PE Notes · DB

합성데이터

원본 분포는 남기고 개인은 빼는 합성데이터의 통계·GAN·VAE 생성, 충실도·유용성·프라이버시 평가, 가명·익명처리와의 자리를 정리합니다.

2026-09-13

학습에는 양이 필요하고, 의료·금융 원본에는 사람이 들어 있습니다. 희귀 사건(사기, 드문 질환, 사고 장면)은 표본이 모자랍니다. 는 통계나 생성 모델로 새 행을 만들어, 분포·관계는 닮게 하고 식별 가능한 원본 행은 빼는 방법입니다. 의 한 갈래로 읽힙니다.

만드는 방법

원본을 직접 변환하지 않고, 특성을 배운 뒤 샘플을 뽑습니다.

방법	하는 일	잘 맞는 데이터	한계
통계	분포·상관을 추정하고 샘플링	표	비선형 관계
	와 가 겨룸	이미지, 표(CTGAN), 시계열	학습 불안정,
	잠재 공간에서 샘플 후 복원	연속·혼합 표	흐릿한 재구성
규칙	도메인 규칙으로 생성	테스트 픽스처	현실 꼬리 분포

유형은 전 열을 새로 뽑는 완전 합성, 식별·민감 열만 갈아 끼우는 부분 합성, 원본과 합성을 섞는 하이브리드로 나눕니다. 안전은 완전 쪽이 크고, 유용성은 부분·하이브리드가 지키기 쉽습니다.

세 칸을 같이 봅니다. 충실도는 평균·분산·상관·분포 거리입니다. 유용성은 합성으로 배우고 원본으로 시험했을 때 성능이 얼마나 남는지입니다. 프라이버시는 원본 개인을 되짚을 수 없는지입니다.

공격	노리는 것
	이 사람이 원본에 있었는가
	알려진 속성으로 숨긴 속성을 맞힘

방어의 대표는 입니다. 한 행이 들어갔는지가 출력 분포를 거의 흔들지 않게 노이즈를 넣습니다. 노이즈가 커지면 충실도는 떨어집니다.

와 는 원본 행을 지우고 가립니다. 합성은 원본 행을 내보내지 않고 새 표를 뽑습니다. 재식별 여지는 보통 더 작지만, 법적 지위는 나라마다 아직 갈립니다.

의료 공유, 사기 탐지, 사고 장면, 통계 마이크로데이터 대체, 운영 데이터 없는 테스트가 현장입니다. 한계는 분포 이동, 생성 연산 비용, “합성도 개인정보인가”에 대한 제도 공백입니다. ISO·NIST 품질 논의와 DP를 붙인 생성이 그 공백을 메우는 쪽입니다.

제140회 정보관리기술사 3교시