IT › 보안 › 개인정보 › 개인정보 활용 체계

가명 · 익명 처리Pseudonymization and Anonymization

가명처리는 개인정보의 일부를 삭제하거나 대체해 추가 정보 없이는 특정 개인을 알아볼 수 없게 하는 처리이고, 익명처리는 다른 정보를 써도 더 이상 개인을 알아볼 수 없게 하는 처리다.

1요약

  1. 가명 · 익명 처리는 개인정보 보호법(법률 제21445호 · 2026-09-11 시행)이 제2조 제1호 다목의 가명정보와 제58조의2 의 적용 제외 정보로 나누는 두 결과물을 만드는 데이터 처리이며, 그 위에서 통계작성 · 과학적 연구 · 공익적 기록보존(제28조의2)과 AI 학습 데이터 준비가 돈다.
  2. 이름만 지운 표도 다시 식별된다 — 1990년 미국 인구조사 자료에서 5자리 우편번호 · 성별 · 생년월일 세 값만으로 인구의 87%(2억 4,800만 명 중 2억 1,600만 명)가 유일하게 식별될 가능성이 있었다(Sweeney 2000).
  3. 처리한 표의 위험은 두 질문으로 가른다 — 되돌릴 추가 정보(키 · 대조표)가 남았는가, 그리고 준식별자 조합의 가장 작은 묶음 크기(최소 k)와 그 안의 값 종류(최소 l)가 얼마인가.

2등장 배경

미국 매사추세츠 주의 공무원 보험 기관(GIC)은 공무원 · 가족 약 13만 5,000명의 진료 기록에서 이름 · 주소를 지워 연구자에게 넘겼다. Sweeney 는 같은 도시 선거인 명부를 사서 생년월일 · 성별 · 5자리 우편번호로 맞대었고, 그 조합이 한 사람뿐이던 당시 주지사의 진단 · 처방 기록을 찾아냈다(Sweeney 2002 예 1).

Sweeney 는 2002년 같은 준식별자 값을 가진 행이 k개 이상이 되게 하는 k-익명성을 내놓았고, Machanavajjhala 등은 2007년 묶음 안의 민감 값이 한 가지면 여전히 드러난다는 점을 들어 l-다양성을 더했다. 한국은 2016-06-30 관계부처 합동 「개인정보 비식별 조치 가이드라인」이 사전 검토 → 비식별 조치 → 적정성 평가(k-익명성) → 사후 관리 4단계를 정했고, 2020-08-05 시행 개정 개인정보 보호법이 가명정보와 그 처리 특례를 법 조문으로 넣었다.

지금 기준은 개인정보 보호법 제3장 제3절(가명정보의 처리에 관한 특례)과 개인정보보호위원회 「가명정보 처리 가이드라인」 2026년 3월 전면 개정판이다. 개정판은 위험도를 활용 주체 · 처리 환경으로 정하고(같은 기관 안 = 저위험 · 통제할 수 있는 제3자 제공 = 중위험 · 그 밖 = 고위험), 서식을 24종에서 10종으로 줄였다(개인정보위 보도자료 2026-03-31). 기법 이름은 ISO/IEC 20889:2018 이 국제 분류로 정리했다.

3쉽게 이해하기 — 도서관 대출 장부로 내는 독서 통계

동네 도서관 사서가 대학 연구팀에게 「연령대 · 마을별로 어떤 책을 빌리는가」를 알려 주기로 했다. 사서는 대출 장부에서 이름을 지우고 회원마다 「해오름」 같은 별명표를 붙인 뒤, 별명과 회원 카드 번호를 맞춘 대조표는 사무실 금고에 잠근다. 그래도 「72세 · 윗마을 · 바둑책」처럼 한 사람뿐인 줄은 동네 이웃이 보면 누군지 안다. 그래서 나이는 70대로, 마을은 군 이름으로 묶고 혼자 튀는 줄은 지운 장부만 연구팀에 보낸다.

도서관 사무실 사서 개인정보처리자 대출 장부 원본 개인정보 이름 · 나이 · 마을 · 책 작업 책상 이름 → 별명표 가명처리 · 대체 나이 · 마을 묶기 범주화 · k-익명성 72세 → 70대 · 마을 → 군 대학 연구팀 연구원 받는 쪽 통계용 장부 가명정보 별명 · 70대 · 군 · 책 1 2 3 금고 속 대조표 추가 정보 분리 보관 동네 이웃의 짐작 재식별 시도 4 번호 = 이야기 순서 1 별명 붙이기 · 2 대조표 잠금 3 장부 전달 · 4 이웃의 짐작

그림 1 · 이름을 별명으로 바꾸고 대조표를 금고에 따로 두며, 드문 조합을 묶어야 이웃의 짐작이 빗나간다.

장부 펼치기사서가 대출 장부를 꺼냄
별명 붙이기이름을 지우고 별명표로
대조표 잠금별명 ↔ 카드 번호표를 금고에
나이 묶기72세
70대 · 마을
군
튀는 줄 지우기혼자인 조합은 뺌
연구팀 전달통계용 장부만 보냄
비유 — 대조표가 남았는가 실제 — 법이 나누는 두 정보 대조표가 금고에 남은 장부 별명 해오름 ↔ 회원 카드 0412 사서는 금고를 열면 되돌린다 연구팀에게는 금고 열쇠가 없다 대조표를 없애고 묶은 장부 별명 해오름 ↔ 맞출 표 없음 70대 · 같은 군 독자가 12명 이웃도 사서도 되돌리지 못한다 가명정보 추가 정보 없이는 알아볼 수 없음 제2조 제1호 다목 · 특례 제28조의2 ~ 7 추가 정보는 분리 보관(제28조의4) 익명정보 다른 정보를 써도 알아볼 수 없음 시간 · 비용 · 기술을 합리적으로 고려 법 적용 제외(제58조의2) 경계 = 되돌릴 추가 정보가 남았는가 + 혼자인 조합이 남았는가

그림 2 · 대조표가 금고에 남아 있으면 사서는 되돌릴 수 있고, 대조표를 없애고 드문 조합까지 묶어야 누구도 되돌리지 못한다 — 법은 앞쪽을 가명정보, 뒤쪽을 적용 제외 정보로 나눈다.

비유 속 역할실제 이름실제로 하는 일
사서개인정보처리자처리 목적을 정하고 가명처리 · 안전조치 · 기록을 맡는다
대출 장부원본 개인정보식별자 · 준식별자 · 분석 속성이 한 행에 모인 표
별명표가명 ID(대체)회원번호를 키 있는 해시 · 일련번호로 바꾼 값
금고 속 대조표추가 정보가명 ID 를 원래 값으로 되돌리는 키 · 대응표 · 결과 표와 따로 보관
나이 · 마을 묶기범주화준식별자를 넓은 범주로 올려 같은 값 행을 k개 이상으로 만든다
동네 이웃의 짐작연결 공격(재식별)공개 명부 같은 다른 정보와 준식별자로 맞대어 개인을 찾는다
대학 연구팀가명정보를 받는 쪽추가 정보 없이 통계 · 연구에 쓴다
대조표 없애기익명처리되돌릴 정보를 남기지 않고 다른 정보로도 특정되지 않게 한다

⚠ 비유가 맞지 않는 곳: 실제 가명 ID 는 사람이 고른 별명이 아니라 키로 계산한 값이라, 대조표를 없애도 키만 남으면 같은 계산으로 다시 맞춰 볼 수 있다. 또 익명 여부는 장부만 보고 정하지 않고, 받는 쪽이 구할 수 있는 다른 정보와 기술 · 비용까지 따진다(제58조의2).

4구조 — 열 분류와 추가 정보 분리

원본 레코드의 열 기법 식별자 이름 · 휴대폰 · 회원번호 준식별자 생년월일 · 성별 · 우편번호 분석 속성 구매 품목(민감할 수 있음) 삭제 · 대체 이름 삭제 · ID → HMAC 범주화 · 레코드 삭제 연대 · 우편번호 앞 3자리 유지 · 상위 범주 값 종류(l) 점검 대상 추가 정보 HMAC 키 K · 대조표 분리 보관(제28조의4) 가명정보 표 가명 ID · 연대 · 우편번호 3자리 구매 품목 추가 정보 없이는 개인 특정 불가 위험 측정 최소 k · 최소 l · 표본 검수 식별 · 추가 정보 결합 위험 데이터 측정 · 검증 굵은 선 = 열이 처리되어 가는 길 점선 위 = 결과 표와 다른 저장소

그림 3 · 원본 열은 식별자 · 준식별자 · 분석 속성으로 나뉘어 기법이 달라지고, 되돌릴 추가 정보는 결과 표와 다른 곳에 보관되며, 결과 표는 위험 측정을 거친다.

요소역할사례 값근거
식별자그것만으로 개인을 가리킴이름 · 휴대폰 · 회원번호 M-1004제2조 제1호 가목
준식별자다른 정보와 조합하면 개인을 가리킴생년월일 · 성별 · 우편번호Sweeney 2002 정의 2
분석 속성처리 목적의 값 · 민감할 수 있음구매 품목Machanavajjhala 2007
추가 정보원래 상태로 되돌리는 정보HMAC 키 K · 대조표제28조의4
가명정보추가 정보 없이는 알아볼 수 없음09b3bd8f · 1990년대 · 062제2조 제1호 다목
익명정보다른 정보로도 더는 알아볼 수 없음집계 「062 · 1980~99 · 유산균 2건」제58조의2
결합전문기관서로 다른 처리자의 가명정보 결합 수행보호위원회 등이 지정한 기관제28조의3
위험 측정묶음 크기 · 값 종류 계산최소 k · 최소 lISO/IEC 20889

ISO/IEC 20889:2018 은 기법을 통계 도구 · 암호 도구 · 삭제(억제) · 가명화 · 일반화(범주화) · 무작위화(잡음 · 순열) · 합성 데이터로 나누고, k-익명성 · 차분 프라이버시를 위험을 재는 정형 모델로 따로 둔다. 가명화는 그중 식별자만 바꾸는 기법이라, 준식별자를 그대로 두면 표 전체의 위험은 줄지 않는다(Sweeney 2000).

🔑 가명과 익명을 가르는 것은 기법 이름이 아니라 «되돌릴 추가 정보가 남았는가»다 — 같은 HMAC ID 도 키를 보관하면 되돌릴 수 있고, 키를 없애고 준식별자 조합까지 묶어야 되돌릴 길이 닫힌다.

5동작 — 가상 쇼핑몰 구매 기록의 가명처리

설명용 가정 값이다 — 가상 쇼핑몰 회원 8명의 구매 기록(실존 인물 · 기관 없음)이며, 가명 ID 는 Python 3.14.0 표준 라이브러리 hmac(SHA-256 · 키 demo-key-2026)로 직접 계산해 앞 8자리를 썼다.

  1. 목적 설정 — 같은 회사 분석팀이 「우편번호 앞 3자리 지역 · 연령대별 구매 품목 통계」를 만든다(통계작성 · 제28조의2). 원본 열 = 회원번호 · 이름 · 휴대폰 · 생년월일 · 성별 · 우편번호 · 품목.
  2. 식별자 처리 — 이름 · 휴대폰 열을 지우고 회원번호 M-1004 를 HMAC-SHA256(키 K)의 앞 8자리 09b3bd8f 로 바꾼다(RFC 2104). 키 K 와 대조표는 결과 표와 다른 저장소에 둔다(제28조의4).
  3. 범주화 — 생년월일 1992-04-18 → 1990년대, 우편번호 06235 → 062 로 올린다.
  4. k 측정 — SELECT decade, sex, zip3, COUNT(*) FROM t GROUP BY decade, sex, zip3 의 묶음 크기가 3 · 3 · 1 · 1 이라 최소 k = 1 이다(1960년대 · 여 · 135 와 1990년대 · 남 · 135 가 한 행뿐).
  5. 레코드 삭제 — 한 행뿐인 두 묶음을 지워 6행 · 최소 k = 3 이 된다.
  6. l 측정 — 1980년대 · 남 · 062 묶음 3행의 품목이 모두 탈모 샴푸라 l = 1 이다. 이 묶음에 든 사람을 아는 이는 품목까지 알게 된다(Machanavajjhala 2007 동질성 공격).
  7. 범주 확대 — 성별 열을 지우고 연령을 1980~99 로 넓히면 6행이 한 묶음이 되어 k = 6 · 품목 3종 l = 3 이다. 연령 해상도는 10년에서 20년으로 내려간다.
  8. 검토 · 기록 — 같은 회사 안 활용은 2026년 3월 가이드라인의 저위험이라 담당자 검토로 진행하고, 처리 목적 · 기간 · 키 보관 위치를 처리 기록으로 남긴다(제28조의4). 키 K 가 남아 있으므로 09b3bd8f 는 처리자가 언제든 M-1004 로 되돌릴 수 있다.
회원 ID 휴대폰 생년월일 성별 우편 품목 결과 1 원본 M-1004 010-0000-1004 1992-04-18 여 06235 유산균 개인정보 2 식별자 처리 09b3bd8f 삭제 1992-04-18 여 06235 유산균 가명 ID 3 범주화 09b3bd8f 삭제 1990년대 여 062 유산균 k = 1 7 범주 확대 09b3bd8f 삭제 1980~99 삭제 062 유산균 k=6 · l=3 굵은 테두리 = 이 단계에서 바뀐 값 · 머리 색 = 열 분류(식별자 · 준식별자 · 분석 속성) · 번호 = 동작 단계 09b3bd8f = HMAC-SHA256(키 K, "M-1004") 64자리 16진수 중 앞 8자리 · 결과 열 k · l = 그 단계의 표 전체 최소값

그림 4 · 회원 M-1004 한 행은 식별자 처리 → 범주화 → 범주 확대를 거치며 바뀐 값만 달라지고, 품목 열은 끝까지 그대로 남는다.

3 범주화 뒤 5 레코드 삭제 뒤 7 범주 확대 뒤 1980년대 · 남 · 062 탈 탈 탈 1990년대 · 여 · 062 유 운 유 1960년대 · 여 · 135 혈 k = 1 1990년대 · 남 · 135 운 k = 1 최소 k = 1 · 8행 1980년대 · 남 · 062 탈 탈 탈 l = 1 1990년대 · 여 · 062 유 운 유 l = 2 135 지역 두 행 = 지움 최소 k = 3 · 최소 l = 1 6행 1980~99 · 062(성별 삭제) 탈 탈 탈 유 운 유 품목 3종 · 묶음 하나 k = 6 · l = 3 6행 · 연령 해상도 20년 네모 하나 = 한 행 · 글자 = 품목(탈 = 탈모 샴푸 · 유 = 유산균 · 운 = 운동화 · 혈 = 혈압계) · 색 테두리 = 위험 · 번호 = 동작 단계 범주를 넓힐수록 k · l 은 오르고, 남는 행 · 값의 정밀도는 줄어든다

그림 5 · 범주를 넓히면 최소 k 와 최소 l 은 오르고 행 수 · 연령 해상도는 내려간다 — k = 3 을 맞춘 표도 한 묶음의 품목이 하나뿐이면 아직 드러난다.

🔑 k 는 «누구인지»를, l 은 «무엇을 했는지»를 지킨다 — 최소 k = 3 인 표도 한 묶음의 품목이 하나뿐이면 그 묶음에 든 사람의 품목은 그대로 드러난다.

6비교 — 가명처리 · 익명처리 · 암호화

기준가명처리익명처리암호화(암호 시스템)
되돌릴 수단추가 정보(키 · 대조표) — 처리자가 따로 보관남기지 않음 · 다른 정보로도 특정되지 않게 함복호화 키 — 키를 가진 쪽은 원문 전체를 되돌림
남는 값행 단위 · 범주화한 준식별자 · 분석 속성집계 · 범주 · 잡음 · 합성 값암호문(복호화 전에는 분석 불가)
다른 표와 결합가명 ID 로 결합 · 서로 다른 처리자 사이는 결합전문기관(제28조의3)행 연결 불가가 목표같은 키 · 결정적 암호일 때만
위험 측정최소 k · 최소 l · 표본 검수최소 k · 최소 l · 차분 프라이버시 ε알고리즘 · 키 길이 강도
법 조문제2조 제1호 다목 · 제28조의2 ~ 7제58조의2가명 · 익명 처리의 정의 조문 밖
대표 기법삭제 · HMAC 대체 · 범주화 · 마스킹집계 · 잡음 추가 · 합성 데이터 · 레코드 삭제AES · RSA · 형태 보존 암호

분석행 단위 분석이나 다른 표와의 결합이 목적이면 가명처리, 받는 쪽이 구할 정보를 통제할 수 없는 외부 공개면 익명처리, 원문을 다시 써야 하는 저장 · 전송이면 암호화를 고른다. 근거는 표의 「되돌릴 수단」 · 「다른 표와 결합」 행이며, 2026년 3월 가이드라인도 받는 쪽 처리 환경을 통제할 수 있는가로 위험도를 나눈다.

7실무 진단 — 재식별 위험이 남은 처리 단계 가르기

분석식별자 → 준식별자 → 분석 속성 → 추가 정보 순서로 본다. 앞 단계의 누락은 뒤 단계 측정을 모두 무의미하게 만들기 때문이며, 측정 기준은 Sweeney 2002 의 k 정의와 Machanavajjhala 2007 의 l 정의다.

#증상의심 원인처리 단계확인 자료판정 기준(근거)
1상담 메모 열에 이름 · 전화번호가 남음자유 기술 열을 식별자로 분류하지 않음식별자 처리정규식 01[0-9]-[0-9]{4}-[0-9]{4} 검색 · 비정형 열 표본 검수검색 0건(2026년 3월 가이드라인 표본 검수)
2한 행뿐인 조합이 결과 표에 남음준식별자 범주화 부족범주화GROUP BY 준식별자 HAVING COUNT(*) < k 결과0행이면 목표 k 충족(Sweeney 2002 정의 3)
3묶음은 큰데 민감 값이 하나동질성분석 속성묶음별 COUNT(DISTINCT 품목)최소값 ≥ 목표 l(Machanavajjhala 2007)
4전화번호 해시가 전수 계산으로 되돌려짐키 없는 해시로 대체대체대체 함수 · 키 사용 여부키 있는 HMAC · 키는 결과 표와 분리(RFC 2104 · 제28조의4)
5결합 뒤 특정 개인을 알아볼 수 있는 행이 생김다른 표 결합으로 준식별자 증가사후 관리결합 결과의 k 재측정 · 처리 기록처리 중지 · 회수 · 파기 기록(제28조의5)

휴대폰 번호는 010 뒤 8자리라 경우의 수가 1억 개뿐이어서, 키 없는 SHA-256 값은 1억 번 계산해 대조하면 원래 번호가 나온다. 그래서 대체 단계 점검은 «해시를 썼는가»가 아니라 «키가 있고 그 키가 결과 표 밖에 있는가»를 묻는다. 결합 · 추가 수집 뒤에는 준식별자 열이 늘어나므로 k · l 을 다시 잰다.

8시험 대비

출제 정보 정보관리(139회, 128회, 121회, 120회, 118회, 110회) · 컴퓨터시스템응용(140회, 122회)문제 원문 — 큐넷 자료실 「기출문제(기술사)」 www.q-net.or.kr

시험에서는 가명처리 · 가명정보 · 익명정보를 정의하고 차이를 쓰는 정의 · 특징형, 처리 절차와 기법을 단계별로 쓰는 동작 · 절차 설명형이 나올 수 있다. 위험도 기반 검토 · AI 학습 데이터 활용 같은 동향 · 발전형도 대비한다.

답안 목차
  1. 개요 — 정의 셋(가명처리 · 가명정보 제2조 · 익명정보 제58조의2) · 세 값으로 87% 식별(Sweeney 2000)
  2. 구조 — 그림 3 열 분류(식별자 · 준식별자 · 분석 속성)와 추가 정보 분리 보관(제28조의4)
  3. 절차 — 목적 설정 → 위험도 판단 → 가명처리 → 적정성 검토 → 기록 · 그림 4 한 행의 계단 변환
  4. 위험 측정 — 그림 5 k · l 변화 · 동질성 공격 · 표본 검수
  5. 비교 — 가명처리 · 익명처리 · 암호화 표(되돌릴 수단 · 결합 · 법 조문)
  6. 동향 — 위험도 3단계(저 · 중 · 고) · 서식 24 → 10 · 결합전문기관 · 차분 프라이버시

꼭 쓸 키워드
추가 정보준식별자범주화k-익명성l-다양성재식별적정성 검토결합전문기관위험도 기반

다른 답안과 차이를 내는 한 가지는 한 행이 단계마다 바뀌는 계단 표(그림 4)와 묶음 크기 · 값 종류의 수치 변화(그림 5)를 함께 그려, 위험과 유용성을 맞바꾸는 판단을 숫자로 보이는 것이다.

9오해와 사실

  • 오해이름과 주민등록번호만 지우면 누구인지 알 수 없다.
    사실1990년 미국 인구조사 자료에서 5자리 우편번호 · 성별 · 생년월일 조합만으로 인구의 87%가 유일하게 식별될 가능성이 있었다(Sweeney 2000).
  • 오해식별자를 해시값으로 바꾸면 되돌릴 수 없다.
    사실값의 경우의 수가 작으면 모든 값을 해시해 대조하면 되돌려지고, 키 있는 HMAC 도 키를 가진 쪽은 같은 계산으로 맞춰 본다(RFC 2104) — 그래서 법은 추가 정보의 분리 보관을 따로 정한다(제28조의4).
  • 오해k-익명성을 맞추면 민감한 값도 안전하다.
    사실묶음 안의 민감 값이 한 가지면 묶음에 든 것만 알아도 값이 드러나는 동질성 공격이 남는다(Machanavajjhala 2007).

10핵심 정리

구분대상 열사례 값(가정 값)되돌림잃는 것근거
삭제식별자이름 · 휴대폰 → 열 없음불가그 열 전체ISO/IEC 20889
대체식별자M-1004 → 09b3bd8f키로 가능원래 값RFC 2104
범주화준식별자1992-04-18 → 1990년대불가정밀도ISO/IEC 20889
마스킹식별자 · 준식별자010-0000-1004 → 010-****-1004불가가린 자리ISO/IEC 20889
레코드 삭제한 행뿐인 조합8행 → 6행불가행Sweeney 2002
잡음 추가수치 속성금액 32,000 → 31,400불가개별 값 정확도NIST SP 800-188
k-익명성준식별자 조합최소 k 1 → 6—측정 모델Sweeney 2002
l-다양성분석 속성최소 l 1 → 3—측정 모델Machanavajjhala 2007

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ 개인정보 보호법(법률 제21445호 · 2026-03-10 일부개정 · 2026-09-11 시행) — 제2조 정의 · 제3장 제3절 가명정보 특례(제28조의2 ~ 7) · 제58조의2 적용 제외 조문을 볼 때
    국가법령정보센터(법제처) · 2026-03 · www.law.go.kr/법령/개인정보보호법 · 확인 2026-11-03
  3. ★ 가명정보 처리 가이드라인(2026.3. 개정 · 본권 제도 안내편 · 별권 처리 실무편) — 위험도(저 · 중 · 고)별 검토 절차와 가명처리 기법 · 서식을 볼 때
    개인정보보호위원회 · 2026-03 · pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS217&mCode=G010030000&nttId=11931 · 확인 2026-11-03
  4. ★ ISO/IEC 20889:2018 Privacy enhancing data de-identification terminology and classification of techniques — 비식별 기법 분류와 재식별 위험을 줄이는 정도를 볼 때
    ISO/IEC JTC 1/SC 27 · 2018-11 · www.iso.org/standard/69373.html · 확인 2026-11-03
  5. ★ k-anonymity: a model for protecting privacy (International Journal on Uncertainty, Fuzziness and Knowledge-based Systems 10(5) 557-570) — 준식별자 · k-익명성 정의와 결합 재식별 사례 원전을 볼 때
    Latanya Sweeney · 2002-10 · dataprivacylab.org/dataprivacy/projects/kanonymity/kanonymity.pdf · 확인 2026-11-03
  6. ★ NIST SP 800-188 De-Identifying Government Datasets: Techniques and Governance — 공개 모델 선택 · 비식별 기법 · 공개 심의 위원회 운영을 볼 때
    NIST · 2023-09 · csrc.nist.gov/pubs/sp/800/188/final · 확인 2026-11-03
  7. 본문 근거
  8. Simple Demographics Often Identify People Uniquely (Carnegie Mellon University Data Privacy Working Paper 3) — Latanya Sweeney · 2000-01 · dataprivacylab.org/projects/identifiability/paper1.pdf · 확인 2026-11-03
  9. 「가명정보 처리 가이드라인」 전면 개정, 위험도 기반 판단 체계 확립(보도자료) — 개인정보보호위원회(정책브리핑) · 2026-03 · www.korea.kr/briefing/pressReleaseView.do?newsId=156751967 · 확인 2026-11-03
  10. 가명정보 가이드라인 전면 개정 위험도 기반 체계 도입(정책뉴스) — 정책브리핑 · 2026-03 · www.korea.kr/news/policyNewsView.do?newsId=148961790 · 확인 2026-11-03
  11. 개인정보 비식별 조치 가이드라인 발간(보도자료 · 관계부처 합동) — 금융위원회 · 2016-06 · www.fsc.go.kr/no010101/72222 · 확인 2026-11-03
  12. l-Diversity: Privacy Beyond k-Anonymity (ACM Transactions on Knowledge Discovery from Data 1(1)) — A. Machanavajjhala, D. Kifer, J. Gehrke, M. Venkitasubramaniam · 2007-03 · dl.acm.org/doi/10.1145/1217299.1217302 · 확인 2026-11-03
  13. RFC 2104 HMAC: Keyed-Hashing for Message Authentication — IETF · 1997-02 · www.rfc-editor.org/rfc/rfc2104 · 확인 2026-11-03
  14. hmac — Keyed-Hashing for Message Authentication (Python 3 documentation) — Python Software Foundation · 2026-11 · docs.python.org/3/library/hmac.html · 확인 2026-11-03