3교시 3번 · 25점 · 6문제 중 4문제 선택 · 100분
AI 모델 학습에 필요한 대규모 데이터 확보가 개인정보 보호 규제 및 데이터 부족으로 어려워짐에 따라, 실데이터의 통계적 특성을 모사한 합성데이터(Synthetic Data)의 활용이 확대되고 있다. 다음을 설명하시오.
- 합성데이터의 개념과 생성 기법
- 합성데이터의 품질 평가 지표
답안 개요 보기
답안 구조
- 개요
- 합성데이터의 개념
- 합성데이터의 생성 기법
- 합성데이터의 품질 평가 지표
- 합성데이터 활용 및 발전 방향
- 결론
용어 정의
- 합성데이터
- 실제 데이터와 통계적 특성은 유사하지만, 실제 개별 정보와 직접적인 관련이 없는 가상의 데이터를 의미하며, 개인정보 보호 및 데이터 활용 제약 극복에 기여.
- 차분 프라이버시
- 데이터셋에 포함된 특정 개인의 정보 유무가 통계 분석 결과에 미치는 영향을 최소화하여 개인정보 노출 위험을 낮추는 수학적 보장 기반의 개인정보 보호 기법.
- 생성적 적대 신경망(GAN)
- 생성자(Generator)와 판별자(Discriminator)가 서로 경쟁하며 실제 데이터와 유사한 새로운 데이터를 생성하도록 학습하는 딥러닝 모델.
핵심 내용
가)
- 실데이터 통계적 특성 모사 가상 데이터
- 개인정보 보호 및 데이터 활용 제약 극복 목적
- 규칙 기반, 통계 모델 기반 생성 기법
- 머신러닝 기반 생성 (회귀, 트리, 베이지안 등)
- 딥러닝 기반 생성 (GAN, VAE, Autoencoder 등)
나)
- 데이터 유용성 (원본 데이터와 통계적, 분석적 유사성)
- 개인정보 보호 (재식별 위험, 멤버십 추론 공격 방어)
- 차분 프라이버시 지표 (epsilon, delta) 활용
- 데이터 품질 및 일관성, 무결성 검증
- 생성된 데이터의 다양성과 현실성 평가
AI 작성 답안 개요 · 검수 전 · 채점기준과 기준답안은 공개되지 않습니다. 참고용 개요입니다.
출처: 한국산업인력공단, Q-Net 자료실 · 공공누리 제1유형 · 원문(Q-Net)