개화기 (1980년대) 60 마. 1990년대부터현재까지의인공지능 인공지능기술들 62 가. 지도학습 (Supervised learning) 63 나. 비지도학습 (Unsupervised learning) 71 다. 강화학습 (Reinforcement learning) 인공지능응용사례 76 가. 의료분야 76 나. 금융분야 77 다. 교육분야 78 라. 쇼핑분야 78 마. 지능형개인비서 79 바. 기계번역 80 사. 자율주행 80 아. 기타 프라이버시침해와인공지능윤리 81 가. 비식별화된연구용진료기록의재식별화 82 나. 스마트폰어플리케이션을통한개인정보유출 84 다. 광고전달시스템에의한인종차별 87 라. 얼굴인식을이용한개인의성적지향판별 89

6 6. 프라이버시보호관련법률체계고찰 90 가. 개인정보의개념 91 나. 주요국가의개인정보보호를위한법률체계 92 다. 주요국가의개인정보비식별처리에관한접근 95 라. 빅데이터산업발전을위한법률체계정비 프라이버시보호를위한기술들 98 가. 데이터변환을통한프라이버시보호 98 나. 차등정보보호 맺음말 107 가. 프라이버시보호를위한법률적 기술적측면 107 나. 윤리적측면 107 다. 결어 108 참고문헌 109 규제측면에서의한국 EU 일본의개인정보보호법령의비교 _ 김경환 ( 법무법인민후대표변호사 ) 요약문 서설 123 가. 규제의개념 123 나. 개인정보규제의특징 124 다. 본연구에서의규제비교의방법 수집 이용관련실체적규제의비교 128 가. 일반개인정보수집 이용의 허용사유 의비교 128 나. 민감정보수집 이용의 허용사유 의비교 131 다. 목적외이용의 허용사유 의비교 136

7 3. 제공 위탁관련실체적규제의비교 140 가. 제공의 허용사유 의비교 140 나. 위탁의 절차 의비교 144 다. 국외이전의 허용사유 의비교 관리 파기관련실체적규제의비교 149 가. 파기사유 의비교 149 나. 개인정보유효기간제도 의비교 종합적인평가 결어 154 참고문헌 155

8

9 2017 NAVER Privacy White Paper 개인정보의로컬라이제이션에관한연구 경희대학교법학전문대학원박훤일교수

10

11 1. 머리말요약문 1. 머리말ㅇ개인정보의로컬라이제이션 (Data Localization, 현지화 또는 국지화 ) 이란정보통신을이용하는기업이개인정보의보관 처리를위한서버를반드시국내에설치하도록의무화하는것을말함 - 데이터보관장소라기보다정보열람에대한통제등효과적인관할 (Effective Jurisdiction) 에관한문제또는데이터의해외반출에대한규제를의미 - 정보보안, 개인정보보호, 국가안보, 제품의안전기준, 자국산업의보호 육성등을이유로소스코드공개를요구하거나데이터의현지보관, 로컬콘텐츠의이용등규제를강화 (Forced Localization Measures; FLMs) 하는경향이증대ㅇIoT 빅데이터시대에정보의자유로운유통을통해경제활성화기대 - 반면개인정보보호법제의통일관점에서개인정보의로컬라이제이션성행 - 미국, 유럽, 일본등은 2013년부터데이터로컬라이제이션경향에공동대응함으로써정보의자유로운유통과공평하고평등한사이버공간의확보를위해노력 2. 개인정보로컬라이제이션의동기ㅇ스노든이미정보당국의전세계감청활동 (PRISM) 을폭로한것을계기로많은나라가국가안보와국익보호목적으로데이터현지화를요구 - 독일은정부데이터를국내저장하는클라우드인프라 (Bundes-cloud) 를구축하고, EU 회원국들에대해서도범유럽데이터네트워크를갖출것을제안 - 브라질은미국을우회하는남미와유럽간의정보통신망을연결하는해저광섬유케이블설치계획을제안하는가하면 2014년 4월에는인터넷이용자의권리와서비스제공자의의무를규정한마르코시빌법을제정 - 중국에서도자국민들에대한사상통제와정치적안정을위해정부당국이인터넷트래픽의국내유입과국외유출을통제할수있는정보장벽을설치하고 2017년부터는네트워크안전법으로보다구체화 11

12 - 안보목적의데이터현지화는오히려해킹등공격목표를명확히하는것이되어더위험에처할수있다는비판이있음ㅇ EU의경우개인정보의보호수준이낮은제3국으로의개인정보의이전을불허 - 해외에서자국민의개인정보가침해되는일이없도록개인정보보호차원에서정보의국외이전을규제ㅇ구글, 아마존등미국의 IT기업들이플랫폼을장악하고정보유통시장을지배하는것에대한경계심으로데이터로컬라이제이션요구증가 - EU에서는미국계플랫폼기업에대한데이터시장을탈환하기위해정보의역내보관을의무화하기보다 GDPR에정보이동권 (right to data portability) 을규정 - 일부동남아국가에서는자국내하이테크경제활동을촉진하기위해로컬콘텐츠를요구하고해외콘텐츠에대해서는높은세율을부과ㅇ여러나라가다국적 IT기업들이국내에서엄청난광고수입을올리면서도세금을거의내지않는행태를방지하기위해국내에서버 ( 데이터센터 ) 를두도록유도 - EU에서는애플, 구글같은 IT기업들의 Double Irish with Dutch Sandwich 전략을깨기위한방안을모색중이며, 프랑스정부는구글, 페이스북같은 IT기업에대해수익이아닌매출액 (turnover) 기준으로과세하기로결정 - 우리나라에서도구글등다국적기업의현지세금회피를막기위해비상장유한회사의경영내용을공시하도록하는관련법개정안을발의 - 현지에서버를구축하는것이단기적으로는지역경제에도움이될지몰라도장기적으로는외국인투자의욕을저상시키고외국기업과의협력사업을방해하는등역효과우려ㅇ우리나라가구글의공간정보요구를거절한것은이에응할경우보안규정을적용받고있는국내기업에대한역차별가능성때문 - 한국은국내서버설치를조건으로내걸었으나구글은글로벌한영업방침에반한다는이유로거부함에따라최종불허결정 - 데이터로컬라이제이션은금융권 제조업 의료서비스업계클라우딩서비스의이용증가추세를역행하는것임 12

13 - 국제적인정보유통에로컬라이제이션의장벽이설치된다면경제적으로심각한타격, GDP 가 % 감소할것으로전망 ( 미 IT 분야씽크탱크 ITIF 의추계 ) 3. 주요국의사례 국가 FLMs 조치주요내용 중국 베트남 인도네시아 네트워크안전법 ( 시행 ) 은행 금융기관의개인정보보호를촉구하는중국인민은행통지 (2011) 은행업네트워크보안및정보화건설강화에관한지도의견 ( ) 자율적가이드라인 (2013) 전인민건강정보관리조치 (2014) 인터넷통화, SM 서비스의제공및이용의관리에관한규정 (2013 OTT 통달 ) 정령 72 호 (No.72/2013/ND-CP) 전자시스템과거래조직에관한규정 (2012 년정부규정제 82 호 ) 통신정보부규정 (2015 년정부규정제 27 호 ) 인터넷공간의주권과국가안보의유지, 공민과법인, 기타조직의합법적권익보호 개인정보를비롯한데이터의보안강화 핵심정보통신기반시설 (CII) 운영자에대한엄격한책임과의무부과 중국에서수집 창출된개인정보와중요데이터는현지서버에저장하도록의무화하고, 반대로데이터를중국밖으로전송할경우에는사이버보안당국및국무원의보안평가를거쳐야함 필요시당국에기술제공및수사에협력하고, 이용자게시정보에대한관리를강화하고, 필요조치를수행한후유관기관에보고 네트워크보안책임등불이행시과징금부과 중국인민의개인신용정보의해외처리 저장을금지 은행업무의사이버안전보장능력과정보화건설수준을향상시키는안전하고제어가능한정보기술의개발및응용 개인정보의국외이전에정보주체의동의를받도록요구 중국에서수집된인구건강정보의국외저장을금지 유상 OTT 서비스제공해외사업자는 (i) 사업인가를취득한베트남국내사업자와동업계약, 또는 (ii) 베트남국내에 1 개이상의호스트서버를설치하고베트남국내의사업자와업무협약을체결 일반웹사이트나 SNS 웹사이트사업자는베트남에감독당국의검사를받는하나이상의서버설치의무 공공서비스전자시스템관리자는데이터센터를국내설치의무 건강정보는보건부장관이관리하는데이터센터와연결되어있는국내의데이터센터에서처리의무화 4G 스마트폰에대하여 30 40% 의로컬콘텐츠탑재의무화 13

14 국가 FLMs 조치주요내용 인도 유럽연합 (EU) 러시아 한국 호주 OTT 규정 M2M 로드맵 개인정보보호지침 (Directive 95/46/EC); GDPR( 발효 ) 연방법제 242 호 -FZ 공간정보관리법 건강기록시스템관련법규 외자계기업이 OTT 서비스제공할때에는국내에항구적시설 (BUT) 을두어야함 국가안보의관점에서인도국내의이용자들에게서비스를제공하는 M2M 게이트웨이나어플용서버는모두인도국내에설치 개인정보보호가미흡한제 3 국으로의개인정보이전불허. 다만, 자율규제, 표준계약서, BCRs 등안전대책을갖춘경우에는허용 러시아국민의개인정보는러시아국내에설치된데이터베이스로관리하고, 데이터센터의소재를당국에신고 국가안보나그밖에국가의중대한이익을해칠우려가있는경우기본측량성과를국외로반출하는것을원칙적으로금지 등록된포털운영자또는등록된계약서비스제공자인건강기록 (My Health Records) 시스템운영자는개인식별가능한호주시민의건강기록을해외에서보관 처리하는것금지 주 : OTT(Over the Top) 란셋톱박스같은단말기를넘어서서인터넷과모바일을이용한영화 방송 교육등각종미디어콘텐츠를제공하는서비스를말함 4. 개인정보현지화규제에대한평가ㅇ데이터로컬라이제이션의요구는 IT 발전에역행하고디지털무역장벽 (Digital Trade Barrier) 을쌓는것으로인터넷의본질에반함 - FLMs 규제는개방적인인터넷의기능과자원을조각 (fragmentation) 내고비효율적으로만드는것으로클라우딩이나데이터센터에의존하는신생기업 중소기업의영업에큰타격 - 장기적으로 IT산업의발전을위축시키고경제성장에도차질 - 다만, 개인정보보호의수준이낙후된제3국에개인정보의반출을일정조건하에불허하는것은불가피한조치ㅇ오늘날외국정보기관에의한감시우려, 개인정보보호의필요성으로인해증가일로의개인정보로컬라이제이션에맞설수있는세력은단독이든연합이든가시화되지않고있는실정 14

15 - 데이터로컬라이제이션이심화될수록이용자들의데이터이용범위가줄어들고제조업 서비스업종사자들은유용한정보에대한접근기회를상실하게됨 - 현지정부가정보의자유로운유통을정치적인위협으로보고비민주적인목적을위해데이터를이용하려들경우에는표현의자유, 프라이버시에대한중대한위협이될가능성 5. 결론ㅇ인터넷시대에데이터로컬라이제이션을요구하는법제는나름대로명분이있음 - 우리나라도북한이장거리미사일과무인기를날리고있는현실에비추어상세한지리정보를공개하는것은매우위험한처사 - 다른한편으로는디지털공간정보가유통 관광산업및자율주행차 드론의이용에없어서는안될인프라가되었음ㅇ결국은서로충돌하는가치의비교형량문제로귀결 - 정보의파편화 (fragmentation) 를초래하는로컬라이제이션을비판하기보다다국적거대 IT기업에주도권을뺏기지않기위해국가안보및공정과세를강조하고국내 IT산업을보호하자는식으로경제적실리를취할수도있음ㅇ장기적으로는인터넷이세계의모든기업과개인의능동적참여를통해시장이지속적으로확대되고이노베이션이촉발되었다는점을상기할필요 - 인터넷의발칸화 (Internet Balkanization) 를초래하는데이터로컬라이제이션은바람직하지않으며국경간정보유통 (Transborder Data Flow) 의원활화에확고한신념을가져야함 - 세계경제의고른성장과 IT발전을통하여새로운시대를맞기위해서는정보의원활한국제유통에대한예외사유는그것이안보목적이든무엇이든엄격하게해석하는것이타당함 15

16

17 관한연구 개인정보의로컬라이제이션에관한연구 박훤일 ( 경희대학교법학전문대학원교수 ) 1. 머리말 개인정보의로컬라이제이션 (data localization) 은개인정보의 현지화 또는 국지화 라고번역할수있는데정보통신을이용하는기업이개인정보의보관 처리를위한서버를반드시국내에설치하도록의무화하는것을일컫는말이다. 물리적인데이터보관장소 (physical data location) 라는의미보다도정보열람에대한통제등효과적인관할 (effective jurisdiction) 에관한문제라할수있다. 그연장선상에서데이터의해외반출 (data export) 에대한규제를뜻하는말로쓰이기도한다. 1) 최근들어중국, 베트남, 인도네시아, 인도, 러시아등여러나라가정보보안, 개인정보보호, 국가안보, 제품의안전기준, 자국산업의보호 육성등을이유로소스코드공개를요구하거나데이터의현지보관, 로컬콘텐츠의이용등규제를강화 (forced localization measures; FLMs) 하는경향이늘고있다. 2) IT산업발전에따른이점을충분히살리기도전에클라우드컴퓨팅, 사물인터넷 (IoT) 산업에대한제약요인이되고있는것이다. < 그림 1> 에서보듯이개인정보의로컬라이제이션이전세계적으로증가하는추세에있기때문에정보의자유로운유통 (free flow of data) 의관점에서는우려를낳고있다. 왜냐하면 1) W. Kuan Hon, Data Localization Laws and Policy - The EU Data Protection International Transfers Restriction Through a Cloud Computing Lens, Edward Elgar, ) 베트남, 인도네시아에서는법률이아주추상적으로규정되어있고그시행세칙인정령 (Decree) 과통달 (Circular) 에구체적인규정을두는경우가많다. 그러므로 FLMs 가어디에규정되어있는지특정하는것은쉽지않다. 베트남은 2013 년정령 72 호에서대표자또는법인을베트남국내에두도록요구하고있다. 엉뚱하게도정보통신소관부처이외의법률이나시행세칙에 FLMs 규정을두기도한다. 17

18 사물인터넷 (IoT), 빅데이터시대에는정보가자유롭게흘러야이노베이션이활성화될터인데현지규제에따라경제적고려없이무조건데이터센터를설치해야하고경우에따라서는콘텐츠의제약도받을수있기때문이다. 반면개인정보보호법제의통일이라는관점에서살펴본다면무엇이각국의입법자로하여금개인정보의로컬라이제이션을택하게하는지그동기를알아볼필요가있다. 이러한가운데미국과유럽, 일본은 2013년부터서로손을잡고개인정보의로컬라이제이션에대한규제에공동대응하기로했다. 3) 2016년 5월일본에서열린 G7 정상회의에서도개방적이고상호운용가능하며신뢰할수있는사이버공간에서삶의질을개선하기위한디지털경제를촉진할것을공동선언문에포함시킨바있다. 4) 한편일본과 EU는 2015년정보의자유로운유통과사이버공간의공평하고평등한확보를위해규제와협력에힘을모으기로했다. 이연구는모든것을인터넷으로서로연결하는시대에개인정보의로컬라이제이션쪽으로입법전환을하는동기가무엇인지, 나라마다 FLMs 규제를어떻게실시하고있는지살펴본후국내외의반응을알아보고자한다. 나라마다특별한사정이있기마련이지만여러이점에도불구하고이를적극적으로시행할수없는속사정도있기때문이다. 마지막으로우리나라는이러한추세에어떻게대응하는것이좋을지생각해보기로한다. 3) 일례로일본의経済団体連合会 (Keidanren) 과在日미국상공회의소는양국이환태평양경제동반자협정 (Trans-Pacific Partnership; TPP) 에참가한것을계기로 2016 년 2 월 25 일 日米 IED 民間作業部会共同声明 2016 을내고 Data Localization 과 Cross-border Data Flow 문제를심도있게다루었다. < 4) G7 이세시마정상회담자료는 < 참조. 18

19 < 그림 1> 데이터로컬라이제이션의국가별현황 지도상의색데이터해외이전에대한제한의정도해당국가 [ 매우엄격 ] 개인정보는국내설치된서버에보관되어야함 [ 사실상엄격 ] 개인정보의국외이전을법령으로제한함으로써사실상데이터현지화가이루어지고있음 [ 부분적제한 ] 국외이전할수없는정보의종류를지정하거나정보의국외이전에정보주체의동의를요함 [ 완화 ] 일정한조건하에서만정보의국외이전을제한함 [ 특정분야제한 ] 헬스케어, 이동통신, 금융, 국가안보등의분야에한하여정보의국외이전을제한함 러시아, 중국, 인도네시아, 베트남, 브루네이, 나이지리아 유럽연합 (EU) 한국, 인도, 말레이시아, 카자흐스탄, 벨라루스 아르헨티나, 브라질, 콜롬비아, 페루, 우루과이 타이완, 캐나다, 오스트레일리아, 뉴질랜드, 터키, 베네수엘라 [ 제한없음 ] 데이터현지화의무가없음미국, 일본등기타국가 자료 : Albright Stonebridge Group, Data Localization: A Challenge to Global Commerce and the Free Flow of Information, September 2015, p.5. 주 : 개인정보의국외이전을제한하고데이터현지화를요구하는법령은수시로바뀔수있으므로명확히분류하기어려운점이있으며저자가작성시점을기준으로평가하여소개한것임 19

20 2. 개인정보로컬라이제이션의동기 < 그림 1> 의세계지도에서보듯이정도의차이는있지만데이터현지화를요구하는나라들이더많은게사실이다. 그러나그동기가나라마다조금씩다른것을알수있다. 우선미국국가안보국 (National Security Agency; NSA) 에서근무했던에드워드스노든이미국정보당국의전세계를대상으로한정보수집과감시활동 (PRISM) 을폭로한것을계기로국가안보와국익보호목적으로국내수집정보의국내보관및처리를요구하는경우가많아졌다. 그러나자국민의개인정보가국제교역이나해외아웃소싱등의목적으로해외반출된경우 에해외에서자국민의개인정보가침해되는일이없도록하는개인정보보호 (data protection) 차원에서정보의국외이전을불허하는경우도많다. 최근에는다국적 IT 거대기업들이국내에서많은수익을얻음에도불구하고세금을안내 거나적게내는것을방지하기위해국내에서버를설치하고고정사업장 (permanent establishment) 을두게하려는의도도엿보이고있다. 가. 국가안보와질서유지 2013년 7월스노든의폭로이후독일에서는연방개인정보감독기구가나서서외국의정보기관들이독일기업들이전송하는데이터에외국의정보기관이무단접근하는것을규제할수있음을밝혔다. 이와함께독일정부가지분을갖고있는도이체텔레콤에서도독일국내에서의인터넷트래픽을최대한국내에유지하려는방침을협력업체에시달하고, 다른 EU 회원국들에대해서도 EU만의유럽데이터네트워크를갖출것을제안했다. 5) 다만, 이러한조치는외국정보기관이독일데이터를열람하는것을근본적으로방지하기위한대책이될수없다는비판이제기되었다. 6) 5) 독일메르켈정부는유럽에서발신되는이메일과전기통신의망을분리하는범구주정보통신망구축에앞장서고있으며, 정부데이터를저장하는클라우드인프라 (Bundes-cloud) 를 2022 년까지개통하기로했다. Albright Stonebridge Group, Data Localization: A Challenge to Global Commerce and the Free Flow of Information, September 2015, p.8 ( 이하 Data Localization 이라약칭함 ). 6) 허진성, 데이터국지화 (Data Localization) 정책의세계적흐름과그법제적함의, 언론과법제13권 2호, 면. 20

21 이와관련하여브라질의호세프대통령도미국을우회하는남미와유럽간의정보통신망을연결하는해저광섬유케이블설치계획을제안하면서, 브라질우정국에암호화된이메일시스템개발을지시하였다. 의회에대해서는구글, 마이크로소프트등미국의 IT기업들이브라질이용자에대한데이터를국내서버에보관할것을의무화하려했으나거센반대에부딪혀이것은제외한채 2014년 4월인터넷이용자의권리와서비스제공자의의무를규정한마르코시빌법 (Marco Civil da Internet Law) 을공포하였다. 7) 중국에서도자국민들에대한사상통제와정치적안정을위해외부인터넷연결을막지는않아도일정한경우정부당국이인터넷트래픽의국내유입과국외유출을통제할수있는정보장벽 8) 을설치하였다. 이는후술하는 2017년의네트워크안전법에서보다구체화되었다. 이란에서도중국에서전문가들을불러와종교적으로허용되는인터넷을구축하는작업을진행하였다. 그러나안보목적의데이터현지화는오히려해킹등공격목표를명확히하는것이되어더위험에처할수있다는비판이가해지고있다. 나. IT 거대기업에대한종속탈피 유럽에서는구글, 아마존, 마이크로소프트, 페이스북등미국의 IT기업들이플랫폼 9) 을장악하고정보유통시장을지배하는것에대한경계심이고조되었다. 2017년초까지유럽의회의장을역임한독일사민당대표슐츠 (Martin Schulz) 는거대 IT기업 (Digital Giants) 에의한데이터시장의지배는경제문제에한하지않고사회질서의문제로직결될것이라고경고하기도했다. 10) 7) Dan Cooper, Brazil Enacts Marco Civil Internet Civil Rights Bill, Covington & Burling LLP April 28, < 8) 중국은 1994 년외부웹과연결된이래 1998 년에는인터넷트래픽의유 출입을통제할수있는황금방패 (Golden Shield) 시스템을설치하여세계에서가장정교한정보장벽이른바 Great Firewall ( 정보의만리장성 ) 을구축하였다. 9) 이러한플랫폼은중세시대에는봉건영주와교회, 길드조합등중간조직에속하였고개인의인권은도외시되기일쑤였다. 기본적인권이강조되는 21 세기의정보사회에서도플랫폼을누가지배하느냐에따라이러한사정은마찬가지다. 개인이정보사회에서자율적으로활동하고, 이러저러한플랫폼에서조각난인격을스스로의의사로재통합하기위해서는자신의정보를소유하고이전할수있는정보이동권이앞으로정보사회의불가결한인권으로인식될것이다. 生貝直人, 自律 分散 協調社会とデータポータビリティーの権利, 経済産業省分散戦略ワーキンググループ第 6 回, , 24 面. 10) EU 의회의슐츠전의장은 2016 년 1 월유럽의 CPDP( 컴퓨터, 프라이버시, 개인정보보호 ) 컨퍼런스에서다음과같이말했다. 만일개인정보가 21 세기의가장중요한상품이되고있다면자신의정보에대한개개인의소유권을강화하는것은정치인과사법부의임무이다. 이러한상품에아무도대가를지불하지않고이용만하려드는상황에서디지털자이언츠가새로운세계질서를형성하는것을허용하여서는아니된다. 21

22 이러한유럽인들의심리는 EU의개인정보보호규정 (General Data Protection Regulation; GDPR EU회원국내법률로서발효 ) 에정보이동권 (Right to Data Portability; RDP) 을규정함으로써구체화되었다. 11) 만일정보이동이안된다면어느한사람의개인정보는특정정보처리자의서버에갇혀 (lock-in) 있거나다양한사업자와정부기관에분산보관될것이다. 인터넷환경에서는구글과페이스북, 애플, 아마존 12) 사례에비추어플랫폼기업에정보가집중될것임이명약관화하다. 특히인공지능, IoT, 빅데이터, 로봇등에의한 4차산업혁명시대에플랫폼을장악한거대 IT기업에정보가집중되는상황은가상공간뿐만아니라이러한정보가이용되는제조업, 의료및교통서비스산업, 사회전반에걸쳐중대한영향을미치게될것이라는점은쉽게짐작할수있다. 이에따라 EU에서는주로미국계 IT 플랫폼기업에대한데이터시장을탈환하기위한무기로 EU내유통정보의역내보관을의무화하기보다 13) 정보이동권을강조하고나왔던것이다. 그리고일부동남아국가에서는자국내하이테크경제활동을촉진한다는의도하에로칼 콘텐츠를요구하고해외콘텐츠에대해서는높은세율을부과하기도한다. 이를테면 디지털 중상주의 (Digital Mercantilism) 의도래라할만하다. 14) 다. 공정과세의실현 다국적 IT기업들이국내에서엄청난광고수입을올리면서도세금을내지않거나아주적은금액만납부하는행태가많은나라에서문제가되고있다. 2013년 5월 EU 정상회담에서도다국적기업의조세회피문제를거론하고 EU 차원에서공동대처하기로의견을모았다. 실제로프랑스정부는구글, 페이스북, 아마존과같은 IT기업에대해수익이아닌매출액 (turnover) 기준으로과세하기로한바있으며, 2017 년 9월 EU 집행위에서도다국적 IT기업들이현지법인 11) GDPR Article 20 and para. 68 of Preamble. 박훤일, 정보이동권의국내도입방안 - EU GDPR 의관련규정을중심으로, 경희법학제52권 3호, , 면참조. 12) 세계정보유통시장의플랫폼을지배하는이들 IT 기업의머리글자를따서 GFAA 라고부른다. 13) EU 의데이터보관지침 (EU Data Retention Directive, Directive 2006/24/EC) 은 2014 년 4 월유럽사법재판소 (Court of Justice of the European Union; CJEU) 로부터사생활에대한기본적인권및개인정보보호를광범위하고심각하게침해하므로소급하여위법무효라고선고받았다. Covington & Burling, EU Data Retention Directive Declared Invalid by CJEU, Inside Privacy, April 8, < 14) Stuart Lauchlan, Data localization rules damage the global digital economy, says US tech thinktank, Diginomica, May 3, < -says-us-tech-thinktank/> 22

23 같은물리적실재가없다는이유에서일반기업의 23.2% 에비해크게낮은 10.1% 세율의법인세만납부하는것을시정하기로방침을굳혔다. 15) 애플과구글같은 IT기업들은이른바 Double Irish with Dutch Sandwich 전략 16) 을구사하여미국외매출에대한원천지과세를회피해온것으로알려져있다. 이러한실정에비추어정교한세법규정을갖추지못한동남아국가에서는세계적인검색 사회관계망서비스 (SNS) 운영기업에대해자국내에서버를두도록하고이를근거로과세하는방법을택하고있다. 우리나라에서도구글은유한회사인구글코리아가소규모벤처기업으로분류되어있어외부감사나, 매출액을공시할의무가없다. 2016년중구글은우리나라에서구글플레이앱을통한유료앱판매액과유튜브동영상광고매출, 검색광고료등으로 2조원이상의매출을올린것으로추정된다. 그럼에도한국내구글매출액은광고판촉만벌이는구글코리아가아닌법인세가낮은싱가포르소재구글아시아퍼시픽의수입으로잡히며, 최종적으로는법인세율이낮고조세감면혜택도많은아일랜드에서세금을내는것으로되어있다. 정부는 2017년 1월구글을비롯한다국적기업의현지세금회피를막기위해비상장유한회사의경영내용을공시하도록하는관련법개정안을발의했지만법안심리는무기한연기된상태이다. 17) 그러나현지에서버를구축하게하는 FLMs 정책이단기적으로는데이터센터의설치, 정보통신기술직채용의증가를가져와지역경제에도움이될수있을것이다. 그러나장기적으로는정보흐름의단절은외국인투자의욕을저상시키고유망한프로젝트에대한외국기업과의협력사업을방해하는등역효과가더크다는비판도만만치않다. 18) 15) The Guardian, EU to find ways to make Google, Facebook and Amazon pay more tax, 21 September < 16) 구글 ( 부터는지주회사인알파벳 ) 은아일랜드에자회사를설립한후연구개발비의일부만받기로하고지적재산권을자회사에이전한다. 이자회사는직접영업을하지않고 100% 자회사를만들어지재권을사용하는영업을유럽과아프리카에서수행하도록한다. 이때네덜란드에세번째자회사를만들어지재권의사용과그사용료를중개하는역할을맡긴다. 아일랜드세법및조세조약에따라 EU 역내의모회사나자회사에지급한사용료에대해원천과세를하지않는것을이용한편법이다. 그결과대부분의국외영업이익은구글이아일랜드에처음만든자회사에쌓이지만아일랜드세법상미국본사 ( 버뮤다에설립된또다른구글자회사 ) 의지배를받는비거주자로취급되므로아일랜드에서법인세를신고납부할필요가없는것이다. 안종석, 다국적 IT 기업의조세회피행태와시사점 ; 애플 구글의사례를중심으로, 재정포럼 , 8 10 면. 17) 조선일보, 한국게임으로 1 兆챙긴구글 세금은 ' 깜깜 ', ; Insight, ' 구글 ', 국내서 2 조버는데세금은한푼도안낸다, < 18) Albright Stonebridge Group, Data Localization, p.7. 23

24 라. 국내기업의역차별방지 우리나라의경우한 미 FTA에서미국은행고객의금융거래정보를해외에서처리하는문제를둘러싸고논란이많았다. 그결과한 미 FTA 제13부속서에서각당사국은상대국의금융기관이일상적인영업과정에서개인정보의처리가요구되는경우그의처리를위해자국영역안과밖으로정보를전자적또는그밖의형태로이전하는것을허용하기로했다. 다만, 금융정보의해외이전을허용한다고하여금융정보의생성 저장을위한 IT 설비, 금융전산망등본질적요소들의해외이전까지허용하는것은아니다. 19) 한편구글은구글맵제작을위해 2007년부터공간정보의반출을줄곧요구해왔다. 2016년에도정식으로공간정보반출을요청하여외국인투자담당부처에서는긍정적인의견을보였으나 20) 최종적으로국가안보에지장을줄수있고, 이를허용하면엄격한보안규정을적용받고있는국내기업들에대한역차별이된다는이유에서국내서버설치를조건으로내걸었다. 그러나해외의클라우드서비스를이용하고, 앞서설명한바와같이글로벌한관점에서세금을줄이려는구글측이이를거부함으로써그해 11월최종불허결정이내려졌다. 21) 마. 클라우딩서비스의이용추세에서 U 턴 세계적인데이터로컬라이제이션추세와는반대로우리나라에서는클라우드컴퓨팅의도입은이제거스를수없는대세가되었다. 22) IT 기업은물론가장보수적인은행들도클라우드도입에적극적이다. 인공지능 (AI) 과사물인터넷 (IoT), 빅데이터등클라우드인프라및플랫폼이각광을받으면서클라우드도입율도현재의 20% 대에서크게높아질것으로보인다. 23) 아마존같은해외클라우딩서비스업체를이용할경우데이터는해외에소재하는서버에보관될것이다. 19) 박훤일, 개인정보의국제적유통에따른법적문제와대책, 집문당, 2015, 면. 20) Google Maps 가전세계적으로관광산업및무인자동차사업에널리이용되고있음에비추어공간정보분야국내기업의경쟁력향상과외국인투자를통한기술제휴및협업을기대할수있다는의견도있었지만, 그효과는일부하청업체에만해당되고장기적으로는기술종속의우려가있다는반론도만만치않았다. 오마이뉴스, 구글의지도국외반출요구에포털 네비업체 역차별 반발, < 21) 2016 년 11월 18일경기도수원국토지리원에서열린기본측량성과국외반출협의체 3차회의에서협의체는국가안보를이유로구글의기본측량성과반출요청에대해불허결정을내렸다. 22) 일반적으로외국에있는클라우드컴퓨팅서비스업체의약관에동의하는방식으로서비스이용이개시되나개인정보가포함되어있는경우에는개인정보보호법, 정보통신망법과관련하여주의를요한다 ( 클라우드컴퓨팅발전및이용자보호에관한법률제 4 조 ). 23) 디지털데일리, [ 주간클라우드동향 ] 2017 국내클라우드도입, 어디까지왔나, < 24

25 금융권에서도챗봇과같은 AI 기반신기술수용사업을클라우드기반에서운영하는사례가늘고있다. KB국민은행의경우 2017년 9월에오픈한대화형뱅킹플랫폼 리브똑똑 에아마존웹서비스의인프라를이용하고있으며, 신한금융그룹도오는 11월부터아마존의음성인식 AI를통해파일럿서비스를개발하기로했다. 제조업체들은스마트팩토리와관련하여, 의료부문은정밀의료나원격진료등여러분야에서클라우드서비스및기술의도입을적극검토하고있다. 클라우드주무부처인과학기술정보통신부에서도전국산업단지에입주한기업을대상으로다양한클라우드서비스요금을최대 70% 까지지원해중소규모제조기업의경쟁력을높이기로했다. 조달청나라장터의종합쇼핑몰에도 2개의클라우드인프라서비스 (IaaS) 가정식등록됨에따라 24) 클라우드서비스가확대될전망이다. 이에따라국제적인정보유통에로컬라이제이션이라는장벽이설치된다면경제적으로심각한타격을주게될것임이틀림없다. 미국의 IT분야씽크탱크인 ITIF (Information Technology and Innovation Foundation) 에의하면미국에서는데이터로컬라이제이션의결과 GDP가 % 줄어드는효과가발생할것으로전망했다. 이미데이터현지화법을시행하고있는브라질, 중국, EU, 인도, 인도네시아, 한국, 베트남에서도정도의차이는있지만 GDP가 % 감소할것으로내다보았다. 25) 3. 주요국의사례 이하에서는위에서설명한정책적동기에비추어우리나라가참조할수있는데이터현지화 를의무화하고있는중국, 베트남, 인도네시아, 인도, 러시아등의 FLMs 규제현황과대응책을 살펴보기로한다. 24) IaaS (Infrastructure as a Service) 란서버, 네트워크장비, 스토리지등인프라자원을구매하지않고인터넷을통해서비스형태로임대해이용하는서비스를말한다. 조달청의종합쇼핑몰나라장터에는 NAVER 비즈니스플랫폼과케이티가 IaaS 를클라우딩으로제공하는데이를이용하려면 KISA 가발급하는보안인증을받아야한다. IaaS 사용료는서비스를사용한만큼청구되며, 웹방화벽, 데이터관리시스템 (DBMS), 백업등부가서비스도함께제공된다. 전자신문, 나라장터에서인프라클라우드서비스이용하세요, < 25) Stuart Lauchlan, op.cit., < 25

26 가. 중국 1) 규제의현황 중국은거대한인구를기반으로알리바바, 바이두, 탄센트와같은세계적인 IT 대기업을둔나라이지만개인정보보호에관한한국제적인흐름에크게뒤져있다. 그런데스노든사건이후중국정부가국가안보법 ( 國家安全法 ) 과테러방지법의제정을서두르면서개인정보보호관련규정을마련하여주목을받았다. 지금까지개인정보보호를위한포괄적인법규정이시행된적이없기에이들법안에들어있는개인정보보호에관한규정과다른한편으로는이를제약하는규정들이관심을끌었다. 중국의입법기관인전국인민대표대회 ( 全國人民代表大會 ) 26) 는 2016년 11월 7일인터넷에대한통제를강화하고네트워크설비와시설, 정보데이터등에관한보안조치등을망라한네트워크안전법 ( 中國網絡安全法, PRC Cybersecurity Law) 을채택했다. 새법률은준비기간을거쳐 2017년 6월 1일부터시행되었다. 27) 미국의스노든사건이계기가되었지만사이버보안을이유로국가기관에대한정보제공및기술협력의무, 데이터의로컬라이제이션등개인정보보호가뒤로밀리는현상이벌어지게된것이다. 네트워크안전법의초안은 2015 년 6 월발표되었고, 이후두차례의심의및의견수렴과정 을거쳤다 년 6 월진행된제 2 차심의및의견수렴과정을거친최종안에는인터넷범죄에 대한처벌내용을담은 4 개조항이추가되었으며, 이후최종안은수정없이통과되었다. 2) 주요내용 1 중국의네트워크안전법과개인정보보호이슈네트워크안전법의입법취지는인터넷공간의주권과국가안보의유지, 공민과법인및기타조직의합법적권익을보호하기위한것이다. 이법은사이버공간에서의프라이버시와보안관련사안에대해포괄적으로다룬중국최초의법규라는점에서의의가있다. 개인정보를비롯한데이터의보안을강화한측면도있으나시민들의온라인활동에대한감시및해외기업에대한차별을가져올수있는규정을포함하고있다. 26) 중국전국인민대표대회는중국의형식상최고권력기관으로서 22개성 자치구 직할시, 홍콩 ( 香港 ) 마카오 ( 澳門 ) 특별행정구 ( 特別行政區 ), 인민해방군에서선출되는대표로구성된다. 27) 개인정보보호포럼 한국인터넷진흥원, 지능정보사회선도를위한개인정보보호이슈및동향,

27 중국네트워크안전법은중국내정보통신망의구축 운영 유지보호 사용및그의보안에대한감독및관리와관련된사항을규정하고있다. 이에따라개인컴퓨터를비롯한정보단말기부터온라인서비스제공기업에이르기까지인터넷과관련된제반영역이규제의대상이다. 네트워크안전법은 총칙 ( 总则 ), 네트워크보안전략 기획 촉진 ( 网络安全支持与促进 ), 네트워크운영보안 ( 网络运行安全 ), 네트워크정보보안 ( 网络信息安全 ), 모니터링경보와응 급조치 ( 监测预警与应急处置 ), 법적책임 ( 法律责任 ), 부칙등총 7 장 79 조로구성되어있다. 네트워크안전법은 핵심정보통신기반시설 ( 關鍵信息基礎施設, Critical Information Infrastructures; CII) 운영자에게엄격한책임과의무를부과하고있다. 이법제31조에서 핵심정보통신기반시설 이란에너지, 교통, 수리시설, 금융, 의료, 방송, 공공서비스, 전자정부등국가중점시설분야와네트워크의기능파괴또는데이터유출시국가안전과공공이익에영향을미치는정보통신시설을의미한다 고정의하였다. 주요정보통신기반시설의운영자는각종보안심사와안전평가를받아야하며, 제37조에서는중국에서의사업수행과정중수집되거나창출된중국국민들의개인정보 (Citizens' Personal Information) 와중요데이터 (Important Data) 는반드시중국현지에소재한서버에저장하도록의무화하고있다. 그러나합법적인사업상의이유로인해이같은데이터를중국외부에있는해외법인이나조직등에게제공해야하는경우에는중국의사이버보안관리당국및중국국무원이공동으로마련한보안평가 (Security Assessment) 28) 를거치도록했다. 2 네트워크안전법과개인정보보호관련사항 네트워크안전법은중국정보통신산업부 (MIIT) 가 2011년 12월정보통신망보호규정을제정한이래정부차원에서추진해온개인정보보호의원칙을법률로써구체화한성과물이라할수있다. 29) 특히개인정보보호와관련하여다음사항들을규정함으로써개인정보보호에관한의지를표명하고있다. 28) 네트워크안전법에는보안평가의의미와구체적인내용이명시되어있지않다. 당초데이터현지화의무도국내외비판이일자모든네트워크운영자에서 CII 로범위를좁혔는데최종시행시기도 18 개월연기한것으로알려졌다. Adam Golodner, et al., China's New Cybersecurity Law Imposes Heightened Restrictions on Company Computer Networks, Arnold Porter Kaye Scholer, July 20, ) Graham Greenleaf and Scott Livingston, China s Cybersecurity Law also a data privacy law?, Privacy Laws & Business International Report, December 2016, p

28 네트워크운영자가법규를위반하거나개인정보수집 이용과관련한계약사항을위반한경우정보주체가해당운영자에게개인정보의삭제를요구할수있고, 수집되거나저장된정보에오류가있을때에는이에대한수정을요구할수있다 ( 제43조 ). 개인이나조직은개인정보획득을목적으로불법적인수단을동원하거나개인정보를절취해서는안되며, 개인정보를제3자에게불법적으로판매하거나불법적으로제공해서는안된다 ( 제44조 ). 네트워크보안감사및관리의무를가진조직이나담당자는업무과정에서획득한개인정보와상업적비밀정보에대해엄격한보안을유지해야하며제3자에게이를누설, 판매또는불법적으로제공해서는안된다 ( 제45조 ). 이법은기존법령에비하면진일보하여, 이른바글로벌스탠더드라할수있는개인정보침해사실의이용자에대한고지의무를규정하였고벌칙도다소강화되었다. 그러나이용자의정보열람권, 정보의질 (quality) 이나민감정보에관한규정은빠져있으며, 개인정보보호와감독을담당하는국가기관도명시되어있지않다. 30) 더욱이중요정보의국내처리 보관을의무화하고정보의반출을규제하고있어국제적인흐름에역행하고있다. 입법취지를보더라도네트워크안전법은온라인상에서의검열과통제를크게강화하고있으며, 인터넷활동에대한정부의개입을합리화하고있는것이특색이다. 네트워크안전법은인터넷서비스제공업체에대해온라인서비스를제공하는계약관계를맺을때반드시실명정보 (Real Identity Information) 를요구하도록했다. 인터넷서비스제공업체등이당국에기술제공과수사에협력하도록의무화하고, 사용자가게시한정보에대한관리를강화해불법정보발견시전송중단, 제거, 확산방지, 기록보관등의조치를수행하고유관기관에보고하여야한다. 인터넷서비스제공업체는수사기관에대해의무적으로협조하도록했으며주관부처는국가안보, 사회질서유지등을위해인터넷서비스제공업체에게그사용을제한하는임시조치를내릴수있다. 네트워크로그기록은데이터보관규정에따라 6개월이상보관하여야한다. 30) Ibid., p

29 국가는네트워크운영자들이네트워크안전에관한정보를수집 분석 신고하고대응능력을증진함에있어서상호협력하는것을지원한다. 네트워크안전법은법적책임을규정하는제5장에서법인이나이와관련된책임자가해당법률조항을준수하지않을경우경고, 과징금부과, 부당이익환수, 영업정지, 사업면허박탈등의처벌을가할수있도록규정하고있다. 네트워크보안책임등을이행하지않은경우 1만위안 10만위안의과징금이부과되며, 직접적인관리책임자에대해서는 5천위안 5 만위안의과징금이부과된다. 그밖에제59조부터제75조에서는다양한상황에대한법적책임을부여하고그에상응한과징금을규정하고있다. 3 중국의네트워크안전법과데이터의로컬라이제이션이슈시진핑정부에서는사이버보안을강조하면서개인정보의국내보관 처리를의무화할것으로예견되었다. 연혁적으로중국정부는국가기밀이나일정한금융정보, 의료정보같은민감정보는외국으로이전하거나외국에보관하는것을금지시켜왔다. 명백히데이터의국내보관 처리를의무화한것은아니었지만그러한효과를가져오도록만들었다. 최근들어서중국정부는적극적으로광범위한개인정보법제의중요한구성요소인전자정보의국내보관 처리를의무화하고있으며, 이러한취지로네트워크안전법규정이마련되었다. 중국이이처럼민감하게반응한것은에드워드스노든이미국정보기관의 PRISM 첩보수집을폭로한것을계기로중국공산당이사이버보안을강조하였기때문이다. 그당시만해도국가의기간전산망이외국업체에의존하는사례가적지않았다. 스노든폭로를계기로중국은인터넷정책결정기구를정비하고시진핑주석을위원장으로하는중앙사이버보안및정보화지도소조 ( 中央网络安全和信息化领导小组, Central Leading Group for Cybersecurity and Informatization) 를설치하였다. 인터넷정책을총괄조정하는중앙정부조직 ( 国家互联网信息办公室, Cyberspace Administration of China; CAC) 도만들었다. 그러니이들정부조직이사이버주권을강조하면서영토안에서전송되는인터넷콘텐츠를감독하고통제하는권한을갖는것은당연한귀결이었다. 그러니인터넷정책은국내에서외국기술이안전하고통제가능할것을요구함과아울러정부의통제와감독을기반으로하는것이었다. 그중심은인터넷정보를국외로이전하는것을금하고국내에보관하도록하는정보처리의로컬라이제이션이었다. 29

30 전통적으로중국의인터넷법령은정보의국외이전을금하고일정한민감정보는국내에저장하도록했다. 중국국가기밀법 ( 国家机密法, China Secrets Law) 에서광의로정의되는국가기밀 (State Secrets) 의국외이전은금지되었다. 최근에는산업별로특화된규정이신설되어다른유형의민감정보를여기에포함시켰다. 중국인민의개인신용정보의해외처리 저장을금지하는 2011 년은행및금융기관의 개인정보보호를촉구하는중국인민은행통지 31) 은행업무의사이버안전보장능력과정보화건설수준을향상시키도록하는안전하고 제어가능한정보기술을응용한은행업네트워크보안및정보화건설강화에관한지도의견 32) 개인정보의국외이전에정보주체의동의를요하는 2013 년자율적가이드라인 33) 중국에서수집된인구건강정보의국외저장을금지하는 2014 년전인민건강정보관리 조치 34) 4 중국의 FLMs 규제에대한외국의반응 2014년테러방지법에서도국내에서의정보처리및보관을요구하였다. 이에따르면인터넷콘텐트제공자, 즉웹사이트또는스마트폰앱은정부가접속할수있는백도어 35) 를만들고비밀암호키를공안당국에제출하도록했다. 더욱이이법안에서는이들사업자가중국내에서버를설치하고국내이용자들의모든데이터를보관하도록했다. 그러자새법률안의의무사항은외국정부나무역단체의반발을불러일으켰다. 미국의오 바마대통령은시진핑주석과회담할때심각한우려를표명했다. 이에따라중국정부는 2015 년 12 월에제정한테러방지법 ( 恐怖活动防止法, PRC Anti-Terrorism Law) 에서는논란이 31) 中国人民银行关于金融机构进一步做好客户个人金融信息保护工作的通知 (Notice of the People's Bank of China on Urging Financial Institutions to Further Effectively Protect Clients' Personal Financial Information) ) 2014 년 9월중국은행업감독관리위원회 (CBRC), 국가발전개혁위원회, 과학기술부, 공업정보화부가공포한关于应用安全可 控信息技术加强银行业网络安全和信息化建设的指导意见 ( 文書番号 : 銀監発 [2014] 39 号 ) < /govview_115696b a0b880dab133a33.html> 33) Information Security Technology Guidelines for Personal Information within Public and Commercial Services Information Systems ) 人口健康信息管理办法 - 试行 (Measures for Administration of Population Health Information Trial Implementation) ) 백도어란제품, 컴퓨터시스템, 암호시스템등에서정상적인인증절차를우회하여정식승인을받지않고시스템에접속하는것을말한다. 30

31 많았던일부조항을삭제하거나수정했다. 최종적으로데이터의국내보관 처리조항이전부빠졌고, 암호화요건도완화되어공안당국이요청하면인터넷콘텐트사업자가암호화키를곧바로제공하는대신기술적지원을하도록완화했다. 네트워크안전법에서도정보의국내보관 처리를의무화하는조항이들어갔다. 테러방지법에서이러한조항이빠졌으나전국인민대표대회에서는네트워크의안전을도모하고사이버공간에서의주권을확보하기위해서는중요정보의국내보관 처리가긴요하다고여겼다. 그리하여중요정보인프라 (CII) 운영자는중국국내에서운영하고수집 생성된개인정보및중요데이터는중국국내에서보관하도록하고, 업무의필요성에서국외로의제공할필요가있는경우국가네트워크정보부문은국무원관련부서에서제정한방법에따라보안성평가를받도록했다. 법률, 행정법규로별도의규정이있는것은그규정에따른다 ( 제37조 ). 하지만막판에이조항의시행시기를늦춘것으로알려졌다. 네트워크운영자는치안및국가안전담당기관이법에의하여국가의안전유지또는범죄수사활동을함에있어기술적지원과협력을하여야한다 ( 제28조 ). 그밖에온라인출판, 자동차함께타기 (ride sharing), 인터넷지도서비스, 인터넷뱅킹 증권서비스도관련규정에따라이용자의개인정보를중국내에보관 처리할것을요구하고있다. 요컨대중국네트워크안전법은온라인데이터의해외이전및저장에대한제약 (FLMs) 을강화하고개인정보보호를위한규정을명시한점에서주목된다. 중국정부는스노든의폭로로드러난사이버위협의증가추세를이유로사이버보안강화및온라인정보에대한주권강화의필요성을역설하고있다. 이것은현재도중국정부가사이버공간에서취하고있는여러조치들의법적인근거를마련한것이라볼수있다. 개인정보보호와관련하여글로벌스탠더드에따라정보주체의권리를명시하는등진일보한측면도있으나개인의정보통신망에서의활동에대하여정부의검열을강화하겠다는의지를표명하고있다. 중국내정보통신망을통해세계최대의온라인시장에접근하려는외국의기업들로서는여러채널을통해 FLMs는기업활동을크게제약하고중국경제의발전에도유익하지않다는점을설득하는한편 36) 이법률의주요개념과규제 시행에관한사항, 그에따른효과를관심있게지켜볼필요가있다. 36) 野村総合研究所, EU との規制協力 : サイバー空間及び IoT に係る規制等に関する調査報告書, , 14 面. 31

32 나. 베트남 1) 규제현황 베트남에서는다음과같은법령에의하여서버의국내설치의무가규정되어있다. 1 인터넷통화, SM 서비스의제공및이용의관리에관한규정 (OTT 통달 ) 2013년이후인터넷을이용한통화 메시지 (Over the Top; OTT) 37) 서비스가발달함에따라정보통신부가처음으로 OTT에대한규제를도입하기로했다. 업계의의견수렴도끝났으나아직정식으로조문화되어되어있지는않다. 현지 OTT 사업자와단체들이일관되게반대를하고있어통달의시행여부는불투명한실정이다. 통달의주요내용은다음과같다. 38) 있다. 국내법인은 OTT 서비스사업인가를받은경우에한하여유상으로서비스를제공할수 유상의 OTT 서비스를제공하는해외사업자는 (i) 유상으로 OTT 서비스제공에관한사업인가를취득한베트남국내사업자와계약을체결하거나 (ii) 베트남국내에최소한하나의호스트서버를설치하고유상으로 OTT 서비스제공에관한사업인가를취득한베트남국내의사업자와업무협약을체결하여야한다. 무상으로 OTT 서비스를제공하는사업자는국내 / 해외사업자와사업인가를취득할필요가없으나서비스가입이용자수가 100만을초과하는경우에는그사업자는정보통신부 (MIC) 에대하여본사의소재지, 도메인이름, 호스트서버의주소, 취급통화 / 메시지수등의정보를제공하여야한다. 인터넷서비스제공자는 OTT 서비스제공자와그이용자를방해해서는아니된다. 2 정보기술서비스정령 베트남정보통신부 (MIC) 가 IT 기기 서비스에대한승인 등록, 데이터의현지보관을의무화 하는정령의제정을추진하고있다. 37) Over the Top에서 Top은 TV셋톱박스같은단말기를뜻하므로 OTT는셋톱박스같은단말기를넘어서서인터넷과모바일을이용한영화 방송 교육등각종미디어콘텐츠를제공하는서비스를말한다. 38) 노무라종합연구소, 앞의보고서, 15 면. 32

33 3 정령 72 호 (No.72/2013/ND-CP) 베트남에서는 2013년정령 72호에따라일반웹사이트나사회관계망웹사이트를서비스하는사업자는베트남에감독당국의검사를받는하나이상의서버를두어야한다. 39) 데이터보관의요건은일반웹사이트의경우적어도일반정보를사이트에게시된날로부터 90일간, 처리된정보의로그기록은 2년이상보관하여야하며, 사회관계망웹사이트의경우계정및로그인-로그아웃시간, 이용자의 IP주소, 처리된정보의로그기록을 2년이상보관하여야한다. 그리고테러, 범죄, 위법행위와관련이있는이용자에대해서는관할행정청의요구가있으면그의인적사항과사적인정보를제공하여야한다. 40) 2015년에는공개정보의국경간제공을규율하는통달 41) 의시안이공표되었다. 여기서공개정보의국경간제공이란외국의기관, 기업또는개인이외국에하드웨어를설치하거나외국의클라우딩서비스를이용하여베트남국내이용자에대하여뉴스웹사이트, 소셜네트워킹, 검색엔진, 이용자가열람또는다운로드할수있는공개정보에관한앱또는그와유사한것을제공하는것을말한다. 이에따라뉴스사이트, 검색엔진등을국외의하드웨어또는클라우딩서비스를통해운영하는경우, SNS 가입회원이 5천명을넘을경우에는법적인대표자를베트남국내에두어야한다. 예외적으로순전히상업적인웹사이트로서특성화된응용 (specialized application) 사이트인경우에는데이터처리및보관의현지화의무가없다. 통신, 정보기술, 방송, 텔레비전, 상거래, 금융, 은행, 문화, 헬스케어, 교육기타일반적인정보제공이아닌전문분야에속한웹사이트가이에해당한다. 42) 2) 국내외의반응 베트남 IT 업계에서는정부의현지화정책에반대의입장을분명히하였다. 이러한규제는베 트남산업의경쟁력을떨어트리고규제가없는싱가포르등지로떠나기때문에산업공동화가 39) 정령 72 호의적용범위는아주광범위한바, 베트남에서등록하고운영하는기업은물론베트남밖에소재하더라도베트남이용자들에게서비스를하거나베트남어로서비스하거나, 베트남도메인주소 (.vn) 를쓰거나베트남과어떤형태로든관련이있는사업자들이그에해당한다. 40) Scott Livingston and Graham Greenleaf, Data localisation in China and other APEC jurisdictions, Privacy Laws & Business International Report Issue 143, October 2016, pp ) Draft circular on detailed regulation on cross border provision of public information(no.72/2013/ ND-CP) 42) Livingston and Greenleaf, op.cit. 33

34 우려된다는의견을내놓았다. 이와관련하여구글, 이베이등미국계대형 OTT 사업자들도 맹렬히반대로비를펼치고있다. 다만, 현지법인의설립을의무화하는것에대하여외국의 OTT 사업자들이납세를회피하려고반대하는게아닌가하는의혹을사고있다. 43) 요컨대베트남의 FLMs 조치는크게국방과사상통제, 과세, 국내산업의육성세가지측면에서살펴볼필요가있다. 국방 사상통제에관하여는국방부가적극적인반면정보통신부, 산업무역부에서는베트남경제에도움이되지않는다는이유에서이에소극적이다. 과세문제는비단베트남에한하지않고국가간의전자상거래전반에관하여제기되고있으므로국제적논의의추이를보아가며해결될전망이다. FLMs와관련산업의육성은산업공동화를초래할수있다는점에서특히주목을요한다. 베트남에진출하려는국내기업이늘어나는추세인만큼우리정부차원에서도기술및자금협력을함에있어서 FLMs가상호간에득이안된다는것을설명하고베트남측의양해를구해야할것이다. 다. 인도네시아 1) 규제의현황 1 전자시스템과거래조직에관한규정 (2012 년정부규정제 82 호 ) 44) 인도네시아 2012년정부규정제82호에따르면공공서비스전자시스템관리자는데이터센터를법집행및국가주권의보호와집행을목적으로반드시인도네시아국내에두어야한다. 공공서비스와관련된정보외에도건강정보는보건부장관이관리하는데이터센터와연결되어있는국내의데이터센터에서처리해야한다. 보건부장관의허가가있으면외국에서도처리할수있다. 이러한현지화정책은경제발전에도움이안된다는반론도있었으나공공의이익을위한것이라는주장에묻혀버렸다. 45) 2 통신정보부규정 (2015 년정부규정제 27 호 ) 46) 4G 스마트폰에대하여 30 40% 의로컬콘텐츠를싣도록하였다. 이규정에의하면인도 43) 베트남에서서버의현지설치의무화등 FLMs 에관한집행사례는아직없다. 노무라연구소, 앞의보고서, 18면. 44) Organization of Electronic Systems and Transactions Regulation(82/2012) 45) Livingston and Greenleaf, op.cit. 46) Regulation No. 27 of 2015 regarding Technical Requirement of Equipment and/or Telecommunication Devices in Long Term Evolution Technology Basis(Permenkominfo 27/2015) 34

35 네시아에서제조 이용또는수입된 LTE 제품에대하여다음과같은로칼콘텐츠요구를충족하여야한다. 기지국의송신기는 30%, 스마트폰수신기는 20% 에서시작하여 2017년부터는각각 40%, 30% 로인상되었다. 여기서로칼콘텐츠는소프트웨어를포함하므로 ( 예컨대스마트폰의프리인스톨소프트웨어 ) 현지업계는반기는분위기였다. 3 개인정보보호법 2015년 7월정부기관에대한개인정보보호규정이공포되었다. 인도네시아에서는개인정보보호에관한일반법은없고개별법령에개인정보보호에관한조항이들어있다. 일반사업자에대한규제는아직검토된바없다. 4 OTT 규정인도네시아에서도 OTT 서비스가발전함에따라정부가새로운규제를내놓았다. 외자계기업에관해서는 OTT 서비스를제공할때인도네시아국내에항구적시설 (BUT) 을설치할의무가부과되었다. 이는외자계기업의 OTT 서비스제공에따른영업수익에과세를하기위한것으로풀이된다. 2) 국내외의반응인도네시아의경우데이터현지화에관한법규정이복잡하고예외규정이많으므로현지기업들이많이참여하는업계단체를통하여사정을파악하는경우가많다. 아직은기업에대한 FLMs 집행사례도많지않다. 인도네시아정부역시과도한 FLMs는인근싱가포르등지로기업들이빠져나갈가능성을염두에두고있는것같다. 현지기업들은대체로정부의 FLMs 시책을지지하고있으며, 스마트폰의로컬콘텐츠요구에대해서도적극적으로받아들이고있다. 그러나외국기업을비롯하여일부현지기업들은해외의클라우드서비스를이용하여사업을벌이고결제를하는만큼지나친 FLMs에반대하는입장을보이고있다. 35

36 라. 인도 1) 규제의현황현재인도에명백히 FLMs와관련된법령은없다. IT산업을경제발전의한축으로인식하고있는인도정부가정보의국외이전에대한규제강화는관련산업의발전을저해한다고보기때문이다. 예컨대 M2M 로드맵을보면 2015년판에는데이터현지화와관련된기술이있었으나그최종판에서는그내용을수정하였다. 즉, 국가안보의관점에서인도국내의이용자들에게서비스를제공하는 M2M 게이트웨이나어플용서버는모두인도국내에설치할필요가있으나, 소규모의고객기반을가진 MSP로서는규모의경제를누릴수없고, 또한무역정책상의상호주의, 프라이버시, 비공개조건등다른나라에서도채택하고있는규칙에따르는것이좋다고하였다. 47) 2) 정보의자유로운국제유통을지향인도에서는오히려정보의자유로운유통 (data free flow) 을지향하는움직임이두드러진다. 인도의 IT법 (2000) 에의하면통신회사는인도국내에서의통신기록보관이의무화되어있다. 이는범죄수사등에있어서통신기록을참조할가능성이있기에인정된것이지다른나라에비해특별히이례적인것은아니다. 마. 유럽연합 (EU) 1) 규제의현황 1 제3국의적절한개인정보보호수준유럽연합 (European Union; EU) 에서역내에서데이터를보관 처리해야하는경우란개인정보이전대상인정보처리자가속한나라의개인정보보호의수준이 EU 기준에비추어적절하지못할때이다. 이에관한근거는 EU 개인정보보호지침 (Data Protection Directive 95/46/EC) 제25조및제26조이다. EU 회원국의개인정보감독기구들로구성되어있는개인정보보호작업반 (Article 29 Working Party) 에서는동규정에따른실무작업보고서 (Working Document) 48) 에 47) 노무라연구소, 앞의보고서, 24 면. 36

37 열거되어있는 12 가지기준 49) 에비추어적절한보호수준 (adequate level of protection) 인 지여부를평가하게된다. 이기준은 GDPR 제 45 조에도그대로반영되어있어 GDPR 시행 후에도정기적으로재심사를받는것외에는당분간계속적용될것으로보인다. 그러므로개인정보를수집하고이를보관 처리하는기업이라면 EU에서요구하는개인정보보호의안전대책 (safeguards) 을갖추지못한경우 50) 정보를역외로반출할수없으므로현지에서버를둘수밖에없다. EU 입장에서는 EU 역내시민들의프라이버시권을보장하고미국계다국적기업에의한정보의지배를막기위한고육지책이라할수있다. 스노든이폭로한대로미국정보당국이독일, 브라질등외국정상의통화를감청하고있었던상황에서다른대안이없었던것이다. 마침페이스북의아일랜드현지법인에서도유럽이용자들의정보를세이프하버협약에따라미국본사로전송하여처리하여왔는데유럽사법재판소 (CJEU) 는 2015년 10월쉬렘스사건 51) 에서 EU-미국간세이프하버협약을무효로선언하였다. 왜냐하면 EU 시민이페이스북에올린개인정보가미국내에서처리되는과정에서미국정보기관에제공될수있음을간과한협약은무효라고한것이다. 이에따라세이프하버협약을대체한프라이버시방패 52) 에서는미국기업이 EU 주민의개인정보를다룰때보다엄중한의무를지게하고미국정부기관도명백한안전조치와투명한처리를약속 53) 하게하는한편침해를입은 EU 시민에대한구제에만전을기하도록했다. 그리고 EU 집행위에서도프라이버시보호를최우선과제로내세워데이터의보관과소유 문제를다룰기관을설치하고새로운직책을만들었다. 디지털경제를담당하는귄터외팅어 48) EU Article 29 Working Party, Transfers of personal data to third countries: Applying Articles 25 and 26 of the EU data protection directive < 49) 12 개기준은다음과같다. 1) 기본원칙 1 목적제한의원칙 2 정보의질, 비례성의원칙 3 투명성의원칙 4 안전성의원칙 5 열람 정정 거부의권리 6 제 3 자전송제한 2) 추가기준 7 민감정보 8 다이렉트마케팅의제한 9 자동화된의사결정 3) 절차 / 집행 / 구제의방법 10 양호한수준의준수 11 정보주체에대한지원 12 피해자에대한적절한구제. 50) 이러한안전조치에는자율규제와표준계약서, 구속력있는기업규칙 (Binding Corporate Rules; BCRs) 등이있다. 미국은 EU 와세이프하버협약 (Safe Harbor Agreement) 에의하여이문제를해결하였으나쉬렘스판결로무효가선언됨에따라이를프라이버시방패 (Privacy Shield) 로대체하였다. 51) Court of Justice of the European Union, Maximilian Schrems v. Data Protection Commissioner, C-362/14, 6 October ) EU Commission, EU Commission and United States agree on new framework for transatlantic data flows: EU-US Privacy Shield, Press release, 2 February < 53) 미정부는국가안보목적이라고했으나 CJEU 는개인정보보호에대한예외사유는엄격히해석할필요가있다고보았다. 37

38 (Günther Oettinger) 집행위원은미국기업들로부터정보통제권을되찾는것이그의임무 라고공언하기도했다. 54) 2 잊힐권리 2014년 5월유럽사법재판소의또다른판결 55) 은다국적 IT 기업의유럽내콘텐츠를특별히관리할필요성을야기했다. 검색엔진의결과물이부적합하고부적절하거나더이상타당하지않은정보 (inadequate, irrelevant or no longer relevant information) 라면그의삭제를원하는이용자의요구를들어줘야한다는것이다. 56) 그결과구글은 1백만건이상의신청을접수하여독일, 프랑스등유럽도메인에서 40% 이상의정보를삭제하지않을수없었다. 프랑스정보와자유국가위원회 (CNIL) 는한걸음더나아가구글같은다국적검색엔진이잊힐권리를제대로보장하려면유럽내도메인뿐만아니라전세계의도메인에서관련정보를삭제해야한다고요구하고나섰다. 57) 2) 국내외의반응 EU에명시적으로개인정보의로컬라이제이션을요구하는법규범은없다. 그러나개인정보보호수준이 EU보다낮은제3국으로의개인정보유출이금지되는만큼복잡한허가절차를밟지않고역내에서버를설치하여개인정보를처리하고보관하는것도개인정보로컬라이제이션임에는틀림없다. EU에서는프라이버시권을기본적인권의수준으로파악하고있어개인정보보호의수준도다른나라에비해그만큼엄격하다고볼수있다. 그럼에도 EU 회원국들이세계경제에서차지하는비중이크기때문에 EU의기준에맞춰자국의개인정보보호법제를개선하고복잡한절차를거쳐서라도 EU로부터적정성평가를받고자하는나라 58) 가늘고있다. 이러한현상은 2018년 5월 GDPR 발효후에도멈추지않을것으로보인다. 이에따라 OECD의프라이버시 54) Albright Stonebridge Group, Data Localization, p.6. 55) Court of Justice of the European Union, Google v. Spain AEPD, C-131/12, 13 May ) 이것은 GDPR 제 17 조에 삭제권 (right to erasure) 또는 잊힐권리 (right to be forgotten) 로성문화되었다. 57) Albright Stonebridge Group, Data Localization, p.8. 58) EU 로부터적정성평가 (adequacy assessment) 를받은나라를 Whitelisted Countries 라부르거니와 2017 년 6 월현재역외금융센터포함하여 12 개나라가그판정을받았으며, 현재일본과한국에대한 EU 측의적정성평가작업이진행중이다. < 38

39 보호 8 원칙 59) 을충실히이어받은 EU 의개인정보보호의기준은오늘날개인정보보호에관 한한글로벌스탠더드의하나로자리잡게되었다. 바. 러시아 1) 규제의현황 러시아의블라디미르푸틴대통령은우크라이나사태이후러시아가서방세계에포위되었다는인식하에외세에영향을받지않고정치적인비판을잠재우기위해정보에대한통제를강화하고있다. 러시아정부는이러한정치논리에입각하여데이터로컬라이제이션정책을펴고있다. 러시아에서는연방산업기술 수출관리국 (Federal Service for Technical and Export Control; FSTEC) 에서정보통신인프라의안전, 러시아국내에서외국인의산업기술스파이활동단속, 국가기밀정보의보호, 정보통신기기의개발 제조 운용및폐기기술의정보보호, 수출관리등을담당하고있다. 국가안보에관한정책운용및부처간의조정 협력업무를수행하기도한다. FSTEC 는정부기관, 금융, 정보통신, 전력, 운수, 에너지, 방재등의시스템에이용되는기 술과제품에대한인증을담당하며, 요건을미비한경우에는제재를가하고집행기관을감사 할수있는권한을갖고있다. 60) 2) FSTEC 감독하의개인정보보관 FSTEC 는직접적으로 FLMs 의법령이나규제를수행하지는않지만, 정보시스템처리에있 어서개인정보의안전강화를위한조직적 기술적조건의확인에관한명령 ( ) 제 11 조에의하여개인정보의보호를목적으로정보시스템에대한검열을할수있다 년에공표된 EU 와의규제협력 : IT 전자분야에있어서제 3 국의규제에관한조사보고 서 에의하면연방법제 242 호 -FZ 61) 는러시아국민의개인정보는러시아국내에설치된데이터 59) OECD Guidelines on the Protection of Privacy and Transborder Flows of Personal Data (1980) < internet/ieconomy/oecdguidelinesontheprotectionofprivacyandtransborderflowsofpersonaldata.htm> 60) 노무라연구소, 앞의보고서, 27 면. 61) 연방법 No.242-FZ는정보통신망에의한개인정보처리절차조사에있어서개개의러시아연방법령의수정에관한연방법으로 2015년 9월 1일발효되었다. 39

40 베이스로관리하고, 데이터센터의소재를당국에신고하여야한다. 구체적으로초기데이터의수집, 기록, 시스템화, 축약, 집적, 갱신, 복구등의작업은러시아국내에설치된데이터베이스를이용하여야한다. 하지만개인정보를동시에러시아국외에서도보관하는것을막지는않고있다. FLMs를직접관장하는기관은전기통신 매스컴부산하의연방통신정보기술 매스미디아감독국 (Roskomnadzor, 이하 연방통신감독국 ) 이다. 러시아국내의서버에모든개인정보를수록한다면그와같은분량또는그보다적은분량의개인정보를국외의서버에보관하는것이금지되지는않는다. 요컨대러시아에있어서 FLMs는러시아국민의개인정보를국외에서관리하는것을금하는것은아니지만러시아정부의감독이미치는범위에서반드시개인정보를국내에보관하도록하고있는것이다. 62) 연방통신감독국은최근들어연방법규에따라러시아이용자의개인정보가해외데이터베이스에보관되고있는지, 이용자의동의를받았는지, 개인정보처리방침을제대로공시하고있는지단속과규제를강화하고있는데러시아내 SNS 서비스길이막힌 LinkedIn 사례가대표적이다. 63) 사. 그밖의나라들 1) TPP 체약국데이터보관 처리의현지화는널리보편화되는추세에있다. 인도네시아, 베트남뿐만아니라캐나다, 호주등지에서도개인정보보호법등은일정종류의정보는반드시국내서버에저장하고처리할것을의무화하고데이터를국외이전하는경우에는일정조건을충족할것을요구하고있다. 64) 미국의트럼프대통령이철회함으로써무산되고말았지만, 환태평양경제동반자 (Trans-Pacific Partnership; TPP) 조약에서도일부 APEC 회원국들은일정한정보의국내처리를의무화하고자하였다. 이와반대로유럽회의 (Council of Europe) 108호협약은체약국간의개인정보의자유로운 62) 노무라연구소, 앞의보고서, 28 면. 63) 연방통신감독국은 2016 년모스크바 Taganskiy 지방법원에 LinkedIn 을제소하여승소하였다. LinkedIn 은러시아내약 600 만명의회원이현지에서 LinkedIn 서비스를받지못하게됨에따라항소를하였으나항소법원은 1 심판결을그대로유지함으로서러시아내 LinledIn 접속은계속불가능한실정이다. Dmitry V. Nikiforov, et al, Russia 2016: Personal Data & Cybersecurity, D&P Client Update, Debevoise & Plimpton, February 14, ) Livingston and Greenleaf, op.cit.,pp

41 이전을규정 65) 하고있는바주요정보를국내에서보관 처리하라고하는것은무슨문제를 야기하게되는가? TPP 조약전자상거래편의제14.13조를보면 컴퓨터시설의소재지 (Location of Computing Facilities) 라는제하에각당사국이정당한공공정책목표를달성할수있도록컴퓨터시설의이용또는설치에대한제한을부과할수있음을예외적으로인정하였다. 그리고 TPP 회원국에서온서비스제공자가자국에서영업을하는조건으로자국내에있는컴퓨터시설을이용하거나설치할것을의무화하는것을금지하였다. 일견자국내정보의보관 처리는금지되고투자자-국가분쟁 (Investor-State Dispute) 에의해해결하도록하고있으나, 여기서의컴퓨터시설은상업적용도로제한하는데다광범한예외를인정함으로써금지를피할수있게하였다. 2) 한국 한국에서는정보처리자가개인정보를국외의제3자에게이전하려면정보주체의동의를받도록하고있다 ( 개인정보보호법제17조 3항, 정보통신망법제63조 2항 ). 그러므로정보통신망이용계약을체결함에있어약관상으로이용자, 즉정보주체의동의를받을수없다면예외사유에도해당되지않는한당해정보는국외의제3자에게이전할수없고국내에보관하여야하는것이다. 앞서구글맵과관련하여설명한바와같이한국정부 ( 국토교통부장관 ) 는국가안보나그밖에국가의중대한이익을해칠우려가있다고인정되는경우에는공간정보 ( 기본측량성과및기본측량기록 ) 를복제하게하거나그사본을발급할수없으며 ( 공간정보의구축및관리등에관한법률제 14조 3항 1호 ), 이경우기본측량성과를국외로반출해서도안된다 ( 동법제16 조 2항본문 ). 다만, 특정외국정부와기본측량성과를서로교환하기로하였거나 ( 동법제16 조 1항단서에의한상호주의 ), 국토교통부장관이국가안보와관련된사항에대하여과학기술정보통신부장관, 외교부장관, 통일부장관, 국방부장관, 행정안전부장관, 산업통상자원부장관및국가정보원장등관계기관의장과협의체 66) 를구성하여국외로반출하기로결정한경우에는예외로하였다 ( 동법제16조 2항단서 ). 65) CoE Privacy Convention Article 12(Transborder flows of personal data) 개인정보의국경간유통 (1) 각당사국은개인정보보호의한가지목적을위하여또는특별허가를얻는조건으로이협약의다른당사국의관할에속하는제 3 자에게개인정보를이전하는것을금지하여서는아니된다. 다만, 그당사국은지역적인국제기구에속하는국가들이공유하는조화를이룬보호규칙에구속된다면그리할수있다. 66) 이협의체에는 1인이상의민간전문가를포함하여야하는데, 새로개정된공간정보관리법제16 조의규정은 2018 년 4월 25일발효한다. 41

42 3) 오스트레일리아오스트레일리아에서는 나의건강기록 (My Health Records) 시스템 67) 관련법규정에의하면시스템운영자는등록된포털운영자또는등록된계약서비스제공자로서나의건강기록시스템의목적상그기록을오스트레일리아밖에서도보유하거나처리하는것이금지된다. 그러나시스템운영자는그정보가개인정보또는식별정보를포함하지않는다면이를국외에서보유하거나처리할수있다. 보건부홈페이지에서는나의건강기록이생성된곳에서건강기록이국내에보관되어야하며, 보건부에서는국민의건강기록이나개인정보를국외에서밝히지않는다고한다. 그밖의데이터처리의현지화를명시한규정은없다. 4. 개인정보현지화규제에대한평가 데이터를보관 처리함에있어서현지에있는서버를이용하도록요구하는것은정보기술의발전에역행하는처사이다. 국경이없는매체 (borderless medium) 로서개방적이고분권화된네트워크인인터넷의본질에반하다고할수있다. 정보는수요처를찾아유통하게마련이고이것을사이버공간의참여자들이신속하고적은비용으로실현가능하게만드는것이정보통신기술이기때문이다. FLMs 규제는개방적인인터넷의기능과자원을조각내고비효율적으로만드는것이다. 68) 특히신생기업 중소기업은외부클라우딩이나데이터센터의컴퓨터설비를빌려서영업을하는터에 FLMs 규제는적잖은타격이될것이다. 데이터로컬라이제이션은 IT산업의발전을위축시키고해당국가는물론글로벌한경제성장에도차질을빚게된다. 69) 다만, 개인정보보호의견지에서보호의수준이자국에비해뒤떨어지는나라에개인정보를포함한데이터의반출을일정조건하에불허하는것은프라이버시권이기본적인권으로보장하는오늘날에는당연한처사라볼수있다. 인터넷의특성에비추어정보가유통되는 67) 종전에개인적으로지배할수있는전자적건강기록 (personally controlled electronic health record) 시스템으로부르던것이다. 근거법률의명칭도 Personally Controlled Electronic Health Records Act. 68) Albright Stonebridge Group, Data Localization, p.3. 69) Ibid., p.9. 42

43 어느채널한곳이라도허점이있으면데이터의보안이제대로이루어질수없다는점에서나름대로정당성을갖는다. 그러나아쉽게도최근들어세를불리고있는개인정보로컬라이제이션에맞설수있는세력은단독이든연합이든가시화되지않고있다. 그만큼외국정보기관에의한감시 (foreign surveillance) 의우려, 개인정보보호의필요성이강조되고있는탓이다. 외국기업들이데이터현지화에반대하는것못지않게국내기업들은데이터현지화에따른이익을양보하려들지않고있다. 70) 그러나데이터현지화가많아질수록데이터이용자들은데이터이용범위가그만큼줄어들고제조업이나서비스업종사자들은유용한정보에대한접근기회를놓칠수있음을알아야한다. 만일현지정부가정보의자유로운유통을정치적인위협으로간주하고비민주적인목적을위해데이터를이용하거나가공하려들경우에는표현의자유나프라이버시마저침해될공산이크다. 5. 결론 오늘날개방된네트워크인인터넷을통해모든일이이루어지는시대에데이터의보관 처리의현지화를요구하는법제는일견모순되고시대착오적인것처럼보인다. 그러나이를시행하는각국의사정을들여다보면나름대로명분이있다. 우리나라도구글에대하여공간정보의제공을불허함으로써데이터로컬라이제이션국가리스트에올랐지만북한이장거리미사일과무인기를날리고있는작금의현실에비추어상세한지리정보를공개하는것은매우위험한일이아닐수없다. 다른한편으로해외여행을하면서스마트폰으로구글이제공하는지도및교통정보서비스 < 를이용해본사람이라면그러한공간정보가얼마나유용하며유통업이나관광서비스업등에부가가치를창출하는지체험적으로알게된다. 앞으로도래할자율주행차와드론의이용에는없어서는안될인프라가되고있다. 결국은서로충돌하는가치를놓고선택을해야하는문제로바뀌게된다. 어찌보면개방 협조 책임을앞세우는인터넷의속성을강조하는것이나정보의분절화 파편화를초래하는로컬라이제이션은원활한정보의국제유통을저해하므로바람직하지않다는주장 71) 은 70) Ibid., p.3. 43

44 피상적으로들릴수있다. 그보다는국가안보및공정과세에중점을두고다국적거대 IT기업에주도권을뺏기지않는데역점을두거나, 아니면시대적조류에맞게국내 IT산업을보호하고경제적실리를취하자는것이피부에와닿을수있다. 인터넷이세계의모든기업과개인이활발히참여함으로써그로인한시장이지속적으로확대되고이노베이션이촉발되었다는점을감안한다면이른바인터넷의발칸화 (Internet Balkanization) 72) 를몰고오는데이터로컬라이제이션은결코바람직하지않다는결론에도달하게된다. 일단세계경제의발전을도모할수있는국경간정보유통의원활화에목표를두고그에대한예외사유는그것이안보목적이든무엇이든엄격하게해석되어야한다. 그리함으로써장기적으로세계경제의고른발전을도모할수있고정보통신기술의발전을통해새로운시대를맞이할수있을것이다. 71) 월드와이드웹 (World Wide Web) 의창시자로알려진팀버너스 - 리 (Tim Berners-Lee) 는최근모두에게열려있는분권화된인터넷 (Re-decentralized Web) 이라는처음의구상을다시강조하고나섰는데, 그는인터넷의발전적미래상에대한최대의위험요소는이른바발칸화된웹의등장이라고말했다. 허진성, 앞의논문, 290 면. 72) 인터넷발칸화 (Internet Balkanization) 란인터넷이국가적으로지역적으로폐쇄된네트워크들로분열되는것을말한다. 19 세기말오스만제국이붕괴되는과정에서발칸반도가여러작은나라들로분열됨으로써 1 차대전의원인을제공한현상을사이버공간에빗대어표현한것이다. 위의논문, 면. 44

45 참고문헌 1. 국내문헌 문혜정, 느리지만꾸준히진화하고있는중국의개인정보보호법제, 언론중재 2016 가을, 언론중재위원회, 박훤일, 정보이동권의국내도입방안 - EU GDPR의관련규정을중심으로, 경희법학 제52권 3호, , 개인정보의국제적유통에따른법적문제와대책, 집문당, 안종석, 다국적 IT기업의조세회피행태와시사점 : 애플 구글의사례를중심으로, 재정포럼 허진성, 데이터국지화 (Data Localization) 정책의세계적흐름과그법제적함의, 언론과법 제13권 2호, 개인정보보호포럼 한국인터넷진흥원, 지능정보사회선도를위한개인정보보호이슈및동향, 외국문헌生貝直人, 自律 分散 協調社会とデータポータビリティーの権利, 経済産業省分散戦略ワーキンググループ第 6 回, 野村総合研究所, EUとの規制協力 : サイバー空間及びIoTに係る規制等に関する調査報告書, 日本経済団体連合会 在日米國商工會議所, 日米 IED 民間作業部会共同声明 2016, Article 29 Working Party, Transfers of personal data to third countries: Applying Articles 25 and 26 of the EU data protection directive < /privacy/docs/wpdocs/1998/wp12_en.pdf>. Draft circular on detailed regulation on cross border provision of public information(no.72/2013/nd-cp). 45

46 Adam Golodner, et al., China's New Cybersecurity Law Imposes Heightened Restrictions on Company Computer Networks, Arnold Porter Kaye Scholer, July 20, < 2017/07/chinas-newcybersecurity-law-imposes> Albright Stonebridge Group, Data Localization: A Challenge to Global Commerce and the Free Flow of Information, September Covington & Burling, EU Data Retention Directive Declared Invalid by CJEU, Inside Privacy, April 8, Covington & Burling, Brazil Enacts Marco Civil Internet Civil Rights Bill, Inside Privacy, April 28, < ernet-civil-rights-bill/>. Dmitry V. Nikiforov, et al, Russia 2016: Personal Data & Cybersecurity, D&P Client Update, Debevoise & Plimpton, February 14, < Russia 2016: personal data EU Commission, EU Commission and United States agree on new framework for transatlantic data flows: EU-US Privacy Shield, Press release, 2 February < Graham Greenleaf and Scott Livingston, China s Cybersecurity Law also a data privacy law?, Privacy Laws & Business International Report Issue 144, December W. Kuan Hon, Data Localization Laws and Policy - The EU Data Protection International Transfers Restriction Through a Cloud Computing Lens, Edward Elgar, The Guardian, EU to find ways to make Google, Facebook and Amazon pay more tax, 21 September < business/2017/sep/ 21/tech-firms-tax-eu-turnover-google-amazon-apple> 46

47 Scott Livingston and Graham Greenleaf, Data localisation in China and other APEC jurisdictions, Privacy Laws & Business International Report Issue 143, October Information Security Technology Guidelines for Personal Information within Public and Commercial Services Information Systems 인터넷자료 ( 최종접속 ) 디지털데일리, [ 주간클라우드동향 ] 2017 국내클라우드도입, 어디까지왔나, < 오마이뉴스, 구글의지도국외반출요구에포털 네비업체 역차별 반발, < > Insight, 구글, 국내서 2조버는데세금은한푼도안낸다, < 전자신문, 나라장터에서인프라클라우드서비스이용하세요, < 조선일보, 한국게임으로 1 兆챙긴구글 세금은 ' 깜깜 ', < tml> G7 이세시마정상회담자료 < 47

48

49 2017 NAVER Privacy White Paper 인공지능과개인정보 서울대학교통계학과김용대교수

50

51 1. 머리말요약문 1. 인공지능은빠르게우리의생활에스며들어산업전반에지대한영향을미치고있고나아가인공지능의도래로인한노동시장의재편및사회구조의변화에대한진지한논의가활발히진행되고있음 - 인공지능기술의발전을위해서는기술의발전뿐아니라관련법률및윤리의정비가필수적임. 또한기술의발전을위해필요한다양한데이터의수집및결합이여러법률적제약과윤리적문제로발전이저해 - 본논문에서는인공지능기술에내재하는프라이버시침해와윤리적딜레마에대해서살펴보고, 이를해결할수있는방법을찾아보고자함 2. 현재인공지능기술에서빅데이터가핵심역할을하고있는현상을이해하기위해인공지능의역사를개관 년대후기부터 1960년대초기실제로컴퓨터를사용할수있게되면서인공지능연구의개척기가시작, 1956년도에다트머스학회에서이연구분야의이름을 Artificial Intelligence(AI), 인공지능 이라고최초로명명 - 인공지능역사의황금기인 1956년부터 1974년, 다트머스학회이후인공지능의여러분야에서기초가다져지며대수학을풀거나기하학의이론들을증명하거나영어로질문응답을하는프로그램들이학습됨 년부터 1980년대는인공지능의암흑기, 인공지능낙관론이약속한능력이사실상불가능하다는것을깨닫고인공지능프로젝트에대한자금이회수되었음 년대부터인공지능프로그램은특정지식영역에대한문제를해결해주는전문가시스템의형태로다시각광을받게되나 1980년대후반에다시인기를잃게됨 년대후반부터데이터를기반으로새로운지식을창출하는기계학습법을바탕으로이미지, 언어, 음성의인식분야에서큰성공을거두고있음 51

52 3. 현재인공지능기술의핵심이되는기계학습법은크게지도학습, 비지도학습, 강화학습으로구분 - 지도학습은주어진입력자료에대해출력변수가존재하여, 입력자료로출력변수를가장잘표현하도록기계에학습시키는것을의미, 간단한예로주어진인물사진 ( 픽셀별정보 ) 에대해남성인지여성인지분류할수있도록학습시키는방법. 지도학습법에는고차원회귀모형, 앙상블그리고신경망모형을바탕으로한딥러닝알고리즘등이있음 - 지도학습과비지도학습의가장큰차이점은출력변수의유무이며, 비지도학습의경우출력변수가없고주어진자료만을가지고분석하는기계학습분야중하나로군집분석, 차원축소법등이있음 - 강화학습이란각행동에대해서로다른보상이주어지는문제에서어떠한행동을취해야최대한의보상을얻을수있는지를학습하는분야로각각요소들간의상호관계에대해학습한다는점에서한요소를통해다른요소를파악하는지도학습과는차이가있음 4. 최근딥러닝기법을비롯한인공지능알고리즘의발전과연산속도, 자료처리량등의하드웨어측면에서의비약적인향상에힘입어산업전분야에서인공지능응용사례급증 - 방대한양의의료정보를저장하고처리할수있는인공지능시스템은현대의학에서점점그필요성이높아지고있음. 의료분야의가장대표적인인공지능응용사례는인공지능컴퓨터시스템 IBM 왓슨을활용한질병진단및치료법제공시스템 - 금융분야의인공지능응용사례는투자자문, 신용평가, 금융범죄탐지등이있음. 투자자문서비스는경제및금융시장의현재상황을분석하고미래를예측함으로써투자방향을제공, 신용평가는대출신청자의신용도를판단하고채무불이행가능성등을예측, 금융범죄의탐지는카드의부정사용을포함한결제사기탐지등에응용 - 지능형개인비서는인간의음성을인식하고그에맞는응답을제공하는인공지능서비스로기존에는정해진질문에대해간단한답만제공하는정도의서비스에그쳤으나딥러닝기술의등장으로인공지능의발달과사물인터넷 (IoT) 에대해높아진관심등이맞물려빠르게발전하고있는새로운첨단산업분야 52

53 - 기계번역은컴퓨터를통해서로다른언어간의번역을하는것으로최근딥러닝기술을통해과거보다우수해진시스템구현 5. 인공지능의발달을통해인류는지금까지누릴수없었던편리함을느낄수있게되었으나급격한기술발전의부작용으로프라이버시및인권을침해하는윤리적문제대두 - 미국에서는주 ( 州 ) 차원에서소유하고있는진료기록들을유료로공개하고있음. 하버드대의연구진은이러한진료기록들이신문기사와같은손쉽게손에넣을수있는다른정보와결합함으로써인물을특정할수있음을밝혀내었음 - 현대인의필수품이된스마트폰을통해개인정보들이다양한곳으로유출되고있는상황, 인기있는 101개의앱을대상으로한조사에서 56개의앱이사용자의동의없이제3자에게기기의 ID를제공, 47개의앱이제3자에게기기의위치정보를제공 - Google에서인명 ( 人名 ) 을검색하는경우 Google Ad는개인의범죄기록을조사할수있는사이트의광고를종종제시하곤하는데이때검색하는이름이흑인이주로사용하는이름인경우백인이주로사용하는이름을검색하는경우에비해범죄기록조회사이트의광고문구가악의적으로생성된다는사실이연구로밝혀졌음 - 얼굴사진을통해성적지향을추정하는신경망모형이개발됨. 주어진사진의남자 ( 여자 ) 가동성애자인지여부를맞추는문제에적용시킨결과 81%(71%) 의정확도를얻을수있었음. 하지만이러한연구결과에많은성소수자들은많은염려를드러내었음. 역사적으로도성소수자를골라내려는많은시도들은그들의말살, 투옥, 성적지향전환치료등부정적인결과를초래했기때문임 6. 프라이버시를보호하면서빅데이터를기반으로인공지능기술을구현할수있는기술적방법의개발 - 데이터자체를변환하여프라이버시를보호하는방법으로익명화방법, 교란방법, 랜덤화방법, 압축방법등이사용되고있음 53

54 - 인공지능기술로구축된모형을변환하여프라이버시를보호하는방법도관심을끌고있음. 차등정보보호라는개념을도입, 구축된모형의적절한변형을사용자에게제공하여모형으로부터프라이버시침해를방지하고자하는방법 7. 인공지능기술이인종차별이나범죄등과같이반사회적으로사용되지않아야하는것은물론이고, 인공지능기술의사용에나타나는감정이입과이에따르는사회적 문화적새로운현상에대한고찰필요 - 인공지능윤리에대한공론화작업이진행되고있는데다수의연구자들이앞으로인공지능기술의발전이사회의이익을위해서이루어져야한다는공개서한을만들었으며, 2015년국제인공지능학회에서자동살상무기에대한반대를위한공개서한에연구자들이서명 - 인공지능윤리에대한다양한교육프로그램들이개발중임. 그중에서도 SF을통한컴퓨터윤리학 코스가최근몇년간컴퓨터과학과인공지능전공자들에윤리를가르치는방법으로주목받고있음 54

55 관한연구 인공지능과개인정보에관한연구 김용대 ( 서울대학교통계학과교수 ) 1. 서론 인공지능의약진은인류의미래를걱정할정도로빠르게우리의생활에스며들고있다. 자동청소기부터시작하여무인자동차, 인공지능의사의등장은인공지능이단순한호기심차원의연구를지나서산업전반에지대한영향을미치고있다는것을반증한다. 나아가단순한산업의발전을넘어서서인공지능의도래로인한노동시장의재편및사회구조의변화에대한진지한논의가활발히진행되고있다. 2016년도다보스포럼에서는이러한기술혁신을 4차산업혁명이라명명하였다. 4차산업혁명핵심은 모든것이연결되고지능적인사회로의진화 이다. 1) 즉, 4차산업혁명은지능정보화사회로의진입을의미하는데지능정보화사회의핵심기술은빅데이터와인공지능이다. 그리고이러한기술을이용하여제조업, 서비스업, 농업등산업전반에걸쳐서생산성을향상시키고새로운시장및문화를창출하는것이지능정보화사회에서추구하는방향으로인식되고있다. < 표 1> 은미국의시가총액기준 2006년도 10대기업과 2016년 10대기업을비교하고있다. 2006년도 10대기업의대부분이에너지와금융과관련이있다면, 2016년 10대기업의경우정보통신기술 (ICT) 관련회사들이대부분이며, 이중애플, 구글, 마이크로소프트, 아마존, 페이스북, 텐센트등의기업들은직접적으로인공지능과빅데이터관련기술을중심으로사업을수행하고있다. 이러한시장의변화는현재 4차산업혁명이얼마나거세게진행되고 1) 장필성 (2016) 55

56 있는지를잘보여주고있다. 우리나라도이러한조류에합류하지않으면국제경쟁력을상실하게될것이고경제적으로큰어려움에봉착하게될것이다. 우리나라도과학기술정보통신부, 산업부등정부유관부처와삼성전자, 네이버등의 IT선도기업들을중심으로 4차산업혁명의흐름에합류하기위하여노력을하고있다. 삼성전자는갤럭시 S8에음성인식기반개인비서인빅스비를탑재하였다. 특히삼성페이와연동하여음성으로쇼핑을할수있는기능이내장되어있다. 네이버는무인자동차관련하여국내최초로임시운행허가를국토부로부터받았다. 하지만애플의시리, 아마존의에코, 그리고 2009년부터주행을시작한구글무인자동차에비하면조금늦은감이없지않다. 인공지능기술의발전을위해서는기술의발전뿐아니라관련법률및윤리의정비가필수적이다. 인공지능기술의발전을위해서는다양한데이터의수집및결합이필수적이다. 예를들면, 구글어시스턴트나애플시리와같은첨단인공지능비서의구현에는개인의다양한자료 ( 예 : 쇼핑히스토리, 이동히스토리, 검색히스토리등 ) 를바탕으로각각의상황에최적의판단을내려주는알고리즘의개발이핵심이다. 무인자동차의개발에도운전자의운정정보가필수요소이다. 이러한이유로최근에는무인자동차의최초개발자인구글보다는무인자동차를판매하는테슬라가무인자동차기술에서앞서가고있다고평가받는다. 하지만, 이런다양한종류의데이터결합은여러가지법률적제약으로그발전의속도가매우느리게진행되고있다. 그이유는, 데이터의수집및결합시발생하는프라이버시침해를방지하는다양한법률규제가존재하기때문이다. 개인정보보호법, 정보통신망법, 신용정보법등의법률은다양한종류의자료의결합에따르는개인정보유출의위험을전적으로기술을개발하고이용하는기업에게전가하고있기때문에, 인공지능에대한기업들의과감한투자결정에걸림돌이되고있다. 프라이버시이슈와함께사회적관심이고조되고있는것은인공지능기술과관련된윤리문제이다. 무인자동차운행중탑승자의안전과다수보행자의안전사이에서한가지를선택해야하는상황에처할경우어떤선택을해야하는가하는윤리적딜레마에대해서많은연구및논의가진행중이다. 어떤비용을치르더라도탑승자의안전을보호하는 자기방어형무인자동차 와, 탑승자가다치더라도최대한많은사람들의안전을우선시하는 공리주의적무인자동차 가운데하나를선택해야하는윤리적딜레마가있다. 미국의한여론조사에서다수의응답자들이후자가더윤리적이지만구입은전자로할것이라고답했다. 미국에서는후자를강제하려는정부규제에소비자들은강한거부반응을보이고있다. 이러한윤리적딜레마의해결없이는무인자동차의상용화는요원해보인다. 56

57 < 표 1> 미국의시가총액기준 2006 년도 10 대기업과 2016 년 10 대기업 ( 단위 : 달러 ) 순위 2006 년 10 대기업 2016 년 10 대기업 기업 ( 업종 ) 시가총액기업 ( 업종 ) 시가총액 1 액손모빌 ( 에너지 ) 4510억 애플 (IT) 6120억 2 GE( 산업기기 ) 3860억 구글 (IT) 5390억 3 마이크로소프트 (IT) 2950억 마이크로소프트 (IT) 4430억 4 씨티그룹 ( 금융 ) 2750억 아마존 (IT) 3700억 5 가스프롬 ( 에너지 ) 2720억 페이스북 (IT) 3690억 6 페트로차이나 ( 에너지 ) 2570억 버크셔해서웨이 ( 금융 ) 3580억 7 뱅크오브아메리카 ( 금융 ) 2410억 액손모빌 ( 에너지 ) 3420억 8 도요타 ( 자동차 ) 2410억 존슨 & 존슨 ( 소비재 ) 3230억 9 IND&COMM뱅크 ( 금융 ) 2400억 GE( 산업기기 ) 2660억 10 로열더치셸 2280억 텐센트 (IT) 2550억자료 : 블룸버그 4차산업혁명시대를맞이하여국가경쟁력확보를위한인공지능과빅데이터관련핵심기술의보유및이용이시급히요청되고있지만개인정보보호관련규정과다양한윤리적딜레마가큰장애물이되고있다. 본논문에서는인공지능기술에내재하는프라이버시침해와윤리적딜레마에대해서살펴보고, 이를해결할수있는방법을살펴보고자한다. 본논문은다음과같이구성되어있다. 2장에서는인공지능기술의역사를살펴본다. 3장에서는다양한인공지능기술들을정리한다. 특히, 인공지능기술에서빅데이터의중요성을설명한다. 4장에서는인공지능의산업적응용사례들을정리하고, 5장에서는인공지능과빅데이터기술로생기는프라이버시침해와윤리적문제들에대해서살펴본다. 6장과 7장에서는각각프라이버시침해의방지를위한법률적체계와기술적접근법을소개하고, 8장에서인공지능기술의바람직한발전방향에대한제언으로본논문을마무리한다. 57

58 2. 인공지능의역사 본장에서는인종지능의역사를간략하게살펴본다. 특히, 인공지능기술에빅데이터가중 심적역할을하게된역사적배경을살펴본다. 본장은위키백과의 인공지능 의내용을바탕 으로작성되었다. 가. 개척기 (1952~1956) 인공지능이란인간의인식, 판단, 추론, 문제해결, 그결과로자연어처리나행동지령, 학습기능과같은인간의두뇌작용을이해하는것을연구대상으로하는학문으로 1950년대부터수학, 공학, 철학, 정치학등여러분야의학자들에의해연구가이루어지고있다. 1950년대후기부터 1960년대초기에미국의주요대학과연구소에서컴퓨터를실제로사용할수있게되면서인공지능연구의개척기가시작되었다. 해당시대는인공지능의본격적인연구가처음으로이루어진시기이며, 여러가지 AI에대한이론들이발표되었다. 그중에서도앨런튜링이 1950년도에제안한튜링테스트 (Turing s test) 가가장대표적인연구이다. 2) 튜링테스트는기계가인간의사고를얼마나이해하고생각, 행동할수있는지판단하는테스트이다. 또한 1950년대중반부터 1960년대초기에 IBM의사무엘은체커라는게임인공지능을개발하였다. 3) 사람들의대전기록과실제게임에서승패경험을프로그램에반영시켜학습하였고, 그결과체스아마추어와동등한수준을가지는체커프로그램을개발하였다. 1956년도에개최된다트머스학회 4) 에서존매카시가이연구분야의이름을 Artificial Intelligence (AI), 인공지능 이라고최초로명명하였다. 나. 황금기 (1956~1974) 인공지능역사의황금기인 1956년도 ~1974년도에서는다트머스학회이후인공지능의여러분야에서기초가다져졌다. 이시기에는대수학을풀거나기하학의이론들을증명하거나영어로질문응답을하는프로그램들이학습되었다. 1957년매카시는 LISP라불리는프로그램을 2) Turing(1950) 3) Schaeffer 와 Jonathan(1997) 4) McCorduck(2004), Crevier(1993), Russell 와 Norving(2002) 58

59 개발하였으며, 그후에 MIT 대학원생인테리위노그라드는자연어처리프로그램인 SHRDLU 을개발하였는데블록세계에서사용자가주어진여러개의물체들의이동을지시하면처리하는프로그램이다. 블록세계에있는물체들의이름과배열을기억하여, 사용자의질문에응답하고새로운물체를생성하기도한다. 5) PICK UP A BIG RED BLOCK. OK. Original screen display Later color rendering(univ. of Utah) The dialog that was used as a SHRDLU demo : Person:PICK UP A BIG RED BLOCK. Computer:OK.(does it) Person:GRASP THE PYPAMID. Computer:I DON T UNDERSTAND WHICH PYRAMID YOU MEAN. Person:FIND A BLOCK WHICH IS TALLER THAN THE ONE YOU ARE HOLDING AND PUT IT INTO THE BOX. Computer:BY IT, I ASSUME YOU MEAN THE BLOCK WHICH IS TALLER THAN THE ONE I AM HOLDING. Computer:OK.(does it) Person:WHAT DOES THE BOX CONTAIN? Computer:THE BLUE PYRAMID AND THE BLUE BLOCK. Person:WHAT IS THE PYRAMID SUPPORTED BY? Computer:THE BOX. Person:HOW MANY BLOCKS ARE NOT IN THE BOX? Computer:FOUR OF THEM. Person:IS AT LEAST ONE OF THEM NARROWER THAN THE ONE WHICH I TOLD YOU TO PICK UP? Computer:YES, THE RED CUBE. Person:IS IT SUPPORTED? Computer:YES, BY THE TABLE. < 그림 1> SHRDLU 의데모그림 ( 자료 : 또한이시기에첫번째사람과대화를주고받는챗봇 ELIZA가개발되었지만 6) 실제로프로그램이생각하여대화를주고받기보다는입력된내용을그대로말하거나상대방의한말을다시말해달라고요청하거나, 상대방의말에몇가지문법을적용하여바꾸어응답을하였다. 그리고 1967년도에인공지능에지식을학습시키려는몇가지시도들이있었고, 그중성공적인프로그램은과학적추론을하는지식기반프로그램 DENDRAL, 지식기반체스플레이프로그램 MacHack 등이있다. 7) 이와같이자연어처리및기하학문제를증명하는등기계의지능적사고로인공지능이최대 20년내에사람이하는모든일을기계가처리할수있을것이라는낙관론이만연하였다. 5) Ward(2003) 6) McCorduck(2004), Creivier(1993) 7) McCorduck(2004) 59

60 다. 암흑기 ( ) 주어진환경을보고인식하고반응하는능력, 더나아가실제사람처럼대화하고반응하는능력등낙관론이약속한능력이사실상불가능하다는것을깨닫고, 인공지능프로젝트에대한자금이회수되면서처음으로암흑기를맞이하였다. 인공지능프로그램수행능력에대한여러가지의문제점과한계점에직면하였다. 첫번째이유로는컴퓨터성능의한계이다. 의미있는결과를얻기위해서는상당한데이터를수용하고처리해야했는데당시컴퓨터의메모리는이러한데이터를다루는데에턱없이부족하였다. 두번째이유로는상식과추론을위한데이터가존재하지않았다. 자연어처리나시각분야로인공지능프로그램을개발하기위해실제로는상식수준의지식을학습하는데에도어마어마한자료의양을필요로한다. 하지만이당시이러한자료가포함된데이터베이스를구축하지못하여단순수행능력만가진장난감수준의프로그램만개발되었다. 세번째는모라벡의패러독스 8) 로수학정리들을증명하고난해한기하학문제를푸는것은컴퓨터프로그램에있어서비교적쉬운문제에속하지만, 얼굴을인식하는문제나로봇을장애물에부딪치지않으면서원하는목적지에도착시키는일은극도로어려운문제에속한다. 이러한어려움으로당시시각분야의연구가매우더디게진행되었다. 라. 개화기 (1980 년대 ) 1980년대에들어서면서인공지능프로그램은특정지식영역에대한문제를해결해주는전문가시스템의형태로활용되었다. 이러한전문가시스템을이용하여에드워드와그의제자는분광계를이용하여화합물을식별하는 Dendral을개발하였고, 또한전염성있는혈액질병을진단할수있는 MYCIN(1974) 이개발되었다. 9) 전문가수준의지식을포함한전문가시스템은 1980년대 AI 연구의주요쟁점인지식기반시스템과지식공학분야의기반이되었다. 1981년도부터 AI의상업화가시작되면서일본정부에서는 5세대프로젝트라는이름으로인공지능프로젝트에매우적극적인투자를하였다. 투자목적은인간처럼대화를원활히진행하거나, 번역이가능하거나, 주어진사진을해석하는것이다. 일본뿐만아니라영국, 미국등여러나라에서도인공지능프로그램개발을위한투자를늘렸다. 8) McCorduck(2004), Moravec(1988) 9) McCorduck(2004), Crevier(1993), Russell와 Norvig(2002) 60

61 1982년도에물리학자존홉필드는신경망네트워크가정보를학습하고처리할수있다는것을증명하였다. 또한비슷한시기에데이비드루멜허트는파울이제안한신경망네트워크를학습하는새로운방법인역전파 (Backpropagation) 알고리즘을대중화하였다. 이러한두개의방법들은 1970년도에제안되었다가버려진신경망이론을부활시켰고, 신경망은 1990년도부터광학문자판독 (Optical Character Recognition, OCR) 과음성인식분야에서사용되면서상업적성공을이루었다. 10) 그러나 1980년대후반부터 1990년대초반까지는인공지능의두번째암흑기가찾아왔는데, 프로그램의유지비용과프로젝트를시작한목적의성과를현실적으로얻기힘들다는판단으로자금지원이잠시중단되었다. 마 년대부터현재까지의인공지능 컴퓨터메모리, 성능등계산능력의급속한발달은딥러닝의눈부신발전을이끌었으며실제산업에적용되면서인공지능의초창기목표를달성하고있다. 1997년 IBM의딥블루게임 AI는체스세계챔피언인게리카스파로프를상대로승리를거두었고 11), 2000년도에는 C. 브리젤은감정을나타낼수있는로봇장난감을시판하였다. 2011년도에는 IBM에서자연언어이해및처리를위해생성한왓슨프로그램은제퍼디퀴즈쇼에서이전두명의챔피언들을상대로승리를거두었다. 12) 1988년도에쥬디어펄이쓴책은인공지능에확률론과의사결정론을도입할수있게하였다. 베이지안네트워크, 은닉마코프모형, 확률모형, 최적화연구와함께여러가지신경망구조와새로운알고리즘들이개발되었다. 데이터를저장해둘수있는저장공간이발달하고, 앞에언급한연구들로이전보다프로그램학습능력이향상되었고, 데이터마이닝, 산업로봇, 음성인식, 금융서비스소프트웨어, 의학진단분야등에인공지능이유용히활용되었다. 특히인공신경망네트워크는이미지분류, 인식문제에압도적인성능을나타내고있으며, 13) 이를이용하여이미지검색이나주어진사진의인물이나물체를판단하는프로그램개발에사용되었다. 페이스북에서개발한얼굴인식인공지능딥페이스는이중성공한대표적인예이다. 10) Crevier(1993), Russell와 Norvig(2002) 11) McCorduck(2004) 12) Markoff(2011) 13) LeCun 외 (1998), Krzhevsky 외 (2012), He 외 (2016) 61

62 자연언어처리분야에서도인공지능은강점을보이고있다. 사용자가아랍어를입력하면영어로자동번역해주는기계번역시스템도최근눈부신발전을이루었다. 14) 또한구글딥마인드에서개발한인공지능바둑프로그램알파고 15) 는 2015년도유럽바둑챔피언과대결하여 5:0 승리를거두고, 2016년도에는이세돌 9단과의대국에서 4승 1패를기록하며전세계적으로인공지능의발전을알렸으며, 프로기사 9단을부여받았다. 구글딥마인드는바둑에서큰승리를거둔알파고인공지능알고리즘을이용하여의학분야, 무인자율주행, 인공지능개인비서등다양한서비스사업에활용될수있는인공지능을개발한다는계획을밝혔다. 페이스북과아마존도인공지능을이용한개인비서또는자동서비스시스템을개발하였고현재서비스업에서활발히사용되고있다. 3. 인공지능기술들 인공지능구현을위한방법론으로는 1) 논리적추론, 2) 전문가시스템, 그리고 3) 기계학습이있다. 기계학습이란데이터를기반으로컴퓨터가자동으로새로운지식을학습하고알고리즘을구현하게하는방법론이다. 최근의인공지능의대부분의기술은기계학습을기반으로구현되고있다. 본장에서는기계학습의다양한방법론들에대해서정리한다. 기계학습은문제의종류에따라지도학습, 비지도학습, 강화학습으로나뉜다. 지도학습은입력변수를기반으로출력변수를예측하는것을목적으로하며기계학습의핵심분야이다. 번역, 질병예측등이모두지도학습과관련이있다. 비지도학습은주어진데이터들의관계를규명하는것을목적으로하며차원축소, 군집생성등의방법론들이있다. 데이터의압축또는새로운데이터의생성등에응용된다. 강화학습은변화하는환경에서최적의의사결정을하는것을목표로하는기계학습법이다. 바둑과같은게임에서최적의의사결정을자동으로학습하는문제에응용된다. 14) Brants 외 (2007), Wu 외 (2016) 15) Silver 외 (2016) 62

63 가. 지도학습 (Supervised Learning) 지도학습은주어진자료 에대해레이블 가존재하여, 로 를가장잘표현하도록기계에학습시키는것을의미하며, 간단한예로주어진인물사진 ( 픽셀별정보 ) 에대해, 남성 ( ) 인지여성 ( ) 인지분류할수있도록학습시키는방법이다. 앞의예처럼 가이산형또는범주형인경우에는분류 (Classification) 문제라고하고연속형인경우에는회귀 (Regression) 문제라고한다. 기계학습의경우모형을학습하기위한학습자료 (Training Data) 와학습된모형의성능을평가하고예측하기위한예측자료 (Test Data) 로이루어져있으며, 학습자료는입력변수 와 의여러개의쌍으로이루어진다. 앞으로는 번째학습자료를 로표기하고, 은 차원의실수벡터, 은 차원인행렬로표기하겠다. 다양한지도학습알고리즘들은크게 3개의분야로나눌수있는데 1) 선형모형, 2) 의사결정나무및앙상블그리고 3) 신경모형망및딥러닝이다. 본절에서는이 3가지분야의여러방법론들에대해서간단히살펴본다. 1) 선형모형 회귀분석은출력값또는반응변수 이실수인값들은가지는문제로, 일반적 인형태식인 을가정하고, 여기서 는알려져있진않은 의 관계함수이고, 은평균이 이고 와독립인랜덤에러이다. 회귀분석중가장 단순한방법은주어진 들의선형관계식으로 을표현하는선형회귀분석이다. 즉 을가정하는데여기서 β 은 차원의벡터로우리가추정해야하는값이다. 일반 적으로회귀분석에서는잔차제곱합인 들의합을최소화하도록함수 을추정하며, 선형회귀분석의경우 을최소화하는 을추정한다. 이와 같은방법을최소제곱법이라하며, 이렇게추정된 는최소제곱추정량이라한다. 잔차제곱 합을최소화하는 은 의역행렬이존재한다는가정하에선형대수학을이용하면 로구할수있다. 이와같이추정된 을이용하여새로운입력자료 가들어왔을때에 로예측할수있고, 예측에대한정확도를높이기위한, 즉 63

64 새로운자료가들어왔을때에 을실제 에충분히가깝게예측하기위한여러가지의 모형들이연구되었다. 하지만선형회귀분석의경우 의두개또는그이상의열들끼리강한음의관계또는 양의관계를가질경우, 변수의수 가 에비해매우큰경우 의역행렬이존재하지 않거나굉장히큰값을가지게되어추정량 의분산이커지고, 따라서예측정확도가낮 아지게된다. 따라서기계학습에서는 에제약조건을더하여어느정도의편차는감안하더 라도분산을줄이는방향을택한다. 이중가장일반적으로사용하는방법은축소회귀또는 벌점화회귀분석이라고하며, 잔차제곱합에 에대한벌점화함수 가추가된 을최소화하는 을추정한다. 여기서 은 보다큰조율 모수이며추정량의성질을결정한다. 인경우능형 (Ridge) 회귀라고하고, 이면라쏘 (Lasso) 회귀 16) 라고한다. 여기서조율모수 가증가하면, 을최소화하는해를찾을때벌점화함수에더많은가중치가들어가게되어추정되는 의 크기가 에가깝게되고, 추정된 의분산은작아지고편차는커지게된다. 따라서벌점화 회귀분석을사용하기위해서는데이터를이용하여적절한조율모수를선택해야하는데일반적 으로 겹교차검증법을이용하여조율모수 을선택한다. 출력값이특정한범주에속하는분류문제에서는, 여기서는편의상 인경우를고려한다. 분류문제에서는주어진자료 에대해 번째개체의출력값이 에속할 지, 또는 1 에속할지에대한확률을추정한다. 이를모형화하면아래와같이표현할수있다. 여기서 는연결함수 (Link Function) 라고하며, 과 사이의값을가지고증가함수를고려한다. exp 연결함수의형태에따라 1 exp 이면로지스틱모형, 2 exp exp 이 면검벨 (Gumbell) 모형, 3 가표준정규분포의분포함수인경우는프로빗모형이라하 고, 이중로지스틱모형이계산의편리성으로가장많이사용된다. 16) Tibshirani(1996) 64

65 분류문제에서회귀계수의추정은일반적으로가능도함수를최대로하는최대가능도추정법 을이용하고, 가능도함수는 으로정의하고가능 도함수에로그를취한로그가능도함수 log 을최대화하는추정량을수치적방법을 이용하여찾는다. 선형회귀분석문제에서잔차에대해 ~ 가정을추가하 면로그가능도함수는 가되어로그가능도함수를최대화하는것 은잔차제곱합을최소화하는문제와동일하다. 선형회귀분석에서다루었던최소제곱추정법은최대 가능도추정법의특별한경우로이해할수있고, 따라서최소화할목적함수를 을고려하면분류문제에서벌점화기법을바로적용할수있다. 마찬가지로라쏘벌점함수를 고려할경우변수선택이이루어진다. 2) 의사결정나무 (Decision Tree) 및앙상블의사결정나무는 < 그림 2> 와같이변수들의영역을여러개의직사각형으로분할하며규칙을생성해나가는방법으로반응값이연속형인경우와범주형인경우에둘다사용하고, 예측자료에서의성능은떨어지지만해석력은좋다. < 그림 2> 의사결정나무모형의예 (Friedman 외, 2001) 나무를어떤기준으로분리해나갈지기준을선택하고, 언제분리과정을멈출지결정한뒤 제일아래노드 (< 그림 2> 에서 ) 에서예측값을할당하여의사결정나무를형성한다. 먼저나무를분할할때에는순수도 (Purity) 또는불순도 (Impurity) 을이용하여어떤변수를 이용하여어떤기준값으로분리할지결정한다. 순수도가크다는것은나무가한번분리를 65

66 하기전보다분리후의각마디에있는자료들의특성이어느하나의그룹에만해당할비율이높다는것으로, 순수도를최대화하거나불순도를최소화하여나무를분할한다. 불순도는반응값이연속형인경우잔차제곱합의감소량을사용하고, 범주형인경우카이제곱통계량, 지니계수, Cross-entropy 를이용한다. 나무가너무많이분리된경우, 즉나무의크기가큰경우에는자료에대해과적합할수있기때문에, 일반적으로는각노드의최소크기 ( 노드에들어가는개체수 ) 를설정하여최소크기이하로되는경우나무분리를멈추고, 비용복잡도가지치기 (Cost-complexity Pruning) 를이용하여불필요한나무의가지를제거한다. 의사결정나무는자료를약간변형시켰을때전혀다른결과가나올수있는방법으로, 즉분산이굉장히큰방법이다. 따라서이러한불안정성을줄이기위해앙상블기법을사용한배깅, 랜덤포레스트, 부스팅등이있다. 17) 배깅과랜덤포레스트는부스트랩을이용하여여러개의나무모형을적합한뒤앙상블을하는방법으로나무모형을적합할때배깅에서는전체변수를랜덤포레스트는몇개의변수를랜덤하게선택한다. 부스팅은여러개의약한예측모형 (weak learner) 을결합하여매우정확한예측모형을만드는방법이다. Freund와 Schapire 이 1997년도에 AdaBoost(Adaptive Boost) 라는부스팅알고리즘을개발하였다. 그뒤 Friedman(2001) 은부스팅을기울기강하알고리즘으로해석하여다양한손실함수에대한부스팅알고리즘을개발하였고이런알고리즘을 Gradient Boosting이라부른다. 3) 신경망모형 (Neural Network) 신경망모형은생물의뇌구조를모방하여만든수학적모형으로입력값과출력값사이의복잡한형태의비선형함수를가정한다. 1943년도에 W. S. McCulloch와 W. Pitts에의해모형이구축되었고, 1957년도에 F. Rosenblatt에의해단층신경망알고리즘이제안되었지만, 당시컴퓨터의성능한계로많이사용되지않다가역전파 (Backpropagation) 알고리즘과다층신경망모형의결합으로 1980년대에주목받기시작하였다. 18) 신경망모형은 < 그림 3> 과같다. 입력값을받는입력층 (Input Layer) 와중간층또는은닉층 (Hidden Layer), 마지막출력값을내는출력층 (Output Layer) 으로구성되며, 원으로표시한부분은각층의노드들을의미한다. 일반적으로입력층의노드의수는입력변수의차원 이고, 17) 박창이와김용대 (2011), Friedman 외 (2001) 18) Russell 와 Norvig(2002) 66

67 출력층의노드의수는출력값이실수형태의값을가질경우 1개, 출력값이범주형인경우에는범주의수만큼설정한다. < 그림 3> 과같이다음층의노드들이바로아래층의전체노드들에영향을받는경우를 fully-conneted 라표현한다. < 그림 3> 에나타나있는단층신경망모형은다음과같이수식으로표현이가능하다. 입력층의노드를, 중간층의노드를, 출력층의노드를 라고표기할때, 으로나타낼수있고여기서 은입력층과중간층사이의 편차들과가중치들이고 은중간층과출력층사이의편차들과 가중치들을나타낸다. Input Layer Output Layer Input Layer Hidden Layer Hidden Layer1 Hidden Layer2 < 그림 3> 신경망모형의예, 단층신경망모형 ( 왼쪽 ), 다층신경망모형 ( 오른쪽 ) Output Layer 자료 : 한다. 또한 은활성함수 (Activation Function) 로일반적으로 sigmoid, tanh, ReLU 을사용 tanh max 67

68 그리고 은출력함수 (Output Function) 로 1 가 1 차원의실수의값을가질경우에는, 2 가이산형인경우에는로지스틱함수를고려하고, 3 가범주형인경우, 즉분류문제 에서 의범주가 개인경우에는 softmax 함수 를사용한다. 주어진신경망모형에서의가중치들과편차들의모수들을 라고하면, 을추정하기위한 목적함수는분류문제의경우 cross-entropy 손실함수 log 을 사용하고, 회귀문제의경우에는제곱손실함수 을사용하여각목적 함수를최소화하는 을추정하고이때모수추정에는역전파알고리즘을이용한다. 신경망모 형의경우앞서다룬선형회귀또는로지스틱회귀분석보다추정해야할모수들의수가훨씬 많고, 과적합문제가발생하기쉽다. 19) 과적합이란학습자료의에러는굉장히작지만새로운 자료또는예측자료의에러는굉장히커지는것을의미한다. 따라서이와같은과적합을피하 기위한방법들로는알고리즘을일찍종료시키거나, 앞서능형회귀, 라쏘회귀와비슷하게 벌점화기법을고려하여목적함수를손실함수와벌점함수의합을이용하는방법이다. 또는 Srivastava, N 이 2014 년도에제안한 drop-out 방법을이용할수있다. < 그림 4> 는 2 개의중 간층을가지는신경망모형에 drop-out 을적용한예로, 매번역전파를할때마다의도적으로 출력층의노드를제외한나머지노드들의절반을랜덤하게선택하여끄고 (drop-out) 학습하 여, 노드들끼리의상관관계를줄이기위해제안된방법이다. (a) Standard Neural Net (b) After Applying Drop-out < 그림 4> 신경망모형에서의 drop-out 을적용한예 (Srivastava, 2014) 19) Hawkins(2004) 68

69 1 이미지분류에서의신경망모형의응용 : Convolutional Neural Network, CNN 20) CNN 은동물의시각인지과정을모방한신경망모형중하나로이미지분류문제또는분석에서기존의기계학습법을크게뛰어넘었다. 1998년 LeCun에의해 convolutional layer ( 이하 conv. layer) 를포함한 LeNet-5 모형이개발되었다. 구조는 < 그림 5> 와같이입력층, conv. layer, pooling layer, conv. layer, pooling layer, conv. Layer, fully-connected layer, 출력층의순서로구성되어있다. Pooling layer 의경우 LeNet-5 는 average pooling 을사용하였고활성함수로는 sigmoid 와 tanh 을이용하였다. INPUT C1:feature maps 6@ C3:f. maps 16@ S2:f maps 6@ S4:f. maps 16@ 5 5 C5:layer 120 F6:layer 84 OUTPUT 10 Full connection Gaussian connections Convolutions Subsampling Convolutions Subsampling Full connection < 그림 5> LeNet-5 모형의구조 (LeCun, 1998) LeNet-5는 conv. layer의모수들을공유하는성질과 down sampling의일종인 pooling layer를이용하여모수의수를줄여과적합을방지하도록하였다. 또한 < 그림 3> 의신경망모형처럼이전층과그다음층의노드들끼리다연결되어있지않기때문에 sparse connected 인공신경망의일종이다. 일반적으로주어진이미지자료에대해속하는범주를찾는것이목적이기때문에손실함수로는 cross-entropy 를이용하며, 역전파알고리즘을통해모수를추정한다. 숫자를수기로작성한이미지자료가입력값으로들어가면어떤숫자가적혀있는지분류하는문제인 MNIST 데이터셋 (60,000개의학습자료와 10,000개의예측자료로구성 ) 을이용하여 LeNet-5를학습시키고예측자료를이용하여기존에사용하던기계학습방법들과성능을비교하였을때더좋은성능을확인할수있었다. 이후 CNN에대한연구가활발히이루어져크기가큰, 그리고속하는범주가많은이미지분류문제를위한여러 20) LeCun(1998) 69

70 CNN 모형이개발되었는데, 그중대표적인모형들로는 AlexNet 21), VGGNet 22), GoogLeNet 23), ResNet 24) 등이있다. 2 시계열자료를위한신경망모형 : Recurrent Neural Network, RNN RNN은언어모형화또는텍스트생성, 기계번역, 음성인식, 이미지캡션등에사용되는자료로, 일반적인신경망모형과달리입력값이순차적으로주어지는시계열자료문제에주로사용되는신경망모형중하나이다. 1980년대에 John Hopfield 에의해처음으로제안되었으며, 기존에사용되었던은닉마코프모형보다월등히좋은성능을가졌다.,, 은각각시간에따른입력값, 중간노드의값, 출력값을나타내는데시간에따른중간층노드끼리연결이되어있고, 는각각입력층과중간층사이의모수, 이전시점과다음시점의중간층사이의모수, 중간층과출력층사이의모수을나타낸다. 시점의출력결과는이전시간의중간층에영향을받는다. 시간에따라들어오는입력에대하여동일한 task를적용하고, 즉모든시점에대해모수 ( ) 를전부공유한다. 이와같은구조를사용함으로써학습시켜야하는모수의수를줄여과적합을피한다. 하지만실제구현에서는너무먼과거의시점에일어난일들은기억하지못하는문제가있다. 이에대한해결방안으로중간층의구조를변형시키는 LSTM 25) 와 GRU 26) 등이있다. < 그림 6> RNN 의구조 (LeCun 외, 2015) 21) Krizhevsky 외 (2012) 22) Simonyan와 Zisserman(2014) 23) Szegedy 외 (2015) 24) He 외 (2016) 25) Hochreiter와 Schmidhuber(1997) 26) Cho 외 (2014) 70

71 나. 비지도학습 (Unsupervised Learning) 지도학습과비지도학습의가장큰차이점은데이터라벨의유무이며, 비지도학습의경우반응변수또는라벨 가없고주어진자료 만을가지고분석하는기계학습의분야중하나이다. 비지도학습내에서도군집분석, 차원축소법 ( 주성분분석, 인자분석등 ) 여러개의분야가있다. 1) 군집분석모집단에대한사전정보가없는경우주어진관측값들사이의거리또는비유사성을이용하여전체를몇개의군집으로군집화하는방법으로계층적, 비계층적군집분석등이있다. 계층적군집분석은처음관측치당하나의군집을이루고있다고가정하고가까운자료끼리순차적으로군집 병합해나가는방법으로한번병합된자료들은다시분리되지않고, 나무구조인덴드로그램을이용하여표현한다. 비계층적군집분석의경우관측자료들을몇개의군집으로나눌지를먼저설정하고주어진군집분석판정기준을최적화하는분리기법을사용한다. 대표적인비계층적군집분석의방법으로는 K-means 군집분석, 가우시안혼합모형등이있다. 2) 차원축소법주어진자료내변수들의선형변환또는비선형변환을이용하여고차원의자료를저차원으로환원시키는방법으로차원의단순화를통하여자료의구조를파악하는것이목적이다. 1 선형결합을이용한차원축소 27) 선형결합을이용하여차원을축소하는기법은주성분분석 (Principal Component Analysis), 인자분석 (Factor Analysis) 등이있다. 주성분분석은주성분이라는변수를생성하는방법으로첫번째로생성된주성분은자료의분산을가장많이설명하는선형결합이고두번째주성분은첫번째주성분과독립이면서첫번째주성분이설명할수없는나머지분산을최대한설명하는선형결합으로주성분의수는전체자료의수만큼생성할수있지만, 자료의차원을낮추기위해전체분산의대부분을설명하는몇개의주성분만을 27) 박창이와김용대 (2011), Friedman 외 (2001) 71

72 고려한다. 인자분석은관측되지않은중요한몇개의잠재적인자들의선형결합으로자료의변수가이루어져있다고가정하고, 그잠재적인자들을찾아내는분석법으로이러한잠재적인자를이용하여전체변수의상관관계를파악하고, 그룹화를할수있기때문에차원축소에주로사용된다. 2 신경망모형을이용한차원축소주어진자료에대한최소한의비선형결합으로자료의전체분포를표현하는모형으로주로이미지차원축소및복원, 가상이미지생성등에사용된다. 먼저입력값들의확률분포에대해학습하는모형인 RBM(Restricted Boltzmann Machine) 은확률모형으로, 1986 년도에 Paul Smolensky 에의해제안되었으며, 2006년도에 Geoffrey Hinton 에의해학습알고리즘이개발되었다. RBM은입력층과하나의중간층으로이루어져있으며, 중간층을이용하여입력층의분포를표현하는모형이며 < 그림 7> 의왼쪽과같다. 모수추정은 CD(Contrastive Divergence) 알고리즘을 28) 사용한다. 두개이상의중간층을이용하여입력층의분포를표현하는모형인 DBN(Deep Belief Network) 은 2006 년도 Geoffrey Hinton 에의해제안되었으며 < 그림 7> 의오른쪽모형과같다. DBN은가장위의층만 RBM을따르고나머지층들은모두위에서아래로가는 Directed Belief Network 을가정한다. 모수추정은층마다 RBM 을이용하여모수를추정하여모수들의초기값으로설정하고, 모든모수를지도학습을이용하여학습한다. 29) 이외에도차원축소및데이터압축을위한신경망모형에는 Auto-encoder, Stacked Auto-encoder 등이있다. 30) Hidden Layer Hidden Layer Input Layer < 그림 7> RBM( 왼쪽 ), DBN( 오른쪽 ) 구조 (Wang 외, 2014) 28) Hinton(2006) 29) Bengio 외 (2007) 30) Bourlard 와 Kamp(1988), Hinton 와 Zemel(1994) 72

73 다. 강화학습 (Reinforcement Learning) 강화학습 (Reinforcement Learning) 은기계학습분야의한갈래로, 각행동에대해서로다른보상이주어지는문제상태에서어떠한행동을취해야최대한의보상을얻을수있는지를학습한다. 31) 강화학습의 3요소는상태 (State), 행동 (Action), 보상 (Reward) 이다. 강화학습은각각요소들간의상호관계에대해학습한다는점에서한요소를통해다른요소를파악하는지도학습과는차이가있다. 예를들어, 자율주행자동차의움직임에강화학습모형을적용할경우가능한상태는현재차의위치, 속도, 주위차의움직임등이있고이상태에서가능한행동으로는손잡이를좌우로돌린다거나엑셀이나브레이크를밟는것이있을수있다. 이러한행동의보상으로는목적지까지의소요시간이빠를수록큰값을줄수있을것이고, 사고가일어난다면매우작은값 ( 음의값 ) 이보상으로주어지게될것이다. 관찰시점을기준으로상태와행동, 보상은순서대로발생하게된다. 시점에서의상태, 행동, 보상을각각 라고하면, 시점 부터관측을시작하면 와같은수열을관측할수있다. 이러한일련의행동과보상간의관계를탐구하기위해서는확률적인모형이필요하다. Markov Decision Process는강화학습에서주로사용하는모형으로, 시간에따른각요소들간의상관관계를나타내는모형이라고할수있다. Markov Decision Process는상태공간, 행동공간, 전이확률, 보상함수, 감소율 의모임 <,,,, > 로표현되며, 각공간의의미는다음과같다. 는가능한상태를모두모은집합이다. 는가능한행동을모두모은집합이다. 는상태와행동에대한함수로, 현상태에서특정행동을할때나올수있는다음상태에대한확률적인모형이다. 이를식으로표현하면다음과같다. P 31) Sutton 과 Barto(1998) 73

74 은상태와행동에대한함수로, 현상태에서특정행동을할때기대할수있는보상 을나타낸다. 이를식으로표현하면다음과같다. E 감소율 는 과 사이의값으로, 계산상의편의를위해추가되었다. 즉, Markov Decision Process는확률론에서의 Markov 모형과마찬가지로 시점에서의상태와보상이직전의상태, 행동에만영향을받는다는가정을내포하는모형이라고할수있다. 강화학습의 3요소인상태, 행동, 보상중우리가결정할수있는사항은행동뿐이다. 따라서강화학습문제를해결한다는것은어떠한행동을할지를결정하는것이라고할수있다. 엄밀하게말하자면현재상태에서어떠한행동을취할지를선택해야한다고할수있다. 이러한선택은고정되어있을수도있지만, 확률적으로표현할수도있다. 이와같이주어진상태에대해어떤행동을취할지를선택하는방식을정책 (Policy) 이라하며, 수식으로는다음과같이정의된다. π P 위와같은정의를이용하면, 강화학습은최적의정책을찾는문제라고말할수있다. 서로다른정책들을비교하기위해서는정책을평가하는기준이필요하다. 강화학습에서시점 이후의총보상의합은반환값 (Return) 이라고하며, 다음과같이정의된다. γ 현재상황에서고정된정책을따라행동을선택하는경우에, 반환값의기댓값을가치함수 (Value Function) 이라고한다. 주어지는값이상태뿐인지혹은다음행동까지주어졌는지에따라상태-가치함수 (State-Value Function), 행동-가치함수 (Action-Value Function) 라하며, 각각다음과같이정의된다. E π π E π 74

75 따라서강화학습의궁극적인목표는모든상태에서가장큰가치함수를갖는정책을찾는것이라고할수있다. 그러나임의의정책 에대해각상태에대해가치함수를계산하는것은불가능하다. 가치함수를계산하기위해서는전이확률 와보상함수 을알아야하는데, 이는우리가알수없기때문이다. 최적의정책을찾기위한가장직접적인방식으로는가치함수를추정하는것이다. 이러한상황에서사용되는알고리즘으로몬테카를로기법이있다. 몬테카를로기법은많은횟수의시뮬레이션을통해각행동의보상을확인함으로써실제행동-가치함수를추정하고, 가장높은행동-가치함수값을갖는행동을최적행동으로선택하는방법이라고할수있다. 현재의주어진정책에대해서이를개선시키는방안으로최적의정책을찾는방식도생각해볼수있다. 이러한방식으로최적정책을추정하는알고리즘중하나가 Q-learning 이다. 32) Q-learning 은행동-가치함수를학습하는알고리즘으로, 현재 π 을바탕으로단한번만행동을실행한후얻은보상을이용해서행동-가치함수를학습하는알고리즘이다. Q-learning 은반환값 가 을만족한다는점을이용해서 의기댓값인 π 을추정하는데한번의시뮬레이션결과 얻은보상을이용해서 을추정하는알고리즘이다. 가치함수를모형화함으로써추정하는방법도있다. 이경우에는일반적인지도학습과유사한방식으로모수 의추정이이루어진다. 특정한목적함수 를최적화하는 를추정하기위해서인공신경망모형에서도많이사용되는경사강하기법을이용한다. 이때 J로는가치함수가주로사용된다. DeepMind에서는가치함수를모형화하는모형으로인공신경망모형을사용하는알고리즘을개발했으며, 33) 이를이용해서다양한비디오게임의해법을성공적으로찾아냈으며, 이와몬테카를로알고리즘을결합해서인간보다뛰어난바둑프로그램을개발해냈다. 34) 32) Watkins(1989) 33) Mnih 외 (2015) 34) Silver 외 (2016) 75

76 4. 인공지능응용사례 최근딥러닝기법을비롯한인공지능알고리즘의발전과연산속도, 자료처리량등의하드웨어측면에서의비약적인향상에힘입어산업전분야에서인공지능응용사례가급증하고있다. 특히의료, 금융, 교육등의산업분야에서는기존에해당분야전문가가필요했던영역들을인공지능이상당수대체하고있다. 뿐만아니라, 기존의인공지능기술로는거의불가능했던자율주행, 개인비서등의새로운첨단산업이창출되고있다. 이장에서는여러산업분야에서의대표적인인공지능응용사례를살펴보고각사례에대한구체적인인공지능기술의활용방법에대해알아보도록한다. 가. 의료분야 의료정보는매년그양이두배로늘어나고있으며, 빠르게변화하는필드에서수많은의학지식을계속적으로학습해야하는과제를안고있다. 35) 이러한환경속에서, 방대한양의자료를저장하고처리할수있는인공지능시스템은현대의학에서점점그필요성이높아지고있다. 의료분야의가장대표적인인공지능응용사례는인공지능컴퓨터시스템 IBM 왓슨을활용한질병진단및치료법제공시스템이다. IBM 왓슨은주어진질문에대한답을하도록설계된인공지능시스템으로, 2011년미국의퀴즈쇼인제퍼디에출연하여기존의프로그램챔피언들과의대결에서승리한바있다. IBM은세계최고의암병원인뉴욕의메모리얼슬로언케터링암센터 (MSKCC) 와의협동연구등을기반으로암진단솔루션인왓슨포온콜로지 (Watson for Oncology) 와암치료법제공프로그램인왓슨포지노믹스 (Watson for Genomics) 를 IBM 왓슨에탑재하였다. 플로리다주의주피터메디컬센터 (Jupiter Medical Center) 를비롯한여러병원에서위솔루션들을진단및치료에활용하고있다. 국내의경우가천대길병원이처음으로왓슨포온콜로지를도입한이후, 부산대병원에서왓슨포온콜로지와왓슨포지노믹스를모두도입하는등점차그활용사례가늘어나는추세이다. 35) Lee 와 Kim(2016) 76

77 나. 금융분야 금융분야의인공지능응용사례는투자자문, 신용평가, 금융범죄탐지등의소분야로나눌수있다. 투자자문서비스는경제및금융시장의현재상황을분석하고미래를예측함으로써투자방향을제공한다. 신용평가는대출신청자의신용도를판단하고채무불이행가능성등을예측하는것이며, 금융범죄탐지는카드부정사용을포함한결제사기탐지등을예로들수있다. 투자자문분야에서는기존에여러핀테크기업들이기존의금융공학과머신러닝기법들을활용하여투자자문서비스를제공해왔다. 최근딥러닝기술을기반으로하여보다방대한자료에대한효율적인분석이가능해졌고, 이에따라딥러닝기술을활용한투자자문서비스를제공하는핀테크기업들이늘어나고있다. 대표적으로 Dataminr은실시간으로 SNS 자료를분석하여투자관련의사결정에필요한시장정보와동향을제공한다. 다른대표적인투자자문핀테크기업으로는 Sentient Technologies, Renaissance Technologies 등이있다. 신용평가분야에서는기존의머신러닝기법과딥러닝기법을사용하여개인혹은기업의신용을평가하는인공지능프로그램이다수개발되었다. 핀테크기업 TrustingSocial 의경우, 기존의직업, 지출내역등의정보에 SNS 활동정보와같은웹자료를추가하여개인의신용평가점수를산출하는 Credit Scoring 2.0 프로그램을제공하고있다. 기존의신용평가는대부분확인된지출내역등의한정된자료만으로이루어져상환능력이충분함에도불구하고대출이불가능한고객들이많았다. 반면 Credit Scoring 2.0에서는풍부한웹자료를바탕으로신용을평가함으로써기존의정보만으로는대출이어려웠던개인들에대해서대출기회를열어주는역할을한다. 그리고소파이 (SoFi), 아반트 (Avant) 등으로대표되는 P2P 금융핀테크기업들의경우, 대출을원하는개인혹은기업의신용을정확히평가하는것이회사의수익률에직결되므로이를위한자체적인인공지능신용평가프로그램을구축하고있다. 마지막으로금융범죄탐지는온라인결제서비스회사인페이팔이사용하는 이상금융거래탐지시스템 이대표적이다. 페이팔은자사결제자료를분석하여피싱에해당하는건들을탐지하는시스템을구축하였으며, 이시스템에딥러닝기술이활용되었다. 국내의많은회사에서도이상금융거래탐지시스템을자체적으로구축하여사용중이며, 특히신한카드를비롯한여러회사에서딥러닝기술을활용한이상금융거래탐지시스템을구축하고있다. 이외에금융관련검색서비스를제공하는 Alphasense 와같이인공지능기술을활용하여금융분야에간접적인서비스를제공하는사례도있다. 77

78 다. 교육분야 모든학생들에게동등한교육의기회를제공하려는취지하에온라인서비스를통해여러교육프로그램을제공하는사례가증가하고있다. 이에따라개별학생이강의를듣는동안성취도를판단하여맞춤형강의를제공하거나관심있는분야의강의를추천해주는서비스의수요또한늘어나고있으며이를위해인공지능기술이필수적이다. 미국의대표적인온라인수학교육사이트드림박스러닝은인공지능기술을활용함으로써학생이강의를수강할때마다이해정도를지속적으로측정하여부족한개념을보충해주고적절한다음강의를실시간으로제공하고있다. 같은목적으로인공지능기술을사용하고있는다른온라인교육사이트로는뉴턴 (Knewton) 등이있다. 온라인교육사이트의개인별맞춤교육서비스가큰인기를끌면서애리조나주립대학교에서는같은방식의개인별맞춤교육시스템을일부대학강의에적용하고있다. 한편, 코세라 (Coursera) 는스탠포드, 듀크등약 100여개대학과제휴하여해당대학들의많은강의를무료로제공하는 Mooc(Massive Open Online Course) 이다. 국내에서는연세대학교와 Kaist가코세라와제휴를맺고있다. 제공하는강의의수와범위가워낙많고넓기때문에인공지능기술을활용하여개인의관심사와관심수준에맞는강의를추천해주는서비스를제공하고있다. 유사한서비스를제공하는 MOOC로는하버드와 MIT 등이제휴하고있는에덱스 (edx) 가있다. 라. 쇼핑분야 온라인쇼핑역시인공지능기술을활용한개인별맞춤추천서비스가제공되는대표적인산업분야이다. 대표적인온라인쇼핑기업아마존에서는구매이력, 사용자가매긴평점등을종합하여개인별맞춤추천상품을제공하고있다. 아마존의추천시스템은초기에는사용자들이입력한평점자료를바탕으로비슷한평점패턴을보이는다른사용자의상품구매이력을통해새상품을추천하였으나, 쇼핑몰의규모가확장되어상품의종류가급격히증가하면서전체자료의극히일부만관측되는평점자료만으로새로운상품을추천하는데어려움이생기게되었다. 최근에는구매이력, 상품클릭정보, 평점, 상품정보, 사용자정보등으로이루어진빅데이터와여러인공지능기법들을활용하여추천시스템을구축하고있다. 이러한추천시스템은한번도구매해본적없는종류의상품도추천이가능하고, 상품에대한평점을거의 78

79 매기지않은사용자에게도추천이가능하다는점에서많은사용자들에게편의를제공한다. 현 재는국내외의많은온라인쇼핑몰에서도사용하는자료의종류와형태는다르지만비슷한인 공지능기술들을활용하여자체적인추천시스템을구축하고이를사용자에게제공하고있다. 마. 지능형개인비서 지능형개인비서는인간의음성을인식하고그에맞는응답을제공하는인공지능서비스이다. 기존에는정해진질문에대한간단한답만제공하는정도의서비스에그쳤지만, 딥러닝기술의등장으로대두된인공지능의발달과사물인터넷 (IoT) 에대한관심등이맞물려빠르게발전하고있는새로운첨단산업분야이다. 현재개발된대부분의지능형개인비서서비스는인간의음성을인식하여분석가능한자료로변환하는음성인식과변환된입력자료에대한응답을제공하는질의응답에모두첨단인공지능기술이필요한고도의서비스이다. 대표적인지능형개인비서소프트웨어로는애플의시리, 구글의나우, 페이스북의 M 등이있으며지능형개인비서소프트웨어대부분은스마트폰에탑재되어제공되어왔다. 최근에는아마존의에코, 애플의홈팟등스마트스피커의형태로제공되는지능형개인비서하드웨어도다수개발되고있으며이외에도자동차를비롯하여세탁기, 냉장고등의각종가전제품에도지능형개인비서가탑재되어출시되고있다. 국내의많은기업들에서도지능형개인비서서비스를개발 제공하고있는데소프트웨어로는삼성전자의빅스비가대표적이고하드웨어로는 SK텔레콤의누구, KT의기가지니, 네이버의프렌즈등의스마트스피커가있다. 수많은지능형개인비서서비스가출시되었고각소프트웨어의기술적인부분은큰차이가없지만, 개발회사에서모형학습에사용한자료와개발목적에따라강점을보이는분야가서로다르다. 구글의나우는스마트폰사용자의사용패턴을분석하여, 질문을던지지않아도사용자에게필요할것같은정보를제공해주는점에서타서비스와차별성이있다. 예를들면, 현재사용자가있는위치정보를기반으로주변맛집정보를제공해주는것이다. 한편, 아마존의에코는자사에서개발한지능형개인비서소프트웨어알렉사가내장된스마트스피커로아마존에서상품주문을하는기능이탑재되어있다. 그외회사의고객상담서비스에서도인공지능기술을활용한자동응답시스템이점차적용되고있으며, 자동응답시스템도좁은의미의지능형개인비서시스템으로볼수있다. 79

80 바. 기계번역 기계번역은컴퓨터를통해서로다른언어간번역을하는것이다. 초기의기계번역은주로언어학자들이만든규칙들을기반으로구축되었다. 이는규칙내범위에서는우수한성능을보여주지만규칙에벗어나는문장이입력된경우에는번역이불가능하다는단점이있었다. 특히위의규칙화는해당언어의전문가를필요로하며많은시간이소요되는일이므로현실적으로많은언어간의기계번역시스템을구축하는데는한계가있었다. 하지만최근에는딥러닝기술을통해두언어의문장이쌍으로이루어진자료만충분히많이주어지면기존의기계번역시스템보다도우수한성능을낼수있게되었다. 하지만한국어를비롯한몇가지언어의경우기계번역이좋은성능을내기위해서는형태소를분해하는자료의전처리과정이필요하다는한계점이남아있다. 형태소분해과정은언어학자의규칙화를통해구축된프로그램을사용하므로아직완전한인공지능기계번역시스템이완성되었다고는볼수없다. 구글은딥러닝기술을이용한기계번역서비스를제공하는대표적인기업으로, 수십가지언어간기계번역을제공하고있다. 이는기존에딥러닝기술을활용하기전제공되던번역기에비해월등한성능을보이는것으로알려져있다. 국내에서는네이버와카카오등에서각각인공지능기계번역서비스를개발하여제공중이다. 사. 자율주행 자율주행은실시간으로관측되는주변상황을분석하여매시점마다운전자입장에서최선의판단을내리고수행하는인공지능시스템이다. 자율주행연구의초기에는자동차회사의주도로발전해왔으나, 인공지능기술이발전하면서최근에는구글, 엔비디아등의 IT 기업들이이분야를선도하고있다. 자율주행시스템에서주변상황에대한영상은자동차에부착된센서를통해실시간자료로입력되며, 영상의윤곽선을탐지하여각부분이사람, 사물, 배경등여러카테고리중어느것에해당되는지분류한다. 이때분류기준은사전에축적된자료와인공지능기술을통해학습된다. 그리고분석된영상을토대로핸들, 액셀러레이터, 브레이크등을스스로조종하여현재상황에맞는의사결정을한다. 80

81 아. 기타 인공지능기술은지능형개인비서, 자율주행외에도다양하고새로운산업을창출하고있다. 그중대표적인예로, 우버 (Uber) 는사용자가현재위치와목적지를입력하면가까운위치의택시를연결시켜주는모바일차량예약서비스회사이다. 우버에서는우버풀 (Uber POOL) 이라는택시합승시스템을개발하여제공중인데, 각고객들의현재위치와목적지의동선을고려하여최적의합승경로를계산하기위해인공지능기술을사용한다. 또한택시중개서비스를제공하면서축적된빅데이터를기반으로여러관련산업에뛰어들고있어전세계주요도시의교통정보를분석하여제공하는무브먼트 (Movement) 서비스를출시하였고, 자율주행시스템을구축하는데에도힘을쏟고있다. 그외에도택배회사에서물류운송비용의절감을위한최적화를하거나, 무인매장을운영하기위한인공지능로봇의개발등인공지능기술은우리일상생활전분야에걸쳐활용되고있다. 5. 프라이버시침해와인공지능윤리 인공지능의발달을통해인류는지금까지누릴수없었던편리함을느낄수있게되었다. 4차산업혁명이라불리는이러한기술의발전은다양한분야에서우리의삶을풍요롭게만들어주고있다. 인공지능을통해우리는간단한자가진단을받을수도있게되었고, 생소한외국어도손쉽게번역할수있게되었으며, 번거로운심사없이간편하게출국심사를받는것도가능해졌다. 그러나급격한기술의발전의부작용으로써지금까지찾아볼수없었던여러문제점들이나타나고있다. 인공지능의발달로인해발생하는가장대표적인문제점으로프라이버시침해와인권침해등의윤리적문제를들수있다. 이는 4차산업혁명의특성과도밀접한연관이있다. 4차산업혁명을한문장으로요약하자면산업구조가소품종대량생산을통한대중중심에서다품종소량생산을통한개인중심으로변화하는과정으로설명할수있다. 따라서각개개인의정보에대한관심이유례없이증가하게되었으며이에대한반대급부로프라이버시침해나인권침해등이사회의큰문제점으로대두되고있다. 기술의발달로인한프라이버시침해는크게두종류로나뉜다. 가장흔한경우로써개인정보자체가누출되는경우를들수있다. 이러한문제는주로해킹등을통한 DB 유출을 81

82 통해일어나곤하나이외에도다양한방법으로발생되고있다. 흔히생각하기어려운문제는정보제공자도모르는사이에개인정보가누출되는경우이다. 정보제공자에게충분한동의없이정보를빼가거나, 연구등공익을위해비식별화과정을거쳐공개된자료가식별되는경우가이런예에속하게된다. 분석기술의발달로인해과거에는경험하지못했던새로운윤리문제도발생하고있다. 다양한지도학습분석기술의발달로인해주어진자료를바탕으로새로운정보를추출하는것이가능해졌다. 문제는이를통해서개개인이밝히고싶지않은정보들 ( 개인의성적취향과같은 ) 또한밝혀질수있다는점이다. 이와같이인공지능은기존에는상상할수조차없었던규칙들을찾아내면서, 이러한규칙들이인종차별이나특정집단에대한증오와같은, 현대사회에서용납할수없는윤리적문제를초래하게되었다. 본장에서는실제프라이버시침해와윤리적문제들에대해서살펴볼것이다. 각각의사례들중현재는문제점을발견하고시정된사례도있지만, 예시를통해인공지능기술이얼마나예기치못한방식으로사회적문제를발생시킬수있는지확인할수있을것이다. 가. 비식별화된연구용진료기록의재식별화 미국에서는주 ( 州 ) 차원에서소유하고있는진료기록들을유료로공개하고있다. 이러한진료기록들은연구용으로공개되고있으며, 각주에위치한병원에입원한환자들에대해그들의인구통계학적정보, 진단명, 입원수속과정, 의료행위등광범위한정보들을포함하고있다. 각각의정보들은비식별화과정을거침으로써각정보를어느인물로특정하는것은불가능하게되어있었다. 그러나하버드대의 L. Sweeny 교수는연구를통해이러한진료기록들이신문기사와같은손쉽게손에넣을수있는다른정보와결합함으로써인물을특정할수있음을밝혀내었다. 36) 주정부차원에서공개하는진료기록은보건분야의다양한연구에서매우유용하게사용되고있다. 병원과의접근성과병원이용의차이, 37) 오토바이사고시헬멧착용이끼치는영향, 38) 환자의안전 39) 등다양한연구가이러한자료를기반으로이루어져왔다. 주정부차원의 36) Sweeny(2015) 37) Ohm(2009) 38) Yakowitz(2011) 82

83 기록은자료의신뢰성이매우우수하며결측값이매우적기때문에분석에사용하기에알맞은자료라고할수있다. 그러나이와같은진료기록은환자의의료정보부터병원비지불내역과같은재무정보까지한개인에대한막대한정보를제공할수있기때문에악용될수있는여지또한크다. 실제로 1996년의 Fortune 선정글로벌 500대기업대상설문조사에서 84명의응답자중 28명의응답자 (33%) 가종업원에대한고용, 해고등의의사결정에의료정보를이용한다고밝혔는데 40) 이는법으로보호된환자의의료정보비공개권리를침해한것이다. 따라서학문적인발전과개인정보보호를함께이룩하기위해서는진료기록을원본그대로공개하는것이아닌가공을통해각정보를특정화하지못하게하는과정이필요하다. 이러한과정을비식별화 (De-identification) 라고하며, 비식별화된자료를다시특정화하는과정을재식별화 (Re-identification) 라한다. 가장직관적인비식별화방법으로는인물을특정하기쉬운변수인이름, 주소등의변수를삭제하는방법이있다. 미국에서는 1996년에건강보험정보의이전과책임에관한법 (HIPAA; Health Insurance Portability and Accountability Act of 1996) 을제정해서진료기록과같은의료정보를공개하는데있어서비식별화를의무화하였다. 그러나주정부차원에서의정보공개는위법안의적용대상이아니기때문에훨씬단순한수준의비식별화기법 ( 이름, 주소를삭제하는정도의가공 ) 을거쳐서공개되었다. Sweeny 교수는이와같은단순한비식별화를거친자료는지역신문기사와같은손쉽게얻을수있는추가자료를이용해서재식별화할수있음을실험을통해입증하였다. 41) 그녀는뉴스아카이브 LexisNexis을통해검색가능한 2011년미국워싱턴주의지역신문기사를통해입원여부가확인된사람중이름혹은주소가기재된 81명을대상으로, 신문기사에주어진정보를이용해서진료기록자료를재식별화하였다. 개인별차이는있으나신문기사를통해서성별, 혈액형, 나이, 우편번호, 입원한병원등의정보를얻을수있었으며, 이를주정부가공개한진료자료와수작업으로비교함으로써각개인의진료기록을탐색하였다. 탐색한결과는실제기사를작성했던신문기사들에게부탁해실제조사대상자와인터뷰를진행함으로써실제사실과일치하는지여부를확인하였다. 39) Barth-Jones(2012) 40) Linowes(1996) 41) Sweeny(2015) 83

84 실험결과 81명중 35명 (43%) 에대해특정한진료기록과신문에기재된그들의정보를일치시키는데성공하였다. 신문기자가이중 14명을임의로추출해서직접연락을통해사실확인을시도하였는데, 이중실제로연락이닿은 8명에대해확인한결과재식별화를통해추정한진료기록이그들의실제진료기록과전부일치하는것을확인할수있었다. 위실험을통해서신문기사와같은공개적인자료를바탕으로진행하는재식별화의정확성을확인할수있었다. 각개인의실제진료기록을확인하는것에많은어려움이따르는관계로재식별화한 35명의자료중 8명에대해서만사실확인을진행하였지만, 확인한 8명전원에게예측결과가사실과일치한다는확인을받을수있었다. 전체입원환자중 35명은매우적은수치로생각될수있지만, 다양한뉴스아카이브를이용하거나, 특정회사의경우자신들이소유하고있는종업원의개인정보를이용하면더넓은범위의사람들에대해서진료기록을추정할수있을것이다. 실제로현재워싱턴주에서는이러한문제점을인식하고 HIPAA 법안이제안하는수준과동등한수준의비식별화과정을거쳐자료를공개하고있다. 또한몇몇변수에대해서는검토과정을거쳐충분한자격이있다고판단되는사람 기관에게만자료를제공하는등, 개인정보누출을막기위해노력하고있다. 나. 스마트폰어플리케이션을통한개인정보유출 개인정보의유출은우리가정보를위탁한정부기관및회사를통해서이루어지기도하지만, 우리스스로를통해일어나기도한다. 첫아이폰이출시된 2007년이래로현대인의필수품이된스마트폰을통해서개인정보들이우리들도모르는사이에다양한곳으로유출되고있다. 42) 스마트폰은통칭앱이라불리는여러어플리케이션을이용해서손쉽게다양한기능을사용할수있는전자통신기기로써발명된지 10년이지난현재에는전세계인들에게없어서는안될필수품목으로자리잡았다. 실제로 2014년기준 Google의 Play Store의경우에는매달약 10억명의사용자가, 43) Apple의 App Store의경우에는매달약 5~6억명의사용자가새로운앱을이용하기위해방문하였다. 44) 42) Zang 외 (2015), Thurm 와 Kane(2010) 43) Reisinger(2014) 44) Bajarin(2014) 84

85 대부분의앱은사용자에게편리한기능들을제공하기위해서스마트폰사용자의개인정보, 즉개인관심사, 검색기록, 위치정보등을요청하곤한다. 그들은종종스마트폰사용자에게이러한정보를이용하기위한권한을요청하며, 따라서그들은많은앱이개인정보를기반으로작동한다는사실을충분히인지하고있다. 다양한설문조사를통해대다수의스마트폰사용자들이앱에개인정보를제공하는것을꺼려하며, 개인정보를기반으로작동하는앱에대한선호도가낮다는사실이알려져있다. 45) 스마트폰이제공할수있는많은개인정보중에서도특히사용자의위치정보를제공하는것에많은거부감을드러내었다. 46) 그러나 2010년 Wall Street Journal의스마트폰어플리케이션의정보유출에관한조사는많은사람들의기대를저버리는결과를보여주었다. 47) Android와 ios 앱중인기있는 101개의앱을대상으로한이조사는다수의앱들이사용자의허락없이개인정보를사용하고있다는점을확인하였다. 또한많은앱들은앱개발자들이개인정보를사용하는것에그치지않고전혀무관한제3자에게개인정보를유출하였다. 조사대상중 56개의앱이사용자동의없이제3자에게기기의 ID를제공했으며, 47개의앱은기기의위치정보를제3자에게제공하였다. Wall Street Journal의연구는많은이들에게충격을주었다. 개인정보유출과관련해서미국과캐나다에서는 Apple과 Pandora 등몇몇기업들에대해손해배상청구소송이제기되기도하였으며, 48) 미국과유럽에서는개인정보의이용과제3자에게개인정보를제공하는사항에대해앱사용자의허락을의무화하는다양한법안이제정되는계기가되었다. 그러나다양한법안들의제정에도불구하고앱을통한개인정보유출은없어지지않았다. Zang 외 (2015) 는 2014년에 Android와 ios에서인기를끈무료앱 110개에대해개인정보유출이이루어지는지여부를조사하였다. 조사결과여전히많은앱이사용자의개인정보를허락없이사용하는것을확인할수있었으며, 제3자에대한정보유출또한빈번하게일어났다. 조사대상중 Android 기반앱은평균적으로 3.1개의사이트에개인정보를전송하였으며 ios 기반앱은평균적으로 2.6개의사이트에개인정보를전송하는것을확인할수있었다. 45) Boyles 외 (2012) 46) Urban 외 (2012), Felt 외 (2012) 47) Thurm와 Kane(2010) 48) Kane(2010), Mui(2010) 85

86 전송한개인정보중다수는이메일주소나사용자의이름과같은그다지중요하지않은정보였다. 그러나 ios 기반앱의 47%, Android 기반앱의 33% 는많은사용자들이민감하게반응하는정보인사용자의위치정보를제3자에게제공하였다. 이외에도소수의의료관련앱은질병에대한검색기록과같이민감할수있는정보를제3자에게제공하는것을확인할수있었다. 각앱들이정보를제공한사이트에대해서살펴보면, 대부분의정보를받은사이트는 Google 혹은 Apple과관련된사이트인것으로확인되었다. 이러한정보전달의결과는앱의특성보다는스마트폰의 OS 환경과밀접한연관이있는것으로보인다. 두사이트와관련된결과들을제외하고보면, 다수의광고제공사이트들이앱이무단으로제공하는정보를받는것을확인할수있었다. 이러한사이트들은이와같이무단으로취득한정보를바탕으로개인화광고를제공하는것이다. 스마트폰을통한빈번한정보유출의문제를해결하기위해서다양한방면에서방안이제시되고있다. 기술적인해결책으로써스마트폰앱이허가되지않은사이트로개인정보를유출하려고하는경우가짜정보를생성해서제공하는방안이제시되었다. 49) 이러한방안은기술적으로는개인정보의유출을막아주는효과를주지만, 이렇게잘못제공된정보를바탕으로사용자가전혀엉뚱한광고를받을수있다는점에서는임시방편적해결책이라고볼수있다. 법률적인해결책또한제시되고있다. 백악관과美연방거래위원회 (Federal Trade Commission) 는다양한인터넷브라우저들에게추적금지기능을탑재하는것을추천하고있다. 50) 이는법적강제성이없어단순한권고사항에불과하지만 Chrome, Firefox, Safari 등많은상용브라우저들이사용자가추적금지기능을선택할수있도록기능을제공하고있다. Google, Apple과같은앱생태계를제공하는회사들또한정보유출을막기위해많은노력을기울이고있다. 앱의정보접근권한요청을사용자가좀더직관적으로받아들일수있도록인터페이스를개선하고있으며그들의자체적인추적광고시스템을더이상사용하지않음으로써사용자몰래개인정보를받는행위를줄여나가고있다. 51) 49) Zhou 외 (2011), Hornyack 외 (2011) 50) California Department of Justice(2014) 51) Dilger(2012) 86

87 다. 광고전달시스템에의한인종차별 Google Ad는 Google에서제공하는광고서비스로, 개인의기존검색기록과타인의반응을바탕으로광고를제공하는서비스이다. Google Ad는 Google 내에서의검색뿐만아니라이서비스를사용하는외부사이트에서도광고를제공해준다. 인명 ( 人名 ) 을검색하는경우 Google Ad는개인의범죄기록을조사할수있는사이트의광고를종종제시하곤한다. 이때검색하는이름이흑인이주로사용하는이름인경우, 백인이주로사용하는이름을검색하는경우에비해범죄기록조회사이트의광고의문구가악의적으로생성된다는사실이연구로밝혀졌다. 52) 개인의범죄기록은많은사람들에게매우민감하게받아들여질수있는정보이다. 예를들어고용주가지원자를선발하는데있어서개인의범죄기록을확인하게된다면범죄기록이있는사람이불이익을받을것임을쉽게예상할수있다. 범죄기록을바탕으로고용에불이익을주는것은법으로금지되어있지만, 현실적으로이를적용하는것에는많은어려움이따른다. 또한범죄기록을검색하는것은불법이아니며몇몇사이트에서는유료로범죄기록을조회할수있는기능을제공해준다. 따라서특정이름을검색할때범죄기록조회사이트의광고문구가악의적으로생성되는것은심각한불평등을초래할수있는문제라고볼수있다. 이름과인종 ( 人種 ) 간의상관관계에대해서는많은관련연구가존재한다. 53) 1960~70년대에흑인인권운동이활발해지면서, 흑인들은점차자신들고유의정체성을나타내는, 백인과구별되는이름을많이사용하게되었다. 이러한이름의특징은현재에들어서는미국내에서사회적인통념으로받아들여지고있으며, Bertrand와 Mullainathan(2013) 은연구를통해이름이보여주는인종정체성과고용의상관관계를밝히기도했다. Sweeny(2013) 는이전의관련연구 54) 에서확인된인종정체성을잘드러내는이름 62가지를이용해서실험을진행했다. 확인하고자하는범죄기록조회사이트의광고는단순이름이아닌성명전체를검색해야등장했기때문에, 각이름에대응되는성 ( 姓 ) 이추가적으로필요하였다. 인터넷검색을통해실제로존재하는총 2,184개의성명을만들어냈으며, 이는각이름별로평균 35개정도의성명을만들어내었음을의미한다. 52) Sweeny(2013) 53) Bertrand와 Mullainathan(2013), Levitt와 Dubner(2005) 54) Bertrand와 Mullainathan(2013), Levitt와 Dubner(2005) 87

88 조사는다음과같은방식으로진행되었다. Google과 Google Ad를이용해광고를제공하는 Reutor에서앞서생성한이름을검색하였다. 검색결과범죄기록조회사이트의광고가등장하는지여부를기록하였으며, 추가로광고문구또한기록하였다. 조사결과는다음과같다. 전체성명중약 78% 의성명을검색했을때범죄기록조회사이트의광고가등장한다는사실을확인할수있었다. 흑인이름을가진성명의경우전체의 81% 에서범죄기록조회사이트의광고가등장했으며, 백인이름을가진성명의경우약 68% 의검색결과에서범죄기록조회사이트의광고가등장하였다. 악의적인광고문구 John Doe 씨가체포되었나요? 와일반적인광고문고 John Doe 씨에대한정보를제공합니다. 의비율또한이와유사한결과를나타낸다. 흑인이름을검색했을때범죄기록조회사이트의광고가등장한경우 60% 가악의적인광고문구를보여준반면백인이름을검색했을때범죄기록조회사이트의광고가등장한경우에는 48% 의광고만이악의적인광고문구를보여주었다. 위의두비율의차이가얼마나유의미한지는단순한통계적인검정을통해서도확인해볼수있다. 만일범죄기록조회사이트광고의등장과이에뒤따르는악의적인광고문구의등장이이름이보여주는인종적인특색과무관하다면두종류의성명에서동일한비율로광고와광고문구가등장해야할것이다. 통계적으로이러한경우를검정하는방법으로동질성검정방법이있다. 동질성검정방법을기반으로광고등장비율을검정하면두검정모두유의확률이 보다작게나오는것을확인할수있다. 따라서흑인이름을가진성명을검색했을때범죄기록조회사이트광고가등장할확률이백인이름을가진성명을검색했을때광고가등장할확률보다통계적으로유의미하게높다고말할수있으며악의적인광고문구가등장할확률또한흑인이름을가진성명을검색하는경우가통계적으로유의미하게높다고말할수있는것이다. 이러한결과는 Google Ad가흑인이름을가진사람이범죄자일확률이높다고추정했기때문에나오는것이아니다. Google Ad는단지기존에유사한문구로검색한사람들이어떠한광고와어떠한광고문구를보여줬을때광고를클릭했는지여부만을이용해서새로운사용자에게광고와광고문구를제시한다. 따라서흑인이름을가진성명을검색했을때범죄기록조회사이트의광고가자주등장했다는사실은다른사용자들이흑인이름을가진성명을검색했을때등장한범죄기록조회사이트광고를클릭했던경우가많다는것을의미하게된다. 88

89 앞서살펴본바와같이 Google Ad의인종차별적인광고제공이인종에대한가치판단을통해이뤄지지는않았지만, 결과적으로인종에대한차별적인결과를촉진하게되었으므로이또한인종차별의한예임은자명하다. 이와같은인종차별을구조적인인종차별이라고한다. 55) 이와유사한예로 Facebook의유대인혐오자대상타겟마케팅해프닝이있다. 56) 이는 Facebook 의광고시스템이유대인혐오포스팅을업로드한사람들만을대상으로광고를제공할수있다는점이밝혀져서물의를빚은사건이다. Facebook의창립자인마크주커버그가유대인임을감안하면이는명백히의도되지않은하나의해프닝으로간주할수있다. 하지만여기서주목해야할점은인공지능을이용해자동으로광고카테고리를생성하는 Facebook의광고시스템이이러한결과를초래했다는점이다. 이는위의 Google Ad의예와매우흡사한것으로볼수있다. 두예를통해서인공지능개발자는인공지능이의도치않게초래할수있는문제에대해서도충분히고려해야한다는점을생각해볼수있다. 라. 얼굴인식을이용한개인의성적지향판별 인공신경망모형의발전은이미지자료분석에서어마어마한진보를가능하게하였다. 인공지능을이용한이미지자료분석모형은인간의시각보다더욱뛰어난성능을보여줄정도로발전되었다. 57) 이미지자료분석의응용분야로써얼굴을이용한다양한분석방법이개발되었다. 얼굴인식을이용한보안, 출입국관리, 감정인식등다양한분야에서얼굴이보여주는풍부한정보들을이용하고있다. Kosinski와 Wang(2017) 은여기에서더나아가서인공신경망모형을통해얼굴에서부터개인의성적지향을밝히는모형을개발하였다. Kosinski와 Wang(2017) 은인터넷데이트사이트에서다양한사람들의얼굴사진과그들의성적지향을취합함으로써얼굴사진을통해성적지향을추정하는신경망모형을개발하였다. 그들이개발한모형을사진의남자 ( 여자 ) 가동성애자인지여부를맞추는문제에적용시킨결과 81%(71%) 의정확도를얻을수있었다. 이는매우높은수치로, 실제사람이눈으로동일한사진을보고동성애자인지여부를판별한결과남자의경우 61%, 여자의경우 54% 의정확도를보였다. 55) Barker(2003) 56) Angwin 외 (2017) 57) LeCun 외 (2015) 89

90 이와같은연구결과는상업적으로도유용하게사용할수있다. 성소수자들을대상으로그들의취향에맞는상품들을광고한다면, 더욱효과적인마케팅을진행할수있게된다. 실제로이와같은타겟마케팅기법은현재전세계의마케팅시장을선도하고있는 Google과 Facebook같은기업들의기법이기도하다. 이를통해서성소수자들은그들의취향에맞으리라고예상되는상품들위주의광고를받아볼수있을것이다. 그러나 Kosinski와 Wang(2017) 의연구결과가발표되자많은성소수자들이염려를드러내었다. 역사적으로도성소수자를골라내려는많은시도들은그들의말살, 투옥, 성적지향전환치료등부정적인결과를초래했기때문이다. 현대에들어서성소수자의인권이지속적으로신장되고있는추세이지만, 아직까지도사회의대다수분야에서는성소수자임이밝혀지는것은막대한불이익이초래될수있는문제이기때문이다. 이와같은사례는기술의발달이사회의의식의발달속도보다빨라짐에따라생기는문제로볼수있다. 개인의성적지향을어떻게받아들일지에대한사회적인합의가존재한다면이같은연구결과는큰문제없이유용하게사용가능할것이다. 인공지능의발달이제공하는새로운지식에대해인공지능은어떠한가치적인판단도제공하지않지만, 그결과에대한도덕적인선택은인간의몫임을알수있다. 지금까지다양한사례들을통해인공지능기술의발달이개인정보를어떻게침해할수있는지를알아보았다. 비록인공지능기술의발달로인해이와같이다양한부작용이발생하고있지만, 이로인해인공지능의기술을발달시키지않아야한다고주장하는것은아니다. 이러한문제점을지적하고해결방안을도출해냄으로써새로운기술의발전방향에대해서고민할수있는기회를제공하고기술의발달로얻을수있는혜택을풍요롭게누릴수있다고본다. 6. 프라이버시보호관련법률체계고찰 1장에서언급하였듯이빅데이터분석의활성화는개인프라이버시의침해가능성을크게증대시켰고, 이를위한법률적인보호망이요청되고있다. 이에각국에서는개인의프라이버시를보호하기위한법률장치를도입하고있으며, 한국의경우에도 2011년개인정보보호에관한일반법으로 개인정보보호법 이제정되었다. 개인정보보호법률은개인정보보호와빅데이터분석기술의발전이라는두가치사이에서적절한균형을추구하여야한다. 빅데이터 90

91 분석기술과관련산업의발전및성장을위해개인정보피해를묵과해서도안되지만, 개인정보보호를명목으로관련기술과산업을무조건규제해서도안될것이다. 이장에서는개인정보의개념과, 개인정보침해를방지하기위한국내외의법률체계를살펴본다. 본장은김용대와장원철 58) 의내용을기반으로작성되었다. 가. 개인정보의개념 법률적보호의대상으로서개인정보를어떻게정의하느냐에따라해당개인정보의수집및이용에대한규제의적용여부가달라지기때문에, 법률체계내에서개인정보의정의가중요하다고볼수있다. 김경환외 (2014) 는각국의개인정보보호법률에서정의하는개인정보의개념을점검하고이를바탕으로개인정보의법률적정의에는 1) 개인에관한정보, 2) 살아있는개인에관한정보, 3) 개인을식별할수있게하는정보라는 3가지공통된개념적요소가존재한다고요약하였다. 먼저개인에관한정보란국가와사회를구성하는개개의자연인에관한정보로이러한관점에서법인혹은단체에관한정보는개인정보보호의테두리에서제외된다고본다. 또한개인정보보호의대상이되는개인은생존한자에한정하는데, 이는사망한자의정보는권리를행사할수있는주체가존재하지않기때문에권리주체의인격적이익의보장이라는개인정보의보호법익이성립하지않기때문이다. 마지막으로개인정보는개인을특정한개인을알아볼수있는정보 ( 식별정보 ), 혹은그자체만으로는식별가능성이매우낮지만다른정보와결합하여개인을알아볼수있는정보 ( 식별가능정보 ) 로한정하는데, 식별가능성이존재하지않는정보까지보호하는경우알권리나정보분석을통해얻을수있는여러이익등을과도하게침해할수있다고보기때문이다. 정보자체가식별성을가지고있는식별정보로는특정인의성명, ID와비밀번호, 전화번호의전부또는일부, 주소등과같은신원정보가있다. 또한통신회사에서사용하는개인의 IMEI(International Mobile Equipment Identity) 나 IMSI(International Mobile Subscriber Identity) 정보, 회사에서사용자에게임의로부여한일련번호와같이특정기관이개인을식별하기위해도입한정보가있다. 식별가능정보의예로는핸드폰어플리케이션개발회사가어플리케이션을통해통신회사의 IMEI나 IMSI를수집함과동시에성명, 전화번호등의개인정보를 58) 김용대와장원철 (2016). 인공지능산업육성을위한개인정보보호규제발전방향 91

92 수집하여저장하는경우를들수있다. 또한, 국가기관에서공표하는지역별통계를그지역에서개인정보를수집하는회사의정보와결합하여개인을식별하는경우도생각할수있다. 예컨대특정지역의학원이학원수강생의정보를정부의지역별교육통계자료와결합하면학원수강생의다양한개인정보를식별할수있는경우가있다. 식별정보와식별가능정보이외의정보와비식별처리된개인정보를비식별정보라고지칭하고법률적보호대상에서제외하고있다. 그러나기술발전으로인하여비식별정보의식별가능성이커짐에따라개인프라이버시를보호하기위한개선된법적조치가요구되는상황이다. 나. 주요국가의개인정보보호를위한법률체계 이절에서는미국, 유럽연합, 일본, 한국의개인정보보호를위한법률체계를간략히정리 하도록한다. 1) 미국미국의개인정보보호를위한법률체계의가장큰특징으로 1 분야별법제의형식을띄고있다는점, 2 보호와규제보다활용에방점을찍고있다는점을들수있다. 미국은개인정보의이용을포괄적으로규제하는일반법을제정하기보다는산업에서의자율규제를원칙으로하고있으며, 심각한개인정보의침해를발생시킬수있는사안에대해서는기존법상의불법행위로간주하여규제하거나개별법을제정하여대응하려는구조를가지고있다. 기본적으로공공부문은연방프라이버시법 (Privacy Act of 1974) 이기본법의역할을하며, 민간부문의경우정보통신, 금융, 의료정보등개별분야에서개인정보이용에관한법률이제정되어역할을하고있다. 59) 또한미국은개인의프라이버시가침해되지않는한, 그이전단계에서개인정보를수집, 공유및분석하는등의빅데이터처리를일관되게규제하는법적시도는최대한자제하고있다는특징이있다. 개인정보보호와관련된규제는옵트인 (opt-in) 과옵트아웃 (opt-out) 방식으로구분하는데, 옵트인은개인이동의해야만개인정보를사용할수있는방식이고, 옵트아웃은개인의동의가없어도개인정보를사용할수있지만해당당사자가요구하면개인정보사용을금지하는방식이다. 미국은공공부문에서는옵트인방식을적용하여규제하지만민간 59) 김경환외 (2014) 92

93 부문에서는옵트아웃방식을인정하며자율규제를허용하고있는데, 이는산업발전의촉진을위해서이다. 개인정보를모아서판매하는엑시엄 (Acxiom) 이나인포USA(InforUSA) 같은개인정보를판매하는회사가미국에서크게성공한것도이러한법률체계와무관하지않다. 수많은회사가경쟁적으로개인정보수집하고이를활용하는상황에서다양한부작용이나타나고있다. 2013년에미국상원은개인정보를수집하고판매하는 데이터브로커 회사의역할과부작용을비판한보고서를내놓기도하였다. 미국정부는이러한상황을인식하여개인정보를보호하기위한다양한대책을내놓고있는데, 상무부는 2010년 12월에 인터넷경제의상용데이터개인정보화와혁신 이라는보고서에서 개인정보보호권리장전 의채택과 개인정보보호정책국 의창설을제안하였다. 그리고 2012년 2월에는 소비자개인정보보호권리장전 이발표되었다. 이러한노력에도불구하고, 미국에는아직민간부분의개인정보를보호하기위한일관된법률체계가존재하지않는다. 2) 유럽연합유럽연합의경우에는회원국국민의개인정보처리와관련한프라이버시를보호하며회원국간의개인정보의자유로운유통을촉진하기위하여다양한지침을채택하였다. 1995년 개인정보의처리와유통에관한개인정보보호지침, 1997년 정보통신부문의개인정보처리와프라이버시보호에관한지침, 1999년 정보고속도로에서신상정보의수집처리와관련한개인정보보호지침, 2002년 전자통신분야에서의개인정보처리및프라이버시보호와관련된유럽의회및유럽위원회지침안, 2011년 유럽연합에서개인정보보호에관한종합적접근 등을채택하였다. 2016년에는 1995년에채택된개인정보보호지침을대폭개정하여 개인정보보호일반규칙 (General Data Protection Regulation; GDPR) 을채택하였다. 이와같이유럽연합은미국과달리분야별보호법률외에도개인정보보호에관한일반법을두어개인프라이버시침해에관하여보다엄격한입장을견지하고있다. 가장최근에제정된지침인 GDPR의중요한특징을살펴보자. GDPR은개인정보의익명처리 (Anonymisation) 와구분되는가명처리 (Pseudonymisation) 의개념을새로이도입하고가명처리에관한지침을상세하게제시하였다. GDPR이가명처리라는개념을도입한것은개인정보의익명처리를위한여러방법들에내재하고있는기술적문제, 개인정보처리자가개인정보처리의용이성을어느정도포기해야하는익명처리를자발적으로수행하도록기대할수없다는현실적인이유등으로인하여정보의완전한익명처리가가능하지않을수있다는 93

94 인식때문이다. 이러한인식하에서, 개인을식별할수있는정보의완전한삭제를요구하는것보다, 식별정보를별도로관리하고이에대한의무를부과하는것이더바람직하다고 GDPR은판단한것이다. 60) GDPR은가명처리에있어처리자의안전조치의무, 금지되는사항등을상세히명시함과동시에이러한요건이충족된상태에서는개인정보처리자의개인정보활용및분석을자유롭게허용하여빅데이터분석및활용의유연성을보장하고있다. 3) 일본 2003년에개인정보보호법률체계를정비하기전에일본은공공부문의경우 1988년제정된 개인정보보호법 이, 민간부문의경우각부문의개별법혹은정부가이드라인이개인정보보호의역할을수행하였다. 미국의경우와유사하게개인정보보호에관한일반법이존재하지않고개별법이개인정보에관한규제를포함하고있던이러한체계는 2003년에개인정보보호법률을대폭정비하여민간부문과공공부문모두에서일반법의역할을하는법률이존재하는체계로변경되었다. 이때일본은 5개의법률을제정하였는데그중 개인정보의보호에관한법률 이민간부문과공공부문에서일반법의역할을하며, 나머지 4개의법률 행정기관이보유한개인정보보호에관한법률, 독립행정법인등이보유한개인정보보호에관한법률, 정보공개 개인정보심사회설치법, 행정기관이보유하는개인정보의보호에관한법률등의시행에따른관계법률의정비등에관한법률 이공공부문의개인정보보호에관한법률이다. 61) 4) 한국한국의경우개인정보보호법이제정되기전에는미국과유사하게 신용정보의이용및보호에관한법률 ( 이하신용정보법 ), 금융실명거래및비밀보장에관한법률, 정보통신망이용촉진등에관한법률 ( 이하정보통신망법 ), 통신비밀보호법, 의료법 등의분야별필요성에따라제정된개별법으로개인정보를보호하였다. 그러던것이개인정보보호침해사례와규모가증대하는사회적변화에대응하기위하여 2011년개인정보보호법이제정되어개인정보보호를위한일반법으로기능하고있다. 그런데일반법과개별법이동시에존재하고있는 60) 박노형 (2016) 61) 김상미 (2012) 94

95 상황에서규제의중첩및충돌의문제가발생하고있다. 예컨대보험회사가동일한보험계약자와계약을체결함에있어서도거래경로나수집하는정보의종류에따라다양한법률이적용되는데, 오프라인으로수집한신용정보에는신용정보법이, 오프라인으로수집한정보중신용정보가아닌개인정보에는개인정보보호법이, 온라인으로수집한보험정보에는신용정보법외에정보통신망법이중복적용되며, 마지막으로수집경로와관계없이개별법에규정되지않는사항에는개인정보보호법이적용된다. 62) 이와같은규제의중첩및규율범위의복잡성은산업현장에서큰혼란을초래하고있으며, 개인정보처리자들이적용되는법률규정에대해명확하게인지할수없게하여제재와처벌을최대한회피하기위해여러규정중가장강한규정을적용하여개인정보의활용을스스로제약하게되는상황이다. 또한개인정보보호법이매우상세하고강하게개인정보이용을규제하고있다는점은상황을더욱악화시키는요인이다. 다. 주요국가의개인정보비식별처리에관한접근 이절에서는주요국가의개인정보비식별처리에관한접근에대해살펴보도록한다. 개인정보를빅데이터분석에이용하기위해서는개인정보를비식별처리하여해당정보가개인정보보호법에적용을받지않도록하여야한다. 적절한비식별처리는개인정보의활용성을높일뿐만아니라개인정보유출의가능성도최소화할수있다. 따라서개인정보보호와활용이라는두가지가치를동시에달성하기위해서는비식별처리에관한접근이매우중요하다고볼수있다. 미국의경우비식별처리에관하여두가지대표적인입법례가있는데, 1966년 건강보험이동성및책임의법 (Health Insurance Portability and Accountability Act; HIPAA) 의프라이버시규칙과미국연방통신위원회가인터넷서비스제공자들에게제시한지침인 브로드밴드소비자프라이버시규칙 (Broadband Consumer Privacy Rules; BCPR) 이그것이다. 63) HIPPA는개인건강정보의비식별화를위해전문가결정방식과세이프하버방식 (Safe Harbor Method) 의두가지접근을채택하고있다. 전문가결정방식은전문가들이개인정보데이터를확인하여적절한비식별화의범위와수단을정하는방식이다. 반면세이프하버방식은비 62) 김경환외 (2014) 63) 박노형 (2016) 95

96 식별화가필요한 18가지유형의데이터를지정하고이에따라개인정보관리기관이비식별화조치를하도록한것이다. 세이프하버방식은지침에따라비식별화를수행하는방식이므로전문가결정방식에비해즉각적이고예측가능하나비식별조치를수행하는기관이비식별화된개인정보를재식별할수있는능력과지식이없음을보장할수없다는문제가있다. BCPR은인터넷서비스제공자가비식별화된개인정보를이용하기위한몇가지조건을제시하는데우선미국연방통신위원회가고안한시험을통과하고, 개별적으로식별될수없는형식으로비식별화를수행하며비식별처리된정보를재식별하지않는다는약속을공개적으로선언하며, 비식별처리된정보에접근하는자가재식별화를시도하지못하도록적절한감시를수행하여야한다. 일본의경우익명처리된개인정보에대해서옵트아웃방식을채택하여해당정보를이용할수있게하고있다. 일본은익명처리에대하여몇가지지침을제시하고있는데, 익명처리시특정개인을식별할수없도록처리하여야하며, 개인정보보호위원회규칙에따라안전관리조치를이행하여야한다. 또한익명처리된정보를재식별화하는행위를금지하고있다. 이러한미국과일본에서비식별화는개인정보를가공하여특정개인과해당정보를연결하지못하도록한다는점에서 GDPR의익명처리와유사하다고볼수있다. 또한미국과일본은완전한익명처리를불가능한것으로보고재식별화를위한행위를금지하고있다는공통점이있다. 반면유럽연합의 GDPR은개인정보를가명처리하도록권고한다는점에서양국과는그접근이다르다고할수있다. 64) 라. 빅데이터산업발전을위한법률체계정비 가장기본적으로는개인정보보호법과분야별개별법사이의중복및충돌되는요소를분석하여합리적인해석과적용을가능하게하는가이드라인을제시할필요가있으며나아가중첩및충돌되는규정들을재정비하여야한다. 또한개인정보보호법률을통합하여일원화하는것도하나의방법이될수있다. 개인정보법의내용과관련해서는유럽연합의 GDPR을참조할필요가있다. 개인정보보호일반규칙은개인정보의비식별처리에관하여기술적, 현실적이유로불완전할수밖에없는익명처리가아닌가명처리를권고하고이에대한상세한지침을제시함과동시에규정외의 64) 박노형 (2016) 96

97 개인정보활용은최대한보장함으로써개인정보의보호와활용을균형적으로추구하고있다. 이와같이기술적발전을반영하여개인정보의보호범위와의무를명확하고간결하게규정한유럽연합의 GDPR을국내에서도참고할만하다. 또한편으로는데이터과학자들의법률적위험을분산시킬수있는제도적장치가도입될필요가있다. 데이터를통합하거나분석할때발생할수있는개인정보유출의위험은이를방지하는통계적 기술적방법이정교하게발전하더라도완전히제거될수없다. 따라서개인정보유출에따르는법률적위험역시도항상존재하게된다. 개인정보유출에따른법률적위험은빅데이터분석을통하여새로운가치를창출하고자하는데이터과학자들의입지를제약할수밖에없으며, 이는빅데이터활용을저해하는중요한요인중하나이다. 이런상황을해결하기위해서는특히개인정보의유출에관한법률적책임을면제하거나최소화하는방법을고려하여야한다. 이를위한정책적대안으로고려해볼수있는것은여러기관의데이터를통합할때개인정보보호를위한기술적지원을제공하고인증과정을수행하는소위 데이터거래소 를정부조직또는산하기관으로만드는것이다. 데이터거래소에서승인된통합데이터를분석하는데이터과학자에게는개인정보유출로인한법률적위험을일부감면하도록하는제도를고려해볼만하다. 이미세계각국에서는데이터거래소를도입하고있다. 중국은 2015년부터빅데이터거래소를개설하여운영하고있으며, 영국은기업이분석에필요한개인데이터를제공하도록하는프로그램을운영하고있다. 미국의경우앞서언급했던데이터브로커기업들이활성화되어있어민간시장에서데이터거래가이루어지고있다. 65) 반면에개인정보보호에대한매우엄격한법을가지고있는한국에서는개인혹은기업간의데이터거래에서발생할수있는개인정보유출에대한책임이데이터거래당사자인개인과기업에전적으로부과되기때문에, 미국의경우와같은민간중심의데이터거래소가형성되기매우어려운조건에처해있다고할수있다. 법률적책임을일정부분부담하는정부산하의데이터거래소가설립된다면민간주도의데이터거래소시장이성장하는데도움이될것이며이는빅데이터분석을통한산업발전에밑거름이될것이다. 65) 파이낸셜뉴스,

98 7. 프라이버시보호를위한기술들 가. 데이터변환을통한프라이버시보호 데이터의변환을통한프라이버시보호는 개인정보보호데이터마이닝 (PPDM; Privacy Preserving Data Mining) 이란이름으로 2000년도초반부터연구가되었다. 66) 즉, PPDM은일반적인기계학습기법과마찬가지로데이터를이용하여규칙및패턴발견 (Pattern Discovery), 군집찾기 (Clustering), 분류 (Classification) 등을목표로하되, 날것의데이터를그대로사용하는것이아닌개인의식별이불가능한수정된데이터 (Modified Data) 를사용하는것이차이점이라할수있겠다. 1) PPDM의프레임워크 PPDM 기법은 1 데이터셋, 2 개인정보보호기술, 3 기계학습알고리즘이렇게세가지의구성요소로이루어져있다. 67) 이 3가지구성요소의관계를그림으로나타내면 < 그림 8> 과같다. 일반적으로 PPDM에서 3번째구성요소인기계학습알고리즘 ( 데이터마이닝알고리즘 ) 은어떠한데이터가공과정을거쳤는지에따라기존알고리즘을사용할수도, 새로운알고리즘을개발하여사용할수도있다. 따라서개인정보보호를위한데이터가공과정이더중요한요소라고할수있다. 따라서다음으로이어지는소주제에서는첫번째와두번째의구성요소에대하여자세하게다루도록한다. PRIVACY PRESERVING TECHNIQUE OUTPUT DATA MINING TECHNIQUES INPUT < 그림 8> PPDM 의세가지구성요소의관계 (Vinoth 와 Santhi, 2016) 66) 홍선경외 (2013), Bertino 외 (2008) 67) Vinoth 와 Santhi(2016) 98

99 1 데이터셋데이터셋은문자그대로기계학습기법등을통하여유의미한정보를추출하고싶은대상이되는데이터를뜻하며, 이데이터에는수많은개인정보또는회사의기밀정보가포함되어있다. 데이터셋은크게중앙서버에집중되어저장되어있거나, 분산저장되어있다. 중앙서버에집중되어있는경우를 Central Server Scenario 라하고, 분산저장되어있는경우를 Distributed Server Scenario 라한다. 특히 Distributed Server Scenario 의경우각저장서버마다다른설명변수를저장하고있는경우를 Vertically Distributed, 서로같은설명변수를저장하되다른샘플들을저장하고있는경우를 Horizontally Distributed 로정의한다. 68) 2 개인정보보호기술두번째구성요소인개인정보보호기술은데이터를가공, 변형하여개인정보또는회사고유의정보를식별하지못하도록하는기법들을총칭하며 PPDM의핵심이되는기술요소를대부분포함하고있다. 개인정보를보호하는방법에따라서 a) 익명화기반의 PPDM, b) 교란기반의 PPDM, c) 랜덤화된응답기반의 PPDM, d) 압축기반의 PPDM, e) 암호기반의 PPDM 이렇게크게 5가지로나뉜다. 69) 여기서 5번째암호기반의 PPDM은개인정보보호의측면보다는다자간의데이터공개를꺼리는상황에서모두의데이터를이용하여유의미한정보를추출하는것을목적으로하는기법이기때문에앞의 4가지 PPDM 방법들과결을달리하는방법이라할수있겠다. 따라서여기서는앞의 4가지의 PPDM 방법에대해서만설명하도록한다. 2) 익명화기반의 PPDM(Anonymization based PPDM) 익명화기반의 PPDM이란가명처리, 총계처리, 데이터삭제등을이용하여데이터의개인을익명화하여개인정보가누구의것인지식별하지못하게하는것을의미한다. 개인의수많은정보중민감한정보 ( 예 : 질병의유무또는병명 ) 를분류하는것을목표로하는경우에, 이를설명하기위해필요한다른정보들을가공하지않은채그대로사용한다면개인정보누출이심각해질것이다. 이런경우에데이터를다양한방식으로가공하여가공된데이터를통해어떤개인인지유추할수없게끔하는과정이필요하다. 간단한방법으로는앞에서언급한 68) Malik 외 (2012) 69) Malik 외 (2012) 99

100 가명처리 (Pseudonymiztion), 총계처리 (Aggregation), 데이터삭제 (Data Reduction) 등이존재하며, 고급방법론으로는 k-익명성 70), l-다양성 71) 등이있다. 다음의대부분의설명은한국신용정보원의 개인정보비식별조치가이드라인 72) 을참조하였다. 가명처리 (Pseudonymization) 는성명, 출신학교, 근무처등개인식별이가능한데이터를직접적으로식별할수없는다른값으로대체하는기법으로, 데이터의변형또는변질수준이적은편에속하지만대체값을부여한후에도식별가능한고유의속성이계속유지되기때문에개인의 ID를유추할수있다는단점이있다. 대표적인가명처리기법으로는식별자에해당하는값들을몇가지정해진규칙으로대체하거나사람의판단에따라가공하여자세한개인정보를숨기는방법인휴리스틱가명화방법 (Heuristic Pseudonymization), 기존의데이터베이스의레코드를사전에정해진외부의변수값과연계하여교환하는교환방법 (Swapping) 등이존재한다. 총계처리 (Aggregation) 는개인을식별하기쉬운신체정보, 소비기록등각각의값대신평균등통계값을적용하여특정개인을식별할수없도록하는기법들을의미하며, 민감한수치정보에대해식별이불가능하도록할수있다는장점이있지만정밀한분석이어렵다는단점이존재한다. 대표적인총계처리기법으로는데이터전체를총계처리하는방법과일부민감한샘플들만총계처리하는부분총계방법 (Micro Aggregation), 값들을올림하거나내림하는라운딩 (Rounding) 기법등이존재한다. 데이터삭제 (Data Reduction) 는이름, 전화번호, 주민등록번호등개인식별이가능한데이터를삭제처리하는방법으로민감한설명변수전체를삭제하거나부분만삭제, 또는다른샘플들과뚜렷하게구별되는샘플전체를삭제하는방법이존재한다. k-익명성방법 (k-anonymity) 73) 은공개된데이터에대한연결공격 (linkage attack) 에대한취약점을방어하기위해제안된보호모델이며여기서연결공격은해당데이터가다른공개된데이터와결합하여개인의민감한정보를알수있는공격방법을말한다. 주어진데이터집합에서같은값이적어도 k개이상존재하도록수정하여모든샘플이적어도자기자신과 70) Samarati와 Sweeney(1998) 71) Aggarwal과 Philip(2008) 72) 한국신용정보원 (2016). 개인정보비식별조치가이드라인 73) Samarati와 Sweeney(1998) 100

101 구별되지않는 k-1개의샘플을갖도록한다. 따라서 k-익명성방법을통해가공된데이터에대해서는공격자가정확이어떤샘플이공격대상인지알아낼수없다는장점이다. l-다양성방법 (l-diversity) 74) 은 k-익명성방법의취약점을보완하기위해나온보호모델로 k-익명성방법에대해동질성공격등을방어하기위하여개발되었다. 동질성공격이란 k-익명성방법을통해가공된데이터가일부정보들이모두같은민감한값을가질경우에이를이용하여공격대상의정보를알아낼수있는경우를뜻한다. 따라서 l-다양성방법은주어진데이터에서비식별되는샘플들은적어도 l개의서로다른민감한정보를가지도록가공하는방법을말하며, 비식별되는샘플들마다충분한다양성을가지므로다양성의부족으로인한공격에방어가가능하다는장점이존재한다. 위에서언급한방법론들외에도 t-근접성 75), M-불변성 76) 등다양한방법론들이존재하지만여기서는설명을생략하였다. 3) 교란기반의 PPDM(Perturbation based PPDM) 데이터교란은프라이버시누출방지를위해가장많이사용되는기법으로, 민감한원본자료를감추기위해원본데이터에교란을주어개인의식별이힘들도록하는기법이다. 77) 이를목적으로원래데이터를노이즈생성을통한왜곡 (Distortion), 또는 PCA 등의기법을이용한변환 (Transformation) 등의가공을하고, 가공된데이터를바탕으로기계학습기법을이용하여유용한정보를추출한다. 결국교란기반의 PPDM은원자료의통계적성질을크게잃지않으면서도기존자료를유추해낼수없게끔가공하는것이핵심이라할수있겠다. 78) 가장간단한방법으로는랜덤노이즈를이용하여데이터를가공하는것이있으며, 랜덤노이즈를더하거나 (Simple Additive Noise) 곱하는방법 (Multiplicative Noise) 이존재한다. 여기서랜덤노이즈는사전에정해놓은분포에서샘플링하며, 분포의분산이작으면원데이터의정보를크게잃지않는대신개인의식별이가능할위험이높고, 반대로분산이크면개인의 74) Aggarwal와 Philip(2008) 75) Li 외 (2007) 76) Xiao와 Tao(2007) 77) 홍선경외 (2013) 78) Fung 외 (2010) 101

102 식별이거의불가능해지는대신원데이터의정보를잃을가능성이높다. 79) 따라서적당한정도의노이즈를섞어서데이터를가공하는것이필요하다. 분석가가분석을위해가공된자료를받을경우원자료의정확한값을알수는없고, 노이즈의분포로부터각샘플마다각자료의분포를유추하여얻을수있다. 따라서이렇게노이즈를섞은자료는기존에존재하는기계학습기법이아닌분포기반의기계학습기법을새로개발하여유용한정보를추출해야한다. 80) 이를위해 Agrawal과 Srikant(2000) 는분류문제를해결할수있는분포기반의새로운알고리즘을개발하였고, Kantarcioglu와 Clifton(2002) 는연관법칙문제를해결할수있는분포기반의알고리즘을개발하였다. 이처럼노이즈를이용한데이터교란기법은데이터가공이간편하다는장점이있지만설명변수간의상관관계를변화시킬수있고, 분포기반의기계학습알고리즘을새롭게개발해야한다는단점이있다. 데이터변환을이용한교란기법은위에서언급한노이즈를이용한교란기법의단점중하나인결과에영향을주는설명변수간의상관관계를무시하는점을보완하는방법이다. 샘플간의거리및상관관계를최대한보존하면서회전, 평행이동, 스케일링또는푸리에변환등여러변환방법들을이용하여데이터를변환하며기존에존재하는기계학습기법을사용하기가용이하다. 특히거리가보존되는경우에는거리를이용하여분석하는대표적인방법중하나인군집분석이가능하고, 상관관계가보존되는경우에는다차원의상관관계를이용하여분류하는의사결정나무등의모형을사용할수있다. 시계열자료의경우이산푸리에변환 (Discrete Fourier Transform), 이산웨이블릿변환 (Discrete Wavelet Transform) 등을이용하면높은정확도로유클리디안거리를보존한다는특성이있어시계열데이터의프라이버시보호에자주이용되고있다. 81) 79) Moon 외 (2010) 80) Nayak와 Devi(2011) 81) 홍선경외 (2013), Papadimitriou 외 (2007), Mukherjee 외 (2006) 102

103 4) 랜덤화된응답기반의 PPDM(Randomized Response base PPDM) 랜덤화된응답 (Randomized Response) 은원래전통적인설문조사기법중의하나이다. 랜덤화된응답은설문조사대상자가대답하기민감한질문 ( 예 : 범죄전과유무, 마약흡입유무, 성취향등 ) 에대답하기어려울경우에대답을랜덤화할수있는질문을추가하여응답자가솔직하게설문지를작성할수있도록유도하는방법으로 1965년 S. L. Warner에의해처음으로고안되었다. 랜덤화된응답기반의 PPDM은이를응용한개인정보보호방법으로원데이터를특정분포또는확률로랜덤화하여가공하는것을의미한다. 기계학습기법을사용할때는가공된데이터를이용하여원데이터의분포를유추하여사용한다. 이를도식화하면 < 그림 9> 와같다. Original Dataset Randomize Randomized Dataset Reconstruct Original Distribution < 그림 9> 랜덤화된응답기반의 PPDM 의과정 (Vinoth 와 Santhi, 2016) 랜덤화된응답기반의방법은매우간편하다는장점이있지만이상값이존재하는샘플이그렇지않은샘플에비해공격자의공격에매우취약하다는단점을가지고있다. 교란기반의 PPDM과마찬가지로가공된데이터를이용하여기계학습알고리즘을적용할때에기존의방법이아닌새로운알고리즘이필요하다. 때문에많은경우에대해서다양한알고리즘들이개발되었다. 2000년에 Agrawal과 Srikant는랜덤화된응답기반의분류문제를풀수있는알고리즘을개발하였고, Evfimievski와 Philip(2004) 과 Rizvi와 Haritsa(2002) 는연관성규칙분석이가능하도록하는알고리즘을각각개발하였다. 5) 압축기반의 PPDM(Condensation approach based PPDM) 압축기반의 PPDM 82) 은위에서언급한세가지방법의단점을보완하기위해개발된새로 운프레임워크이다. 대부분의경우에는개인정보보호를위해원데이터를가공하고, 교란된 82) Aggarwal 와 Philip(2004) 103