데이터, 개인 정보 보호 및 딥러닝

오늘은 프로그래밍 얘기가 전혀 없어요. 가끔 이런 얘기도 있어요.
개시하다
디지털 기술 발전으로 데이터 과학, 인공지능(AI) 등 정보기술을 산업·사회 각 분야에 활용하는 활동이 활발해지고, 다양한 장면에서 수집한 데이터를 활용함으로써 전대미문의 맞춤형 제품과 서비스를 창출하고 있다.새로운 사회 구조를 구축할 가능성이 있다.다른 한편, 개인 데이터는 프라이버시를 침해하고 정보를 유출할 우려가 있고 데이터 이용이 진전되지 않은 것도 사실이다.
자신의 데이터를 소중히 여겼으면 좋겠어요?국제 비교!
Facebook과 Twitter를 사용하고 계신가요?SNS에 따라 실명으로 등록하는 경우도 있고, 닉네임을 사용하는 경우도 있어 다양한 방법이 있다.개인 데이터 관련 국제 비교 조사 결과에 따르면 일본인들은 특히 SNS에 진명을 공개하는 것에 반감을 가진 것으로 보인다.
　　
　
또한 개인 데이터를 다른 정보와 연결시켜 새로운 데이터를 만들어 각종 서비스에 활용할 수 있다.언제부턴가 자신이 검색한 키워드가 광고로 나와 팝업 메시지로 달력에 등록돼 있어 편리하게 말하기 편하지만, 간혹 깜짝 놀랄 일도 있다.세상 사람들도 그런 거 잘 못 받아들이는 것 같던데.
　　
Deep Multi-Task Learning으로 개인 정보 보호
하지만 친구들과 즐거운 추억을 담은 사진이나 공공장소에서 찍은 사진을 SNS에 올리는 것(악의는 없지만) 남의 사진을 무단으로 공개하는 것도 흔한 일이죠.이 때문에 어색해하는 사람도 적지 않을 것 같다.따라서 본고는 고려해야 할 이미지에서 프라이버시 보호 대상을 추출하고 적절한 처리 방법을 제공하는 논문을 소개하고자 한다.
ipravicy의 새로운 방법은 SNS 등에 공개된 이미지의 프라이버시 설정을 자동화하기 위해 개발됐다.네 가지 과정을 통해 이미지의 프라이버시를 보호합니다.
①사람과 차 등 유형물과 배경을 분리한다
DCN(Deep Convolution nal Neural Network)과 CRF(condinal randomfields) 모델을 사용하여 사람과 그 밖의 물건과 배경을 식별합니다.

② 사생활 보호 대상과 비사생활 보호 대상으로 나뉜다
시각 트리 구조를 사용하여 프라이버시 보호 유형을 분류한다.
③ 프라이버시를 고려해야 하는 물체를 신속하고 정확하게 탐지
외관이 비슷한 프라이버시 보호 대상을 잘 구분하기 위해 인식력을 높인 딥 멀티-톡 레어닝을 사용한다.
④ 보호할 물체를 식별하는 프라이버시 설정

(a) 원본 이미지;(b) 추출자;(c) 사람의 부분만 잘라내기;(d) 얼굴 식별;(e) 프라이버시를 보호해야 하는 대상을 모호하게 한다.(f) 배경으로 돌아가기
자세한 설명은 생략했지만 이런 방법은 앞으로 서비스에서 이뤄져 SNS가 더 쉽게 이용할 수 있을 것으로 보인다.그러나 개인 데이터는 이미지에 국한되지 않고 다양한 데이터를 조합함으로써 많은 개인이 확정될 가능성이 있다.프라이버시 보호는 법률과 제한이 아니라 앞으로 이런 기술적 관점에서 해결해야 할 수요가 더욱 높아질 것이다.
조금만 진지하면
참고 문헌
· 총무성, 정보통신백서 평성 25년판.
・Yu、Jun、etal.“iPrivacy:image privercy protectiotion by identifyying sensitive object via deep multi-task learning.”IEEE Transactions on Information Forensics and Security 12.5 (2017): 1005-1016.