총계처리

통계값(전체 혹은 부분)을 적용하여 특정 개인을 식별할 수 없도록 하는 개인정보 비식별처리 기법

장단점

전체 총계처리
- 데이터 전체 또는 부분을 집계(총합, 평균)
- 집단에 소속된 전체 인원의 평균 나이값을 구한 후 각 개인의 나이값을 평균 나이값(대푯값)으로 대체
부분총계(Micro Aggregation)
- 데이터 셋 내 일정부분 레코드만 총계처리함
- 40대의 소득만 선별하여 평균값을 구한 후 40대에 해당하는 각 개인의 소득값을 해당 평균값으로 대체
라운딩(Rounding)
- 집계 처리된 값에 대하여 라운딩(올림, 내림, 반올림) 기준을 적용하여 최종 집계 처리하는 방법
- 일반적으로 세세한 정보보다는 전체 통계정보가 필요한 경우 많이 사용
- ex) 23세 → 20대, 3,712,311원 → 3,712천원

재배열(Rearrangement)
- 데이터 셋 전체의 정보는 그대로 두면서, 개인이 식별되지 않도록 레코드 사이에서 값을 서로 바꾸어 배치하는 방법
- ex) 나이·소득 값을 다른 사람의 레코드와 뒤섞으면, 집단 전체의 합계·평균·분포는 그대로지만 어느 값이 누구의 것인지 알 수 없다
- 전체 통계는 유지되지만 값과 사람의 연결이 끊기므로 개개인의 특성을 파악하기 어렵다

「개인정보 비식별 조치 가이드라인」(2016)은 비식별 기법을 다섯 가지로 나누며, 총계처리는 그 가운데 하나이다. 총계처리 자체가 비식별 기법이므로 "총계처리로는 비식별화가 불가능하다" 는 틀리다.

기법	방법	세부 기술
가명처리	식별자를 다른 값으로 대체	휴리스틱 가명화, 암호화, 교환 방법
총계처리	통계값으로 개인값을 대체	총계처리, 부분총계, 라운딩, 재배열
데이터 삭제	식별자나 일부 값을 삭제	식별자 삭제, 식별자 부분 삭제, 레코드 삭제, 식별 요소 전부 삭제
데이터 범주화	값을 범주나 구간으로 바꿈	감추기, 랜덤 라운딩, 범위 방법, 제어 라운딩
데이터 마스킹	값의 일부를 다른 문자로 가림	임의 잡음 추가, 공백과 대체

정밀 분석이 어렵다: 개인값이 통계값으로 바뀌므로 개인 단위의 세밀한 분석을 할 수 없다.
집계 수량이 적으면 재식별될 수 있다: 집계 대상이 몇 명뿐이면 다른 데이터와 결합하는 과정에서 개인의 값을 추론할 수 있다. 그래서 K-익명성 같은 프라이버시 모델로 적정성을 함께 평가한다.
재배열은 개개인의 특성 파악이 어렵다: 값이 다른 레코드로 옮겨져 개인 수준의 관계(예: 나이와 소득의 관계)가 흐트러진다.