KR102282023B1 - 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법 - Google Patents

사용자의 프라이버시 제어를 추천하는 장치 및 그 방법 Download PDF

Info

Publication number
KR102282023B1
KR102282023B1 KR1020170117220A KR20170117220A KR102282023B1 KR 102282023 B1 KR102282023 B1 KR 102282023B1 KR 1020170117220 A KR1020170117220 A KR 1020170117220A KR 20170117220 A KR20170117220 A KR 20170117220A KR 102282023 B1 KR102282023 B1 KR 102282023B1
Authority
KR
South Korea
Prior art keywords
privacy control
information
user
privacy
recommended
Prior art date
Application number
KR1020170117220A
Other languages
English (en)
Other versions
KR20190030023A (ko
Inventor
김승현
김석현
김수형
김영삼
노종혁
조상래
조영섭
조진만
진승헌
허세영
황정연
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020170117220A priority Critical patent/KR102282023B1/ko
Priority to US16/057,066 priority patent/US20190080113A1/en
Publication of KR20190030023A publication Critical patent/KR20190030023A/ko
Application granted granted Critical
Publication of KR102282023B1 publication Critical patent/KR102282023B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/60—Subscription-based services using application servers or record carriers, e.g. SIM application toolkits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/18—Service support devices; Network management devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Medical Informatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 일 실시예는, 어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 제반 정보 수집부; 상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 프라이버시 제어 추천부; 상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 인터페이스부; 및 상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 프라이버시 제어 처리부를 포함하는, 프라이버시 제어 추천 장치를 제공한다.

Description

사용자의 프라이버시 제어를 추천하는 장치 및 그 방법 {APPARATUS FOR RECOMMENDING USER'S PRIVACY CONTROL AND METHOD FOR THE SAME}
본 발명은 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법에 관한 것이다.
모바일 환경에서 사용자는 휴대단말에 다양한 어플리케이션을 자유롭게 설치하여 사용할 수 있다. 어플리케이션은 휴대단말의 개인정보나 상황정보를 활용하여 사용자에게 개인화된 서비스를 제공해 준다. 하지만 누구나 어플리케이션을 개발할 수 있기 때문에, 악의적인 목적으로 개발된 어플리케이션이 사용자의 개인정보를 탈취하여 악용할 수 있다. 보통 사용자는 어플리케이션의 권한을 제대로 체크하지 않으며, 한번 권한을 허가 받은 어플리케이션은 사용자의 개입 없이 자유롭게 개인정보에 접근할 수 있다.
사용자는 어플리케이션이 요청하는 개인정보에 대해 어느 정도 수준으로 응답을 제공할지에 대한 프라이버시 제어 결정을 내린다. 그런데, 사용자는 각기 다른 기준에 의해 프라이버시 제어 결정을 내리기 때문에, 단순히 과거 응답이나 유사 사용자의 응답만으로는 사용자에게 정확한 프라이버시 제어 추천에 한계가 있다. 또한, 휴대단말의 제약적인 UI(User Interface) 때문에 사용자는 개인정보를 어플리케이션에 제공해야 할 때 프라이버시 제어 결정에서 실수를 할 수 있다. 또한 사용자의 프라이버시 제어 결정은 상황 변화에 따라 변하기 쉽고, 심지어 심리적인 변화 때문에 기존과 다른 프라이버시 결정을 내릴 수도 있다. 이런 문제를 프라이버시 분야에서는 프라이버시 패러독스(privacy paradox), 프라이버시 터뷸런스(privacy turbulence)라고 부르는데, 프라이버시 결정을 제대로 추천하기 위해서는 이들 문제에 지속적으로 대응하면서 사용자에 특화된 프라이버시 제어 결정을 제안하는 방안이 요구된다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라할 수는 없다.
국내 등록특허공보 제10-1590626호
본 발명의 목적은 사용자에게 적합한 프라이버시 제어를 추천하는 장치 및 그 방법을 제공하는 것이다.
또한, 본 발명의 목적은 사용자의 프라이버시 제어 패턴을 지속적으로 학습하여 현재의 사용자에게 적합한 프라이버시 제어를 추천하는 장치 및 그 방법을 제공하는 것이다.
본 발명의 일 실시예는, 어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 제반 정보 수집부; 상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 프라이버시 제어 추천부; 상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 인터페이스부; 및 상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 프라이버시 제어 처리부를 포함하는, 프라이버시 제어 추천 장치를 제공한다.
이때, 상기 제반 정보는 상황 정보 및 상기 어플리케이션의 정보 중에서 적어도 하나 이상을 포함할 수 있다.
이때, 상기 상황 정보는 상기 개인정보 요청에 상응하는 시간 정보, 장소 정보 및 사용자 정보 중에서 적어도 하나 이상을 포함할 수 있다.
이때, 상기 프라이버시 제어 추천부는 상기 제반 정보의 근접도 산정을 통해, 상기 프라이버시 제어 패턴에서 상기 제반 정보에 가장 근접한 상황을 선정하여 상기 추천 프라이버시 제어를 선택할 수 있다.
이때, 상기 프라이버시 제어 선택을 이용하여 상기 프라이버시 제어 패턴을 업데이트하는 프라이버시 제어 패턴 업데이트부를 더 포함할 수 있다.
이때, 상기 프라이버시 제어 패턴 업데이트부는 강화 학습을 통하여 상기 프라이버시 제어 선택을 상기 프라이버시 제어 패턴에 반영할 수 있다.
이때, 상기 강화 학습은 상기 프라이버시 제어 선택에 따른 효용을 최대화하도록 학습하는 것이고, 상기 효용은 상기 프라이버시 제어 선택을 상기 추천 프라이버시 제어와 비교하여 산출되는 정확도에 상응하는 값일 수 있다.
이때, 상기 프라이버시 제어 패턴 업데이트부는 강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정할 수 있다.
이때, 상기 프라이버시 제어 패턴 업데이트부는 상기 프라이버시 제어 선택이 상기 추천 프라이버시 제어가 아닌 경우에 상기 프라이버시 제어 패턴을 업데이트할 수 있다.
이때, 상기 인터페이스부는 상기 사용자에게 상기 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공할 수 있다.
본 발명의 다른 일 실시예는, 어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 단계; 상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 단계; 상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 단계; 및 상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 단계를 포함하는, 프라이버시 제어 추천 방법을 제공한다.
이때, 상기 제반 정보는 상황 정보 및 상기 어플리케이션의 정보 중에서 적어도 하나 이상을 포함할 수 있다.
이때, 상기 상황 정보는 상기 개인정보 요청에 상응하는 시간 정보, 장소 정보 및 사용자 정보 중에서 적어도 하나 이상을 포함할 수 있다.
이때, 상기 추천 프라이버시 제어를 선택하는 단계는 상기 제반 정보의 근접도 산정을 통해, 상기 프라이버시 제어 패턴에서 상기 제반 정보에 가장 근접한 상황을 선정하여 상기 추천 프라이버시 제어를 선택할 수 있다.
이때, 상기 프라이버시 제어 선택을 이용하여 상기 프라이버시 제어 패턴을 업데이트하는 단계를 더 포함할 수 있다.
이때, 상기 프라이버시 제어 패턴을 업데이트하는 단계는 강화 학습을 통하여 상기 프라이버시 제어 선택을 상기 프라이버시 제어 패턴에 반영할 수 있다.
이때, 상기 강화 학습은 상기 프라이버시 제어 선택에 따른 효용을 최대화하도록 학습하는 것이고, 상기 효용은 상기 프라이버시 제어 선택을 상기 추천 프라이버시 제어와 비교하여 산출되는 정확도에 상응하는 값일 수 있다.
이때, 상기 프라이버시 제어 패턴을 업데이트하는 단계는 강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정할 수 있다.
이때, 상기 프라이버시 제어 패턴을 업데이트하는 단계는 상기 프라이버시 제어 선택이 상기 추천 프라이버시 제어가 아닌 경우에 상기 프라이버시 제어 패턴을 업데이트할 수 있다.
이때, 상기 인터페이스를 제공하는 단계는 상기 사용자에게 상기 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공할 수 있다.
본 발명에 따르면, 사용자에게 적합한 프라이버시 제어를 추천하는 장치 및 그 방법에 의해, 사용자가 간단하게 일관된 프라이버시 제어를 수행할 수 있다.
또한, 본 발명은 사용자의 프라이버시 제어 패턴을 지속적으로 학습하여 현재의 사용자에게 적합한 프라이버시 제어를 추천하는 장치 및 그 방법에 의해, 사용자의 프라이버시 제어 패턴이 급격하게 변화하는 경우에도 그 변화를 반영하여 적합한 프라이버시 제어를 추천할 수 있다.
도 1은 본 발명의 일 실시예에 따른 프라이버시 제어 추천 시스템의 구성을 나타낸 블록도이다.
도 2는 도 1에 도시된 프라이버시 제어 추천 장치의 일 예를 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법을 나타낸 동작 흐름도이다.
도 4는 도 3에 도시된 제반 정보를 수집하는 단계의 일 예를 나타낸 동작 흐름도이다.
도 5는 도 3에 도시된 프라이버시 제어 패턴을 업데이트하는 단계의 일 예를 나타낸 동작 흐름도이다.
도 6 및 7은 본 발명의 일 실시예에 따라 사용자에게 제공되는 인터페이스의 예시를 나타낸 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성되어 다양한 형태로 구현될 수 있다. 이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 또한, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는한 복수의 표현을 포함한다. 또한, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
또한, 첨부된 도면들의 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 프라이버시 제어 추천 시스템(1)의 구성을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 시스템(1)은 프라이버시 제어 추천 장치(100)가 사용자(200) 및 어플리케이션(300)과 상호작용한다.
이때, 하나의 프라이버시 제어 추천 장치(100)는 하나 이상의 어플리케이션들(300)과 상호작용할 수 있다.
특히, 프라이버시 제어 추천 장치(100)와 어플리케이션(300)은 별도의 단말 혹은 장치에서 동작하도록 구현될 수도 있고, 동일한 단말 혹은 장치에서 동작하도록 구현될 수도 있다.
예컨대, 사용자(200)의 스마트폰에 어플리케이션(300)이 설치되어 구동되면서 동시에 스마트폰이 프라이버시 제어 추천 장치(100)로서 기능할 수 있다.
상세히, 프라이버시 제어 추천 장치(100)는 어플리케이션(300)의 사용자(200)에 대한 개인정보 요청에 대하여 제반 정보를 수집하고, 수집한 제반 정보를 이용하여 사용자(200)에게 적합한 추천 프라이버시 제어를 선택하고, 사용자(200)에게 선택한 추천 프라이버시 제어를 제공하고 사용자(200)의 프라이버시 제어 선택을 입력받고는 인터페이스를 제공하고, 프라이버시 제어 선택에 따라 사용자(200)의 개인정보를 가공하여 어플리케이션(300)에 제공한다.
이때, 프라이버시 제어 추천 장치(100)는 프라이버시 제어 패턴을 이용하여 추천 프라이버시 제어를 선택할 수 있다.
이때, 프라이버시 제어 추천 장치(100)는 사용자(200)의 프라이버시 제어 선택을 이용하여 프라이버시 제어 패턴을 업데이트할 수 있다. 그리고, 프라이버시 제어 패턴의 업데이트는 강화 학습(Reinforcement Learning)을 이용할 수 있다.
특히, 강화 학습 중에 시계열(time serial)로 발생하는 이벤트에 대해 현재의 행동을 기반으로 향후 예측을 더 정확하게 수행하기 위해 과거의 예측값을 보정하는 방식으로 TD Learning(Temporal-Difference Learning) 방식을 이용할 수 있다. 이를 활용하여 사용자가 현재 상황에서 수행한 프라이버시 제어를 바탕으로, 과거에 수행했던 프라이버시 제어 패턴을 업데이트하는 작업을 수행한다. 이를 통해, 이번에 사용자의 프라이버시 제어가 변경된 경우, 그 변경 내역을 프라이버시 제어 패턴에 적용하고 다음 추천 프라이버시 제어를 선택하는데 활용할 수 있다.
이에 따라, 기존의 머신 러닝 기술을 활용한 프라이버시 제어 방식은 학습 데이터가 모두 준비된 상황에서만 패턴을 학습할 수 있었지만, 본 발명은 강화 학습을 사용함에 따라 현재까지 가용한 학습 데이터만으로도 프라이버시 제어 패턴을 만들어 추천 프라이버시 제어를 선택할 수 있다. 또한 학습 데이터가 추가될 때마다 실시간으로 기존 프라이버시 제어 패턴을 업데이트할 수 있다.
즉, 프라이버시 제어 추천 장치(100)는 어플리케이션 사용패턴을 고려하여 어플리케이션의 서비스를 사용하는 목적과 서비스의 수준에 따라 개인정보를 선택적으로 제공하여, 사용자의 서비스 활용성을 높이면서 프라이버시를 동시에 보호할 수 있도록 동작한다.
프라이버시 제어 추천 장치(100)에 대한 상세한 설명은 후술한다.
사용자(200)는 어플리케이션(300)을 이용하는 사용자를 의미하며, 동시에 어플리케이션(300)을 구동하는 단말 혹은 장치의 사용자를 의미할 수 있다. 또한, 사용자(200)는 프라이버시 제어 추천 장치(100)를 이용하는 사용자이기도 하다.
이때, 사용자(200)가 이용하는 단말은 스마트폰, 음성/영상 전화 통화가능한 웨어러블 디바이스, 테블릿 PC, 노트북 PC 등 휴대 단말인 것이 바람직하지만, 이에 한정되는 것은 아니며, 경우에 따라 데스크탑 PC, 기타 다른 통신 기기 등 유선 단말을 포함할 수 있다. 이와 같은 사용자 단말은 통신 환경에 따라 WiFi, WiBro 등 무선 인터넷 통신, WCDMA, LTE 등 이동통신 또는 WAVE(Wireless Access in Vehicular Environment) 무선 통신, 유선 인터넷 통신 등을 지원할 수 있다. 또한, 사용자(200)가 이용하는 단말은 운영 플랫폼을 통해 단말의 전반적인 관리와 운영을 담당할 수 있다. 운영 플랫폼은 운영체제(Operating System)일 수 있으며, 저장수단에 사용자 단말의 전반적인 관리와 운영을 위한 프로그램, 데이터 등을 저장하여 관리하고, 사용자 단말의 동작에 필요한 프로그램의 실행과 디스플레이의 표시 등을 제어하며, 사용자의 개인정보도 저장수단에 저장하여 관리할 수 있다. 운영 플랫폼은 사용자 단말에 탑재되어 동작하는 것이 바람직하지만, 경우에 따라서는 사용자 단말의 외부 기기에서 동작할 수도 있다.
어플리케이션(300)은 사용자의 단말이나 장치에서 구동되어 다양한 기능을 제공하는 다양한 응용 프로그램 또는 서비스를 의미할 수 있다. 여기서, 어플리케이션(300)의 종류에는 제한이 없으며, 금융기관 계좌 서비스 앱, 카드 결제 앱, 쇼핑몰 앱, 대리기사 서비스 앱 등 다양한 목적에 따라 해당 서비스가 제공되도록 다양한 기능과 형태를 가질 수 있따.
이때, 어플리케이션(300)은 프로그램의 형태로 사용자의 단말에 설치되어 구동되는 것일 수도 있지만, 웹페이지 등의 형태로 사용자의 단말에 설치가 수반되지 않은채로 구동되는 것일 수도 있다.
이때, 어플리케이션(300)은 설계된 기능을 제공하기 위하여 사용자(200)에 대한 각 종의 개인정보를 요구할 수 있다.
이때, 어플리케이션(300)의 개인정보의 요구는 사용자(200)의 단말에 저장된 개인정보를 취득을 가능케 하는 접근 권한을 요구하는 방식으로도 이루어질 수 있다.
예컨대, 어플리케이션(300)은 사용자(200)의 개인정보로서 위치 정보, 주소록 정보, 계정 정보, 사진, 파일, 센서 정보 등을 요구할 수 있다.
도 2는 도 1에 도시된 프라이버시 제어 추천 장치(100)의 일 예를 나타낸 블록도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 장치(100)는 제어부(110), 통신부, 메모리(120), 상황 정보 수집부(130), 어플리케이션 정보 수집부(140), 프라이버시 제어 패턴 저장부(150), 프라이버시 제어 추천부(160), 인터페이스부(170), 프라이버시 제어 처리부(180) 및 프라이버시 제어 패턴 업데이트부(190) 등을 포함한다.
상세히, 제어부(110)는 일종의 중앙처리장치로서 프라이버시 제어 추천의 전체 과정을 제어한다. 즉, 제어부(110)는 상황 정보 수집부(130), 어플리케이션 정보 수집부(140), 프라이버시 제어 패턴 저장부(150), 프라이버시 제어 추천부(160), 인터페이스부(170), 프라이버시 제어 처리부(180) 및 프라이버시 제어 패턴 업데이트부(190) 등을 제어하여 다양한 기능을 제공할 수 있다.
여기서, 제어부(110)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
통신부는 프라이버시 제어 추천 장치(100)와 다른 장치들 간의 송수신 신호를 전송하는데 필요한 통신 인터페이스를 제공한다.
여기서, 통신부는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
이때, 프라이버시 제어 추천 장치(100)와 어플리케이션(도 1의 300 참조)을 구동하는 장치가 별개로 구성된 경우에는, 통신부를 통하여 프라이버시 제어 추천 장치(100)와 어플리케이션을 구동하는 장치 간에 통신을 수행할 수 있다.
메모리(120)는 제어부(110)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 메모리(120)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 예컨대, 메모리(120)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
상황 정보 수집부(130)는 어플리케이션의 개인정보 요청에 대하여 추천 프라이버시 제어를 선택하는데 이용될 제반 정보로서 상황 정보를 수집한다. 여기서, 상황 정보는 개인정보 요청을 수신한 시점의 상황 정보를 의미할 수 있다.
이때, 상황 정보 수집부(130)는 상황 정보로 시간 정보, 장소 정보, 사용자 정보 및 데모그래픽(demographic) 정보 등을 수집할 수 있다. 여기서, 시간 정보에는 주중/주말, 요일, 근무시간/비근무시간, 오전/오후/저녁/밤, 시각과 같은 정보가 포함될 수 있으며, 장소 정보에는 도시명, 도로명, 번지수명 등이 포함될 수 있고, 사용자 정보에는 식별자, 연령대, 성별, 직업 등이 포함될 수 있다.
어플리케이션 정보 수집부(140)는 어플리케이션의 개인정보 요청에 대하여 추천 프라이버시 제어를 선택하는데 이용될 제반 정보로서 어플리케이션 정보를 수집한다. 여기서, 어플리케이션 정보는 개인정보를 요청하는 어플리케이션에 대한 정보를 의미한다.
이때, 어플리케이션 정보 수집부(140)는 어플리케이션 정보로 어플리케이션 이름, 어플리케이션 평점, 어플리케이션 다운로드수, 어플리케이션 카테고리, 요구하는 개인정보 종류, 개발자 명 등을 수집할 수 있다.
프라이버시 제어 패턴 저장부(150)는 사용자(도 1의 200 참조)의 프라이버시 제어 패턴을 저장한다. 여기서, 프라이버시 제어 패턴은 기존의 프라이버시 제어 선택 정보와 상황 정보, 어플리케이션 정보 등을 적어도 하나 이상 이용하여 학습된 사용자의 프라이버시 제어 패턴을 의미할 수 있다. 즉, 프라이버시 제어 패턴은 특정 상황에서 사용자(도 1의 200 참조)는 어떠한 프라이버시 제어를 선택하는지에 대한 예측하는데 이용될 수 있다.
이때, 프라이버시 제어 패턴은 각 어플리케이션을 기준으로 생성될 수도 있지만, 요청되는 개인정보의 항목을 기준으로 생성될 수도 있다.
이때, 프라이버시 제어 패턴은 서로 다른 어플리케이션에 대한 프라이버시 제어 패턴이더라도, 동일한 개인정보 항목에 대한 패턴인 경우 서로 참조하여 이용할 수 있다. 나아가, 어플리케이션 간의 비교를 통하여 동일하거나 유사한 카테고리(예컨대, 지도 서비스)에 속하는 경우에만 프라이버시 제어 패턴을 서로 참조하여 이용할 수도 있다.
예컨대, 제1 어플리케이션에서의 위치 정보 요청에 따른 프라이버시 제어 패턴이 생성되어 있고, 제2 어플리케이션에서 위치 정보를 요청하지만 제2 어플리케이션에 상응하는 프라이버시 제어 패턴이 없는 경우에, 제1 어플리케이션의 프라이버시 제어 패턴을 이용하여 제2 어플리케이션의 위치 정보 요청에 상응하는 추천 프라이버시 제어를 제공할 수 있다. 나아가, 제1 어플리케이션과 제2 어플리케이션이 동일하거나 유사한 카테고리에 포함된 경우에만 프라이버시 제어 패턴을 서로 참조하여 추천 프라이버시 제어를 제공할 수도 있다.
프라이버시 제어 추천부(160)는 프라이버시 제어 패턴 저장부(150)에 저장된 프라이버시 제어 패턴으로부터 수집된 제반 정보를 이용하여, 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택한다. 여기서, 선택된 추천 프라이버시 제어는 어플리케이션(도 1의 300 참조)의 개인정보 요청에 대하여 사용자(도 1의 200 참조)의 과거 프라이버시 제어 선택 이력으로부터 예상되는 프라이버시 제어일 수 있다.
이때, 프라이버시 제어 추천부(160)는 제반 정보의 근접도 산정을 수행하고, 이를 통해 프라이버시 제어 패턴에서 제반 정보에 가장 근접한 상황을 선정하여 추천 프라이버시 제어를 선택할 수 있다. 예컨대, 프라이버시 제어 패턴에서 사용자가 평일 출퇴근 시간에 지도 어플리케이션에 대하여 도로 수준의 위치 정보를 허용하는 것으로 나타나고, 현재 지도 어플리케이션이 평일 출근 시간에 지도 정보를 요청하는 경우에는, 가장 근접한 상황으로서 평일 출퇴근 시간을 선정하여 도로 수준의 위치 정보를 허용하도록 추천 프라이버시 제어를 선택할 수 있다.
이때, 프라이버시 제어 추천부(160)는 제반 정보의 유사도 측정이나 클러스터링 방법을 이용하여 근접도 산정을 수행할 수 있다.
이때, 프라이버시 제어 추천부(160)는 사용자 정보, 상황 정보 및 어플리케이션 정보에 대하여 가중치를 부과하여 근접도 산정을 수행할 수 있다. 예컨대, 어플리케이션의 타입에 가장 높은 가중치를 부과하고, 장소 정보와 시간 정보 순서대로 가중치를 높게 설정하여 근접도에 상응하는 점수를 계산하고, 이를 통하여 가장 근접도에 상응하는 점수가 높게 나온 상황을 상황 정보에 가장 유사한 상황으로 선정할 수 있다.
인터페이스부(170)는 사용자(도 1의 200 참조)에게 개인정보 요청 정보 및 추천 프라이버시 제어를 제공하고, 사용자(도 1의 200 참조)의 프라이버시 제어 선택을 입력받는 인터페이스를 제공한다. 즉, 인터페이스를 통해 사용자(도 1의 200 참조)에게 현재 어플리케이션(도 1의 300 참조)에서 요구하는 개인정보 요청 정보와 프라이버시 제어 추천부(160)에서 선택한 추천 프라이버시 제어를 제공하며, 사용자(도 1의 200 참조)가 선택한 프라이버시 제어를 입력받는다. 따라서, 인터페이스부(170)는 입출력 기능을 모두 구비할 수 있다. 예컨대, 입력 기능은 터치 패널, 키보드, 마우스, 제스쳐, 소리 인식, 눈동자 트래킹 등의 다양한 방법을 통해 제공할 수 있고, 출력 기능은 프로젝터, 다양한 디스플레이 패널, 소리, 진동 등을 통해 제공할 수 있다.
이때, 인터페이스부(170)는 사용자(도 1의 200 참조)에게 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공할 수 있다. 예컨대, 개인정보 요청 항목이 위치 정보인 경우에, 프라이버시 제어 선택 목록에 'GPS 좌표 레벨', '거리 주소(street address) 레벨', '도시(city) 레벨', '국가(country) 레벨', '미제공'과 같이 하나 이상의 제어 등급으로 구분된 항목들이 포함될 수 있고, 이 중에서 '거리 주소 레벨'을 추천 프라이버시 제어일 수 있다.
여기서, 제어 등급은 사용자의 개인정보 항목마다 상이하게 구분되며, 개인정보 요청에 대하여 어떠한 정보도 제공하지 않는 등급과 개인정보 요청에 상응하는 모든 정보를 제공하는 등급을 포함할 수 있다. 즉, 선택에 따라서 개인정보를 전혀 제공하지 않거나, 요청된 개인정보를 모두 제공할 수도 있고, 요청된 개인정보 중에서 일부만을 제공할 수도 있다.
이때, 인터페이스부(170)는 사용자(도 1의 200 참조)에게 추천 프라이버시 제어를 제시하고, 추천 프라이버시 제어가 선택되지 않은 경우에 프라이버시 제어 선택 목록을 제공할 수 있다. 예컨대, 개인정보 요청 항목이 위치 정보인 경우에, '거리 주소 레벨'을 추천 프라이버시 제어로 제공하고, 추천 프라이버시 제어가 선택되지 않은 경우에 'GPS 좌표 레벨', '거리 주소(street address) 레벨', '도시(city) 레벨', '국가(country) 레벨', '미제공'을 포함하는 프라이버시 제어 선택 목록을 제공할 수 있다.
프라이버시 제어 처리부(180)는 프라이버시 제어 선택에 따라 사용자(도 1의 200 참조)의 개인정보를 가공하여 어플리케이션(도 1의 300 참조)에 제공한다. 여기서, 가공된 개인정보는 통신부나 내부 버스 등을 통하여 어플리케이션(도 1의 300 참조)에 전달될 수 있다.
이때, 프라이버시 제어 처리부(180)는 요청된 개인정보의 원본 데이터를 로드하고, 이를 프라이버시 제어 선택에 따라 개인정보의 수준을 가공할 수 있다. 예컨대, 요청되는 개인정보가 위치 정보이고 프라이버시 제어 선택이 '국가 레벨'인 경우에는, 실제 GPS 좌표로 수집된 원본 데이터로부터 상응하는 국가 정보를 획득하여 이를 개인정보로 제공할 수 있다.
프라이버시 제어 패턴 업데이트부(190)는 프라이버시 제어 선택을 이용하여 프라이버시 제어 패턴을 업데이트한다.
이때, 프라이버시 제어 패턴 업데이트부(190)는 강화 학습(Reinforcement Learning)을 통하여 프라이버시 제어 선택을 프라이버시 제어 패턴에 반영할 수 있다.
이때, 프라이버시 제어 패턴 업데이트부(190)는 하기 수학식 1을 이용한 강화 학습을 통하여 프라이버시 제어 선택을 프라이버시 제어 패턴에 반영할 수 있다.
[수학식 1]
Q(si, a) ← Q(si, a) + α [r + γ max Q(si +1, a) - Q(si, a)]
여기서, α, r, γ는 파라미터 변수들이고, si는 현 시점, si +1은 다음 시점, a는 특정 프라이버시 제어 선택, Q(si, a)는 현 시점(si)에서 프라이버시 제어 선택(a)이 갖는 효용을 나타낸다. 그리고, 파라미터 변수들은 미리 주어진 값으로 설정될 수 있으며, 학습함에 따라 보정될 수도 있다.
이때, 효용을 나타내는 Q(si, a)는 현 시점에서 제공된 추천 프라이버시 제어가 a라는 프라이버시 제어 선택에 대한 정확도 또는 근접도에 상응하도록 설정될 수 있다. 예컨대, 추천 프라이버시 제어가 프라이버시 제어 선택과 일치하는 경우에는 정확도가 가장 높으므로 가장 높은 효용 값을 가질 수 있다. 또한, 프라이버시 제어 선택 목록을 5단계로 제공하며 추천 프라이버시 제어가 5단계이지만 프라이버시 제어 선택이 3단계인 경우에는, 그 차이에 해당하는 2단계만큼 정확도가 감소되며, 이에 상응하는 효용 값도 감소될 수 있다. 따라서, 효용을 최대화하는 방향으로 학습시킴으로써 사용자가 선택할만한 프라이버시 제어를 추천할 수 있다.
이때, 상기 수학식 1을 이용하여 프라이버시 제어 패턴을 갱신할 때, 개인정보 요청에 따라 프라이버시 제어가 선택되는 시점(si)에 계산되지 않고, 다음 번에 어플리케이션이 사용자의 개인정보를 요청하는 시점(si + 1)에 지연되어 계산될 수 있다. 그리고, 이번 상황(si)에서 사용자의 프라이버시 제어 선택(a)이 가지는 효용(Q(si, a))은 다음 상황(si + 1)에서의 프라이버시 제어 선택이 가지는 최대 효용(max Q(si +1, a))을 감안하여 보정될 수 있다.
이때, 프라이버시 제어 패턴 업데이트부(190)는 강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정할 수 있다. 즉, 최근 학습 데이터의 비중을 높게 설정할 수 있다.
이때, 프라이버시 제어 패턴 업데이트부(190)는 추천 프라이버시 제어와 프라이버시 제어 선택이 상이한 경우에 프라이버시 제어 패턴을 업데이트할 수 있다. 즉, 사용자(도 1의 200 참조)가 프라이버시 제어 추천 장치(100)에서 제공하는 추천 프라이버시 제어를 선택한 경우에는 프라이버시 제어 패턴을 업데이트 하지 않을 수 있다.
기존의 프라이버시 제어 추천 방법은 프라이버시 제어 패턴을 도출하기 위해 모든 프라이버시 제어 이력을 학습 데이터로 삼아서 학습 과정을 수행해야 하기 때문에, 새로운 프라이버시 제어 응답을 재학습하려면 많은 컴퓨팅 자원뿐만 아니라 학습 시간이 소요되었다. 또한, 기존의 프라이버시 제어 추천 방법은 통계적으로 현재 상황에 가장 높은 확률을 가지는 프라이버시 제어 응답을 선정하기 때문에, 사용자의 프라이버시 제어 응답이 갑자기 달라질 경우 프라이버시 제어 패턴에 반영되려면 통계적으로 차이가 발생할 때까지 잘못된 프라이버시 제어를 추천하게 된다.
하지만, 본 발명의 프라이버시 제어 추천 장치 및 그 방법에 따르면, 사용자의 프라이버시 제어 선택을 지속적으로 프라이버시 제어 패턴에 반영하여 사용자의 최신 성향이 반영된 개인화된 추천 프라이버시 제어를 제공할 수 있다. 그리고, 기존의 프라이버시 제어 추천 방식이 모든 학습 데이터를 계산하여 업데이트하는 것과 달리, 본 발명은 강화 학습을 통해 사용자의 기존 프라이버시 제어 패턴에 현재의 프라이버시 제어 선택을 바로 적용할 수 있기 때문에 프라이버시 제어 패턴을 업데이트하는 컴퓨팅 자원 및 시간 상의 오버헤드가 없어진다. 또한, 기존의 프라이버시 제어 추천 방식이 통계적으로 차이가 있어야만 프라이버시 패턴이 변화하는 것과 달리, 본 발명은 사용자의 프라이버시 제어 패턴이 급격히 변화되는 경우(예컨대, 프라이버시 패러독스, 프라이버시 터뷸런스)에도 현재의 프라이버시 제어 선택에 높은 가중치를 두어 학습하기 때문에 프라이버시 제어 패턴을 빠르게 갱신하여 올바른 프라이버시7 제어를 추천할 수 있다.
이를 통해, 본 발명은 빈번하게 발생하는 개인정보 요청에 대해 사용자의 기존 응답 패턴을 고려하여 추천하여, 사용자에게 간단하고 일관되게 프라이버시 제어를 수행할 수 있도록 도와준다.
도 3은 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법을 나타낸 동작 흐름도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 어플리케이션의 개인정보 요청을 수신한다(S301).
또한, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 개인정보 요청에 따른 제반 정보를 수집한다(S303).
또한, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 수집된 제반 정보를 이용하여 추천 프라이버시 제어를 선택한다(S305).
또한, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 개인정보 요청 내역 정보와 추천 프라이버시 제어를 포함하는 인터페이스를 제공하고, 개인정보 요청에 따른 프라이버시 제어 선택을 수신한다(S307).
또한, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 프라이버시 제어 선택에 따라 개인정보를 가공한다(S309).
또한, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 개인정보를 요청한 어플리케이션에 가공된 개인정보를 제공한다(S311).
또한, 본 발명의 일 실시예에 따른 프라이버시 제어 추천 방법은 프라이버시 제어 추천 장치(도 1의 100 참조)가, 프라이버시 제어 선택을 프라이버시 제어 패턴에 반영하여 프라이버시 제어 패턴을 업데이트한다(S313).
도 4는 도 3에 도시된 제반 정보를 수집하는 단계(S303)의 일 예를 나타낸 동작 흐름도이다.
도 4를 참조하면, 도 3에 도시된 제반 정보를 수집하는 단계(S303)는 프라이버시 제어 추천 장치(도 1의 100 참조)가, 개인정보 요청이 일어난 시점에 상응하는 상황 정보를 수집한다(S401). 여기서, 상황 정보에는 시간 정보, 장소 정보, 사용자 정보 및 데모그래픽 정보 등이 포함될 수 있다.
또한, 도 3에 도시된 제반 정보를 수집하는 단계(S303)는 프라이버시 제어 추천 장치(도 1의 100 참조)가, 개인정보를 요청한 어플리케이션에 대한 정보를 수집한다(S403). 여기서 어플리케이션 정보에는 어플리케이션 이름, 어플리케이션 평점, 어플리케이션 다운로드수, 어플리케이션 카테고리, 요구하는 개인정보 종류, 개발자 명 등이 포함될 수 있다.
또한, 도 3에 도시된 제반 정보를 수집하는 단계(S303)는 프라이버시 제어 추천 장치(도 1의 100 참조)가, 사용자(도 1의 200 참조)에 대한 프라이버시 제어 패턴을 수집한다(S405). 여기서 프라이버시 제어 패턴은 기존의 프라이버시 제어 선택 정보와 상황 정보, 어플리케이션 정보 등을 적어도 하나 이상 이용하여 학습된 사용자의 프라이버시 제어 패턴을 의미할 수 있다.
이에 따라, 사용자는 개인정보를 요청한 어플리케이션과 그리고 개인정보를 요청한 상황별로 구분된 추천 프라이버시 제어를 제공받을 수 있다.
선택적 실시예에서, 상기 단계들(S401, S403 및 S405)에 있어서, 어플리케이션 정보를 수집하는 단계(S403)가 먼저 수행되고, 상황 정보를 수집하는 단계(S401)가 수행될 수 있다.
선택적 실시예에서, 상기 단계들(S401, S403 및 S405)에 있어서, 프라이버시 제어 패턴을 수집하는 단계(S405)가 먼저 수행되고, 어플리케이션 정보를 수집하는 단계(S403)가 수행될 수 있다.
선택적 실시예에서, 상기 단계들(S401, S403 및 S405)에 있어서, 제어 패턴을 수집하는 단계(S405)가 먼저 수행되고, 상황 정보를 수집하는 단계(S401)가 수행될 수 있다.
선택적 실시예에서, 상기 단계들(S401, S403 및 S405)에 있어서, 상황 정보를 수집하는 단계(S401)와 어플리케이션 정보를 수집하는 단계(S403)가 병렬적으로 수행될 수 있다.
선택적 실시예에서, 상기 단계들(S401, S403 및 S405)에 있어서, 어플리케이션 정보를 수집하는 단계(S403)와 프라이버시 제어 패턴을 수집하는 단계(S405)가 병렬적으로 수행될 수 있다.
선택적 실시예에서, 상기 단계들(S401, S403 및 S405)에 있어서, 상황 정보를 수집하는 단계(S401), 어플리케이션 정보를 수집하는 단계(S403) 및 프라이버시 제어 패턴을 수집하는 단계(S405)가 병렬적으로 수행될 수 있다.
도 5는 도 3에 도시된 프라이버시 제어 패턴을 업데이트하는 단계(S313)의 일 예를 나타낸 동작 흐름도이다.
도 5를 참조하면, 도 3에 도시된 프라이버시 제어 패턴을 업데이트 하는 단계(S313)는, 사용자가 추천 프라이버시 제어를 선택하였는지 판단한다(S501).
예컨대, 추천 프라이버시 제어로서 거리 레벨의 위치 정보를 제공하는 항목이 제안된 경우에, 사용자가 추천 프라이버시 제어를 선택하여 위치 정보로서 거리 레벨의 정보를 제공하도록 하였는지 판단한다.
단계(S501)의 판단 결과, 사용자가 추천 프라이버시 제어를 선택한 경우에는, 별도의 프라이버시 제어 패턴을 업데이트 하지 않고 절차를 종료한다.
단계(S501)의 판단 결과, 사용자가 추천 프라이버시 제어를 선택하지 않은 경우에는, 강화 학습을 통하여 사용자가 선택한 프라이버시 제어 선택을 프라이버시 제어 패턴에 반영함으로써 프라이버시 제어 패턴을 업데이트한다(S503).
즉, 도 5에 도시된 프라이버시 제어 패턴을 업데이트하는 방법은 추천 프라이버시 제어와 프라이버시 제어 선택이 상이한 경우에만 프라이버시 제어 패턴을 업데이트하는 경우를 의미한다.
다른 일 실시예에서 구성하기에 따라서는, 추천 프라이버시 제어와 프라이버시 제어 선택이 상이한지 여부와 무관히 프라이버시 제어 패턴을 업데이트할 수 있다.
도 6 및 7은 본 발명의 일 실시예에 따라 사용자에게 제공되는 인터페이스의 예시를 나타낸 도면이다.
상세히, 도 6은 본 발명의 일 실시예에 따라 어플리케이션(도 1의 300 참조)에서 사용자(도 1의 200 참조)의 개인 정보로서 위치 정보를 요청하였을 때, 추천 프라이버시 제어를 제공하는 인터페이스의 예시이다. 그리고, 도 7은 도 6에 도시된 인터페이스에서 사용자(도 1의 200 참조)가 추천 프라이버시 제어를 선택하지 않았을 경우에 제공되는 인터페이스의 예시이다.
도 6을 참조하면, 사용자 단말에서 어플리케이션이 사용자의 개인정보를 요청한 경우에, 프라이버시 제어 추천 장치(도 1의 100 참조)가 이에 따른 개인정보 요청 내역과 추천 프라이버시 제어를 제공하는 인터페이스(6a)를 제공한다. 그리고, 추천 프라이버시 제어를 수락하는 버튼(6b)와 추천 프라이버시 제어를 거절하여 다른 레벨을 선택하는 버튼(6c)가 제공될 수 있다.
예컨대, 페이스북이라는 어플리케이션이 사용자의 위치 정보를 요청하였고, 인터페이스(6a)를 통하여 위치 정보 요청이 있었음을 알려주면서 추천 프라이버시 제어로서 거리(street) 레벨의 위치 정보를 제안할 수 있다.
만약, 수락 버튼(6b)를 선택하면 추천 프라이버시 제어를 프라이버시 제어 선택으로 결정하며, 이에 따라 개인정보를 가공하여 어플리케이션에 제공할 수 있다. 만약, 거절 버튼(6c)를 선택하면 프라이버시 제어 선택 목록을 제공하는 인터페이스(도 7의 7a 참조)를 제공할 수 있다.
도 7을 참조하면, 사용자(도 1의 200 참조)가 추천 프라이버시 제어를 선택하지 않은 경우에, 프라이버시 제어 추천 장치(도 1의 100 참조)가 프라이버시 제어 선택 목록을 제공하는 인터페이스(7a)를 제공한다. 여기서, 프라이버시 제어 선택 목록은 어플리케이션에서 요청한 사용자의 개인정보에 대하여 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 항목을 포함할 수 있다. 그리고, 사용자가 프라이버시 제어 선택 목록에서 프라이버시 제어를 선택하면, 이에 따라 개인정보를 가공하여 어플리케이션에 제공할 수 있다.
예컨대, 어플리케이션이 위치 정보를 요청하였고 사용자가 추천 프라이버시 제어를 선택하지 않은 경우에는, 'GPS 좌표 레벨', '거리 주소(street address) 레벨', '도시(city) 레벨', '국가(country) 레벨', '미제공'을 포함하는 프라이버시 제어 선택 목록을 포함하는 인터페이스(7a)를 제공할 수 있다.
이때, 프라이버시 제어 선택 목록은 추천 프라이버시 제어를 항목으로 포함할 수 있다.
또한, 프라이버시 제어 선택 목록에서 프라이버시 제어가 선택되면 이를 프라이버시 제어 패턴에 반영하여 업데이트할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
본 발명에서 설명하는 특정 실행들은 실시예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
1: 프라이버시 제어 추천 시스템
100: 프라이버시 제어 추천 장치
110: 제어부 120: 메모리
130: 상황 정보 수집부 140: 어플리케이션 정보 수집부
150: 프라이버시 제어 패턴 저장부 160: 프라이버시 제어 추천부
170: 인터페이스부 180: 프라이버시 제어 처리부
190: 프라이버시 제어 패턴 업데이트부
200: 사용자 300: 어플리케이션

Claims (20)

  1. 어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 제반 정보 수집부;
    상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 프라이버시 제어 추천부;
    상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 인터페이스부; 및
    상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 프라이버시 제어 처리부;
    상기 프라이버시 제어 선택을 이용하여 상기 프라이버시 제어 패턴을 업데이트하는 프라이버시 제어 패턴 업데이트부
    를 포함하고,
    상기 프라이버시 제어 패턴 업데이트부는
    강화 학습(Reinforcement Learning)을 통하여 상기 프라이버시 제어 선택을 상기 프라이버시 제어 패턴에 반영하고,
    상기 강화 학습은
    상기 프라이버시 제어 선택에 따른 효용을 최대화하도록 학습하는 것이고,
    상기 효용은
    상기 프라이버시 제어 선택을 상기 추천 프라이버시 제어와 비교하여 산출되는 정확도에 상응하는 값인 것을 특징으로 하는, 프라이버시 제어 추천 장치.
  2. 청구항 1에 있어서,
    상기 제반 정보는
    상황 정보 및 상기 어플리케이션의 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 장치.
  3. 청구항 2에 있어서,
    상기 상황 정보는
    상기 개인정보 요청에 상응하는 시간 정보, 장소 정보 및 사용자 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 장치.
  4. 청구항 3에 있어서,
    상기 프라이버시 제어 추천부는
    상기 제반 정보의 근접도 산정을 통해, 상기 프라이버시 제어 패턴에서 상기 제반 정보에 가장 근접한 상황을 선정하여 상기 추천 프라이버시 제어를 선택하는 것인, 프라이버시 제어 추천 장치.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 청구항 4에 있어서,
    상기 프라이버시 제어 패턴 업데이트부는
    강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정하는 것인, 프라이버시 제어 추천 장치.
  9. 청구항 8에 있어서,
    상기 프라이버시 제어 패턴 업데이트부는
    상기 프라이버시 제어 선택이 상기 추천 프라이버시 제어가 아닌 경우에 상기 프라이버시 제어 패턴을 업데이트하는 것인, 프라이버시 제어 추천 장치.
  10. 청구항 9에 있어서,
    상기 인터페이스부는
    상기 사용자에게 상기 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공하는 것인, 프라이버시 제어 추천 장치.
  11. 어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 단계;
    상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 단계;
    상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 단계;
    상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 단계; 및
    상기 프라이버시 제어 선택을 이용하여 상기 프라이버시 제어 패턴을 업데이트하는 단계
    를 포함하고,
    상기 프라이버시 제어 패턴을 업데이트하는 단계는
    강화 학습(Reinforcement Learning)을 통하여 상기 프라이버시 제어 선택을 상기 프라이버시 제어 패턴에 반영하고,
    상기 강화 학습은
    상기 프라이버시 제어 선택에 따른 효용을 최대화하도록 학습하는 것이고,
    상기 효용은
    상기 프라이버시 제어 선택을 상기 추천 프라이버시 제어와 비교하여 산출되는 정확도에 상응하는 값인 것을 특징으로 하는, 프라이버시 제어 추천 방법.
  12. 청구항 11에 있어서,
    상기 제반 정보는
    상황 정보 및 상기 어플리케이션의 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 방법.
  13. 청구항 12에 있어서,
    상기 상황 정보는
    상기 개인정보 요청에 상응하는 시간 정보, 장소 정보 및 사용자 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 방법.
  14. 청구항 13에 있어서,
    상기 추천 프라이버시 제어를 선택하는 단계는
    상기 제반 정보의 근접도 산정을 통해, 상기 프라이버시 제어 패턴에서 상기 제반 정보에 가장 근접한 상황을 선정하여 상기 추천 프라이버시 제어를 선택하는 것인, 프라이버시 제어 추천 방법.
  15. 삭제
  16. 삭제
  17. 삭제
  18. 청구항 14에 있어서,
    상기 프라이버시 제어 패턴을 업데이트하는 단계는
    강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정하는 것인, 프라이버시 제어 추천 방법.
  19. 청구항 18에 있어서,
    상기 프라이버시 제어 패턴을 업데이트하는 단계는
    상기 프라이버시 제어 선택이 상기 추천 프라이버시 제어가 아닌 경우에 상기 프라이버시 제어 패턴을 업데이트하는 것인, 프라이버시 제어 추천 방법.
  20. 청구항 19에 있어서,
    상기 인터페이스를 제공하는 단계는
    상기 사용자에게 상기 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공하는 것인, 프라이버시 제어 추천 방법.
KR1020170117220A 2017-09-13 2017-09-13 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법 KR102282023B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170117220A KR102282023B1 (ko) 2017-09-13 2017-09-13 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법
US16/057,066 US20190080113A1 (en) 2017-09-13 2018-08-07 Apparatus for recommending user's privacy control and method for the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170117220A KR102282023B1 (ko) 2017-09-13 2017-09-13 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20190030023A KR20190030023A (ko) 2019-03-21
KR102282023B1 true KR102282023B1 (ko) 2021-07-28

Family

ID=65631788

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170117220A KR102282023B1 (ko) 2017-09-13 2017-09-13 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법

Country Status (2)

Country Link
US (1) US20190080113A1 (ko)
KR (1) KR102282023B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7070276B2 (ja) * 2018-09-20 2022-05-18 日本電信電話株式会社 個人情報保護装置、個人情報保護方法及びプログラム
US10754642B2 (en) * 2018-11-02 2020-08-25 International Business Machines Corporation Search with context in a software development environment
KR20200099906A (ko) * 2019-02-15 2020-08-25 현대자동차주식회사 차량 데이터 수집 방법 및 장치
CN110046746B (zh) * 2019-03-18 2021-09-10 北京牡丹电子集团有限责任公司数字电视技术中心 一种基于强化学习的网络舆情装置的调度方法
JP7190459B2 (ja) * 2020-01-16 2022-12-15 株式会社Ｋｄｄｉ総合研究所 情報提供制御装置及びコンピュータプログラム
KR102615244B1 (ko) * 2020-04-07 2023-12-19 한국전자통신연구원 사용자의 프라이버시 제어 추천 장치 및 방법

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013056407A1 (en) * 2011-10-17 2013-04-25 Nokia Corporation An automatic approach for the personalized privacy recommendation related to the location
US10261672B1 (en) * 2014-09-16 2019-04-16 Amazon Technologies, Inc. Contextual launch interfaces
US20160205136A1 (en) * 2015-01-13 2016-07-14 Didean Systems, Inc. Data collection
US10127403B2 (en) * 2015-07-30 2018-11-13 Samsung Electronics Co., Ltd. Computing system with privacy control mechanism and method of operation thereof
KR101590626B1 (ko) 2015-08-12 2016-02-01 이선희 통신 단말기의 사용자 프라이버시 정보 제어방법 및 그 장치
KR20170102635A (ko) * 2016-03-02 2017-09-12 한국전자통신연구원 어플리케이션 사용패턴을 고려한 프라이버시 보호 방법 및 장치
US10956586B2 (en) * 2016-07-22 2021-03-23 Carnegie Mellon University Personalized privacy assistant
US10885219B2 (en) * 2017-02-13 2021-01-05 Microsoft Technology Licensing, Llc Privacy control operation modes

Also Published As

Publication number Publication date
US20190080113A1 (en) 2019-03-14
KR20190030023A (ko) 2019-03-21

Similar Documents

Publication Publication Date Title
KR102282023B1 (ko) 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법
US20220027919A1 (en) Real-time selection of authentication procedures based on risk assessment
KR101227707B1 (ko) 콘텍스트 정보 이용 제어 방법, 머신 판독가능한 매체 및 모바일 컴퓨팅 디바이스
US20200265105A1 (en) Method and apparatus for displaying page to user through reinforcement learning
US10474329B2 (en) Selective generation and display of interfaces of a website or program
US20190197475A1 (en) Logistics management platform for modifying schedules in real-time
US10380590B2 (en) Transaction authentication based on metadata
WO2016110234A1 (zh) 面向云平台应用的服务推荐方法、设备及系统
US9081986B2 (en) Method and apparatus for user information exchange
US11868929B2 (en) Optimizing engagement of transportation providers
CN104160440A (zh) 使用基于位置的语言建模的自动输入信号识别
US10317227B2 (en) Routing to locations with multiple entrances
CN111369247A (zh) 跨行交易数据处理方法及装置
US10628508B2 (en) Method and device for providing user-customized information
US20170147164A1 (en) Touch heat map
CN104573127B (zh) 评估数据差异性的方法和系统
CN113111340A (zh) 一种显示登录方式选项的方法、装置、设备和可读介质
JP5420704B2 (ja) 情報処理装置及び方法
CN112749214A (zh) 交互内容展示方式的更新方法、装置、介质及电子设备
EP3002665B1 (en) Communication device crawler
US20200340818A1 (en) Recommendation apparatus and recommendation system
KR102625509B1 (ko) 키오스크 기반의 서비스 제공 방법 및 장치
KR102552292B1 (ko) 사용자 맞춤형 정보를 제공하는 방법 및 장치
US11886853B2 (en) Software widget installation on a client device
KR102307357B1 (ko) 사용자 맞춤형 정보를 제공하는 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant