데이터 분석에서 고급 정보 이론화를 통한 프라이버시와 유틸리티의 시너지

본 연구는 데이터 유틸리티와 프라이버시 우려 사이의 균형을 해결하기 위한 새로운 프레임워크를 개발합니다. 노이즈 주입 기술, 변분 오토인코더, 기대 최대화 접근법 등 세 가지 고도의 알고리즘을 소개하며, 이를 통해 민감 속성과 변환된 데이터 간 상호 정보를 크게 줄여 프라이버시를 향상시킵니다. 실험 결과는 이러한 접근법이 우수한 프라이버시 보호와 높은 유틸리티를 달성한다는 것을 확인합니다.