Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.1039-1040
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Performance Evaluation of Human and AI Experiment-Based Anonymization Techniques

인간 및 AI 실험 기반 비식별화 기법 성능 평가

  • Ye-Ji Yu (Dept. of Convergence Security Engineering, Sungshin Women's University) ;
  • Jung-Yeon Lee (Dept. of Convergence Security Engineering, Sungshin Women's University) ;
  • Ji-Yeon Lee (Dept. of Computer Engineering, Sungshin Women's University) ;
  • So-Yun Yang (Dept. of Mathematical Statistics and Data Science, Sungshin Women's University) ;
  • Hyun-Woo Choi (Dept. of Convergence Security Engineering, Sungshin Women's University)
  • 유예지 (성신여자대학교 융합보안공학과 ) ;
  • 이정연 (성신여자대학교 융합보안공학과 ) ;
  • 이지연 (성신여자대학교 컴퓨터공학과) ;
  • 양소윤 (성신여자대학교 수리통계데이터사이언스) ;
  • 최현우 (성신여자대학교 융합보안공학과 )
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구는 마스킹, 가우시안 블러, 모자이크 비식별화 기법의 성능을 평가했다. 인간/AI 비식별률, 객체 탐지 정확도, 이미지 품질을 분석한 결과, 마스킹은 높은 비식별화 성능을 보였으나 데이터 유용성이 낮았다. 가우시안 블러와 모자이크는 강도에 따라 비식별화와 데이터 유용성 간 균형을 제공했다. AI 비식별률이 인간 비식별률보다 높아, 현재 기법들이 AI 기반 인식에 더 효과적임을 확인했다. 이는 자율주행차 학습 등 AI 응용 분야에서의 활용 가능성을 시사한다.

Keywords

Acknowledgement

본 논문은 과학기술정보통신부 대학디지털교육역량강화 사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.

References

  1. Sweeney, L. (2002). k-anonymity: A model for protecting privacy. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 10(05), 557-570.
  2. Redmon, J., & Farhadi, A. (2018). YOLOv3: An incremental improvement. arXiv preprint arXiv:1804.02767.
  3. Bradski, G. (2000). The OpenCV Library. Dr. Dobb's Journal of Software Tools, 25(11), 120-125.
  4. Schroff, F., Kalenichenko, D., & Philbin, J. (2015). FaceNet: A unified embedding for face recognition and clustering. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 815-823).
  5. Wang, Z., Bovik, A. C., Sheikh, H. R., & Simoncelli, E. P. (2004). Image quality assessment: from error visibility to structural similarity. IEEE transactions on image processing, 13(4), 600-612.
  6. Mun-ho, Ju. (2023). [Personal Information Protection Column-5] Domestic and International Trends in Personal Information De-identification Systems. Security News. Retrieved September 11, 2024, from https://www.boannews.com/media/view.asp?idx=119998
  7. Shokri, R., Stronati, M., Song, C., &Shmatikov, V. (2017). Membership inference attacks against machine learning models. In 2017 IEEE Symposium on Security and Privacy (SP) (pp. 3-18). IEEE.