Looker Studio를 사용한 재식별 위험 시각화

이 주제에서는 Sensitive Data Protection을 사용하여 데이터 세트의 k-익명성을 측정하고 Looker Studio에서 이를 시각화하는 방법을 보여줍니다. 이렇게 하면 위험을 더 정확히 파악하고, 데이터를 수정 또는 익명화하는 경우 감수해야 하는 유용성 측면의 타협을 평가하는 데 도움이 됩니다.

이 주제는 주로k-익명성 재식별 위험 분석 측정항목의 시각화에 대해 다루지만 같은 방법을 사용하여 l -다양성 측정항목도 시각화할 수 있습니다.

이 주제에서는 사용자가 k-익명성의 개념과 데이터 세트 내에서 레코드의 재식별성을 평가하는 이유를 이미 잘 알고 있다고 가정합니다. 또한 Sensitive Data Protection을 사용한 k-익명성 계산 방법과 Looker Studio 사용 방법도 최소한 어느 정도 알고 있는 것이 좋습니다.

소개

익명화 기법은 데이터를 처리 또는 사용하는 중에 대상의 개인정보를 보호하는 데 유용할 수 있습니다. 그러나 데이터 세트가 충분히 익명화되었는지 여부를 어떻게 알 수 있을까요? 또한 익명화가 사용 사례 측면에서 지나치게 많은 데이터 손실로 이어졌는지 여부는 어떻게 알 수 있을까요? 즉, 데이터 기반의 의사 결정을 내리려면 재식별성 위험과 데이터의 유용성을 어떻게 비교해야 할까요?

데이터 세트의 k-익명성 값을 계산하면 데이터 세트 레코드의 재식별성을 평가하여 이러한 질문에 대한 답을 찾는 데 도움이 됩니다. Sensitive Data Protection에는 개발자가 지정한 유사 식별자를 기준으로 데이터 세트의 k-익명성 값을 계산하는 기본 제공 기능이 포함되어 있습니다. 이 기능을 사용하면 특정 열 또는 열 조합의 익명화로 얻게 되는 데이터 세트가 재식별될 가능성이 높은지 또는 낮은지 신속하게 평가할 수 있습니다.

데이터 세트 예시

다음은 대용량 데이터 세트 예시의 처음 몇 행입니다.

user_id age title score
602-61-8588 24 Biostatistician III 733
771-07-8231 46 Executive Secretary 672
618-96-2322 69 Programmer I 514
... ... ... ...

이 튜토리얼에서는 유사 식별자에 중점을 두므로 user_id에 대해서는 다루지 않습니다. 실제 시나리오에서는 user_id를 적절히 수정하거나 토큰화해야 합니다. score 열은 이 데이터 세트에 독점적으로 사용되는 열이며 공격자가 다른 수단을 통해 습득할 가능성이 낮으므로 분석에 포함하지 않습니다. 여기서는 남은 age 및 title 열에 집중합니다. 공격자는 이 두 열을 사용하여 다른 데이터 소스를 통해 개인에 대해 알아낼 가능성이 있습니다. 이 데이터 세트와 관련하여 답을 찾아야 하는 질문은 다음과 같습니다.

  • 두 개의 유사 식별자(age 및 title)는 익명화된 데이터의 전체적인 재식별 위험에 어떤 영향을 미치나요?
  • 익명화 변환 적용은 이 위험에 어떤 영향을 미치나요?

age와 title의 조합이 소수의 사용자 그룹으로 연결되지 않도록 해야 합니다. 예를 들어 데이터 세트에 직무가 프로그래머 I이고 69세인 사용자가 단 한 명이라고 가정해 보겠습니다. 공격자는 이 정보를 인구통계 또는 다른 가용 정보와 교차 참조하여 그 사람이 누구인지 알아내고 score의 가치를 확인할 수 있습니다. 이 현상에 대한 자세한 내용은 위험 분석 개념 주제의 '항목 ID 및 k-익명성 계산' 섹션을 참조하세요.

1단계 : 데이터 세트의 k-익명성 계산

먼저 Sensitive Data Protection에서 다음 JSON을 DlpJob 리소스에 전송하여 데이터 세트의 k-익명성을 계산합니다. 이 JSON 내에서 항목 ID를 user_id 열로 설정하고 두 개의 유사 식별자를 age 및 title 열로 모두 식별합니다. 또한 Sensitive Data Protection이 결과를 새 BigQuery 테이블에 저장하도록 지정합니다.

JSON 입력:

POST https://dlp.googleapis.com/v2/projects/dlp-demo-2/dlpJobs

{
  "riskJob": {
    "sourceTable": {
      "projectId": "dlp-demo-2",
      "datasetId": "dlp_testing",
      "tableId": "dlp_test_data_kanon"
    },
    "privacyMetric": {
      "kAnonymityConfig": {
        "entityId": {
          "field": {
            "name": "id"
          }
        },
        "quasiIds": [
          {
            "name": "age"
          },
          {
            "name": "job_title"
          }
        ]
      }
    },
    "actions": [
      {
        "saveFindings": {
          "outputConfig": {
            "table": {
              "projectId": "dlp-demo-2",
              "datasetId": "dlp_testing",
              "tableId": "test_results"
            }
          }
        }
      }
    ]
  }
}

k-익명성 작업이 완료되면 Sensitive Data Protection이 작업 결과를 dlp-demo-2.dlp_testing.test_results라는 BigQuery 테이블로 보냅니다.

2단계: 결과를 Looker Studio에 연결

다음으로, 1단계에서 생성한 BigQuery 테이블을 Looker Studio의 새 보고서에 연결합니다.

  1. Looker Studio를 엽니다.

    Looker Studio를 엽니다.

  2. 만들기 > 보고서를 클릭합니다.

  3. 보고서에 데이터 추가 창에서 데이터에 연결 아래 BigQuery를 클릭합니다. BigQuery 테이블에 액세스하도록 Looker Studio를 승인해야 할 수도 있습니다.

  4. 열 선택기에서 내 프로젝트를 선택합니다. 그런 다음 프로젝트, 데이터 세트, 테이블을 선택합니다. 완료되었으면 추가를 클릭합니다. 이 보고서에 데이터를 추가하라는 알림이 표시되면 보고서에 추가를 클릭합니다.

이제 k-익명성 스캔 결과가 새 데이터 Looker Studio에 추가되었습니다. 다음 단계에서는 차트를 만듭니다.

3단계: 차트 만들기

차트를 삽입하고 구성하려면 다음 안내를 따르세요.

  1. Looker Studio에 값 테이블이 나타나면 해당 테이블을 선택하고 삭제를 눌러 삭제합니다.
  2. 삽입 메뉴에서 콤보 차트를 클릭합니다.
  3. 차트를 표시할 캔버스에서 클릭하여 사각형을 그립니다.

다음으로 데이터 탭에서 차트 데이터를 구성하여 버킷의 다양한 크기 및 값 범위의 효과가 차트에 표시되도록 합니다.

  1. 아래와 같이 각 필드를 가리키고 X를 클릭하여 다음 제목 아래의 필드를 지웁니다.
    삭제 버튼이 사용 설정된 타임스탬프 필드의 세부정보
    • 기간 측정기준
    • 측정기준
    • 측정항목
    • 정렬
  2. 모든 필드가 비어 있으면 사용 가능한 필드 열에서 upper_endpoint 필드를 측정기준 제목으로 드래그합니다.
  3. upper_endpoint 필드를 정렬 제목으로 드래그한 다음 오름차순을 선택합니다.
  4. bucket_size 및 bucket_value_count 필드를 모두 측정항목 제목으로 드래그합니다.
  5. bucket_size 측정항목 왼쪽의 아이콘을 가리키면 수정 아이콘이 표시됩니다. 수정 아이콘을 클릭한 후 다음을 실행합니다.
    1. 이름 필드에 Unique row loss를 입력합니다.
    2. 유형 아래에서 백분율을 선택합니다.
    3. 비교 계산에서 전체 대비 비율을 선택합니다.
    4. 계산 실행 아래에서 합계 실행을 선택합니다.
  6. bucket_value_count 측정항목의 이전 단계를 반복하되 이름 필드에 Unique quasi-identifier combination loss를 입력합니다.

마치면 열은 다음과 같이 표시됩니다.

필드 목록 스크린샷

마지막으로, 차트를 구성하여 두 측정항목의 선 차트를 표시합니다.

  1. 창 오른쪽에서 스타일 탭을 클릭합니다.
  2. 계열 #1과 계열 #2에서 모두 선을 선택합니다.
  3. 최종 차트를 보려면 창 오른쪽 상단의 보기 버튼을 클릭합니다.

다음은 위의 단계를 완료한 차트 예시입니다.

최종 차트

차트 해석

생성된 차트에서 y축은 고유 행과 고유 유사 식별자 조합에 대한 데이터 손실의 잠재적 비율을 나타내고 x축은 k-익명성 값을 나타냅니다.

k-익명성 값이 높으면 재식별 위험이 줄어듭니다. 그러나 k-익명성 값을 높이려면 총 행의 높은 비율과 높은 고유 유사 식별자 조합을 삭제해야 할 수 있으며 이는 데이터의 유용성을 낮춥니다.

다행히 데이터 삭제가 재식별 위험을 줄일 수 있는 유일한 방법은 아닙니다. 다른 익명화 기술로 손실과 유용성 간의 균형을 더 적절히 맞출 수 있습니다. 예를 들어 높은 k-익명성 값 및 이 데이터 세트와 관련된 데이터 손실의 문제를 해결하려면 연령 또는 직무를 버케팅하여 연령/직무 조합의 고유성을 낮출 수 있습니다. 예를 들어 20~25, 25~30, 30~35 등의 범위로 연령 버케팅을 시도할 수 있습니다. 그 방법에 대한 자세한 내용은 일반화 및 버케팅과 텍스트 콘텐츠의 민감한 정보 익명화를 참조하세요.