SMOTE, Simulant, Avatar 세 가지 로컬 조합 합성 데이터 생성 방법의 프라이버시 위험을 멤버십 추론, 링크, 재구성 공격을 통해 분석했다. 모든 방법에서 상당한 프라이버시 유출이 발생했다.
의료 분야에서 사용되는 로컬 조합 합성 데이터는 익명성을 보장하지 못할 수 있으므로, 공유 전에 프라이버시 리스크를 철저히 평가해야 한다.
이 논문은 얼굴 스와핑을 통해 익명화된 이미지에서 대상자의 신원 유출이 발생하는 메커니즘을 해석 가능한 선형 확률 모델로 설명하고, 이를 통해 프라이버시 평가를 이론적 근거에 기반한 분석으로 전환시킨다. 실험적으로 유출이 발생함을 확인하고, 이를 예측할 수 있는 모델을 제안한다.
이 연구는 얼굴 스와핑 익명화 기술의 프라이버시 보장 메커니즘을 해석 가능하게 설명함으로써, 실무에서 보다 신뢰성 있는 프라이버시 평가 기준을 제공할 수 있다.
기존 암호화 기반 검색 방법의 한계를 극복하기 위해 학습된 딥 해싱을 프라이버시 필터로 재사용하여, 사용자의 쿼리와 검색 결과를 보호하면서도 정확도를 유지하는 기법을 제안한다. 200-500개 후보군을 사용해 2.68M개 패시지 NQ 코퍼스에서 0.73초의 추가 지연만 발생시킨다.
이 기법은 대규모 코퍼스에서 프라이버시 보호 검색을 실현하면서도 성능 저하를 최소화하여, 기업의 보안 검색 시스템에 적용 가능하다.
LLM 서빙 프레임워크에서 사용자 데이터 격리를 보장하기 위해 GPU 정보 흐름 추적 시스템 GIFT를 제안한다. GIFT는 CPU 측 프레임워크를 수정하지 않고 사용자 데이터 격리를 강제하며, 처리량 오버헤드는 4-10.7%이다.
이 결과로 실무에서는 LLM 서빙 환경에서 사용자 데이터 격리를 보다 효율적으로 강제할 수 있다.
쉴드 UTXO 기반 프로토콜의 익명성을 계층적 시스템 모델과 분석 파이프라인을 통해 평가하고, 실제 블록체인 데이터를 사용해 익명 집합 크기 감소를 분석했다. 186,356건의 거래를 분석한 결과, 평균 익명 집합 크기 감소율은 40.1%~59.0%이며, 3,679건의 거래는 최대 10개 주소만 남는다.
이 연구는 DeFi 프로토콜의 익명성 손실 패턴을 분석하여 사용자 행동과 미래 프로토콜 설계에 시사점을 제공한다.
공개 블록체인의 거래 그래프 노출 문제를 해결하기 위해 격자 기반 링 서명을 사용한 양자 저항 프라이버시 프로토콜 Obscura-PQ를 제안한다. Algorand 블록체인에서 직접 검증이 가능하도록 설계되어, 양자 공격에 대비한 익명성 보장을 목표로 한다.
이 연구는 Algorand 블록체인에서 양자 저항성을 갖춘 프라이버시 프로토콜을 구현하는 데 기여하며, 향후 양자 컴퓨터 시대의 블록체인 보안 강화에 참고가 될 수 있다.
비공개 입찰 시스템에서 입찰자의 자격과 진위를 SSI(Self-Sovereign Identity)를 활용해 인증하는 새로운 프레임워크를 제안한다. 이 모델은 Verifiable Credentials(VC)와 Zero-Knowledge Proofs(ZKP)를 사용해 입찰자의 요구사항을 증명하면서 입찰 내용을 비밀로 유지한다.
이 연구는 분산 시스템에서 신뢰할 수 있는 비공개 입찰을 가능하게 하여, 기존의 TTP(신뢰할 수 있는 제3자)에 의존하지 않고도 입찰의 공정성을 보장하는 방법을 제시한다.
이 연구는 무선 에지 네트워크에서 의미 통신을 할 때 개인 정보 유출을 방지하기 위해 비주얼 언어 모델(VLM)을 활용한 프레임워크를 제안한다. 프레임워크는 이미지에서 텍스트 의미를 추출하고, 에지 서버에만 유지되는 프라이버시 데이터베이스를 사용해 민감한 엔티티를 식별하여 제거한다. 서버는 텍스트 임베딩과 VLM 기반 의미 사전을 사용해 제거된 영역을 재구성하고, 물리 계층 키를 사용한 암호화된 의미 채널 수신기를 설계한다. 실험 결과, 제안된 방법은 개인 정보 유출을 50% 이상 감소시키며, 서버의 인식 재구성 품질은 적대자에 비해 48% 향상된다.
이 연구는 무선 에지 네트워크에서 의미 통신을 할 때 개인 정보를 보호하는 새로운 프레임워크를 제안하여, 실무에서 프라이버시 보호를 강화할 수 있다.
모바일 포렌식 데이터베이스에서 개인 식별 정보(PII)를 발견하는 문제를 해결하기 위해 가설 기반 프레임워크를 제안한다. 25개 SQLite 데이터베이스를 대상으로 실험한 결과, Gemini 2.5 Pro 모델은 94.5% F1 점수를 달성하면서 평균적으로 79.9%의 탐색 공간을 줄였다.
이 연구는 모바일 앱 데이터베이스에서 PII를 효율적으로 탐지할 수 있는 방법을 제시하여, 개인정보 보호 실무에 기여할 수 있다.
AI 튜터 시장의 성장과 함께 보안 및 프라이버시 위험을 분석한다. 보안 취약점과 프라이버시 침해 가능성, 프롬프트 인젝션 공격을 다룬다.
부모와 교육 기관은 AI 튜터 사용 시 보안 및 프라이버시 정책을 철저히 검토해야 한다.
스크린샷은 증거로서의 신뢰도가 낮아지고 있으며, 생성형 AI 등으로 인해 조작이 쉬워지고 있다. 소비자와 기업은 스크린샷을 신뢰할 수 없게 되었다.
소비자와 기업은 스크린샷을 단독 증거로 신뢰하지 말고 추가적인 검증 절차를 도입해야 한다.
본 페이지의 연구 요약은 공개된 초록을 AI가 한국어로 정리한 것으로, 원문과 차이가 있을 수 있습니다. 정확한 내용은 반드시 원문을 확인하십시오. 본문과 PDF는 제공하지 않으며, 모든 저작권은 각 저자와 발행처에 있습니다.