KR102308511B1 - 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼 및 이의 운용방법 - Google Patents
빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼 및 이의 운용방법 Download PDFInfo
- Publication number
- KR102308511B1 KR102308511B1 KR1020200013118A KR20200013118A KR102308511B1 KR 102308511 B1 KR102308511 B1 KR 102308511B1 KR 1020200013118 A KR1020200013118 A KR 1020200013118A KR 20200013118 A KR20200013118 A KR 20200013118A KR 102308511 B1 KR102308511 B1 KR 102308511B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- user
- personal
- domain
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000010354 integration Effects 0.000 title claims abstract description 29
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000007790 scraping Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 238000013499 data model Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 16
- 230000036541 health Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013503 de-identification Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- 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
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 개시의 일 실시예에 따른 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼에서 사용자 개인에 대한 개인 플랫폼 구축 방법은 사용자 장치로부터 사용자정보 데이터 서버에 접근하는데 필요한 인증정보를 포함하는 신호 및 개인 플랫폼 구축을 요청하는 신호를 수신하는 단계; 상기 인증정보를 이용하여 사용자정보 데이터 서버로부터 사용자에 대한 로우 데이터를 스크래핑하는 단계; 상기 로우 데이터를 비식별화(de-identification)하고 도메인별로 분류하는 단계; 가공된 데이터를 이용하여 개인 데이터 맵을 생성하여 저장하는 단계; 및 상기 생성된 개인 데이터맵을 이용하여 도메인 모델을 갱신하는 단계를 포함할 수 있다. 그 밖의 다양한 실시예가 가능하다.
Description
본 개시는 빅데이터 및 인공지능을 이용한 사용자정보 통합 플랫폼 관한 것이다. 보다 구체적으로, 본 개시는 데이터베이스 별로 산개되어 있는 사용자별 개인 정보를 통합하여 관리할 수 있는 서비스를 제공하는 개인용 플랫폼에 관한 것이다.
여기에서 달리 언급하지 않으면 본 섹션에서 기술되는 내용은 본 출원에서의 청구범위의 선행 기술이 아니며, 본 섹션에 기재하였다는 이유로 선행 기술로 인정되어서는 안 된다.
현재 정부기관에서는 700여개의 각 공공 분야에서 빅데이터를 구축해 제공할 계획을 가지고 있다. 그 예로 국민건강보험공단도 2002년부터 2018년까지 최신연도의 자료를 반영하여 건강검진과 의료이용에 대해 고혈압, 당뇨병, 압 등 주요 만성질환관련 자료의 빅데이터를 제공한다. 이러한 데이터를 수집, 학습, 가공하여 개인 플랫폼의 건강 항목에 제안하고 사용자 본인의 검진결과 또는 가족력의 검진결과를 대입하여 개인 사용자 스스로가 향후 발생 가능한 예상질병의 범위를 예측하여 의사와 협의할 수 있는 데이터의 제공이 가능할 것이다.
이러한 계획이 실현되면 상상을 초월하는 양의 데이터가 공개되거나 공공 또는 사인에 거래될 것이다. 하지만 현재 데이터를 제공하는 플랫폼들은 제공자 중심 또는 연결매체 중심으로 불특정 다수의 많은 사용자가 직접 가입해야만 사용할 수 있다. 하지만 사용자 중심으로 바라볼 때, 사용자 개개인은 필요한 관심분야에 대한 데이터를 제공하는 각각의 플랫폼을 찾아 가입하고 활용해야 하는 번거로움이 있다. 또한 각 데이터를 사용하거나 데이터 사용을 위해 해당 플랫폼에 가입하는 때에 노출되어지는 개인 신상정보에 대한 보안에 대한 우려 또한 존재한다.
4차 산업시대에 이르러 각 산업 단위 별, 그룹별, 회사별로 불특정 다수의 사용자가 필요와 관심을 상호 소통하며 제3자적 관점에서 소비와 지식에 관한 빅데이터를 공유 또는 점유할 필요성이 대두된다. 또한, 앞으로는 인공지능(Artificial Intelligence, AI)을 사용하는 사람과 AI를 사용하지 못하는 사람으로 구분되어지는 시대가 올 것이다. 본 개시는 개인 사용자가 빅데이터를 AI를 활용하여 직접 처리할 수 있는 사용자 정보 통합 시스템 또는 플랫폼을 제공하고자 한다. 사용자 개개인은 본 개시의 시스템 또는 플랫폼을 사용함으로써 개인이 필요로 하는 관리항목을 기반으로 4차 산업 시대의 빅데이터와 AI를 사용할 수 있는 사용자로 거듭날 수 있다.
또한 본 개시의 사용자 정보 통합 관리 시스템은 수없이 생기는 새로운 제도와 서비스 및 이에 따른 생활환경의 변화에 사용자 개개인이 적응할 수 있도록 인공지능을 이용하여 개개인의 데이터를 분류하고 분석할 수 있도록 한다.
또한, 본 개시의 사용자 정보 통합 관리 시스템은 각 콘텐츠를 사용하거나 가입시 노출되어지는 개인 신상 노출문제 등은 심각한 개인보호의 문제점을 해결하기 위하여 블록체인을 이용한 암호화 기술을 제공한다.
이상의 간단한 요약 및 효과에 관한 설명은 단순히 예시적인 것으로서 본 개시에서 의도한 기술적 사항을 제한하기 위한 것이 아니다. 이하의 상세한 설명과 첨부된 도면을 참조함으로써, 전술한 예시적인 실시예들과 기술적 특징들에 더하여, 추가적인 실시예와 기술적 특징들이 이해될 수 있을 것이다.
본 개시의 일 실시예에 따른 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼에서 사용자 개인에 대한 개인 플랫폼 구축 방법은 사용자 장치로부터 사용자정보 데이터 서버에 접근하는데 필요한 인증정보를 포함하는 신호 및 개인 플랫폼 구축을 요청하는 신호를 수신하는 단계; 상기 인증정보를 이용하여 사용자정보 데이터 서버로부터 사용자에 대한 로우 데이터를 스크래핑하는 단계; 상기 로우 데이터를 비식별화(de-identification)하고 도메인별로 분류하는 단계; 가공된 데이터를 이용하여 개인 데이터맵을 생성하여 저장하는 단계; 및 상기 생성된 개인 데이터맵을 이용하여 도메인 모델을 갱신하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르는 개인 플랫폼 구축 방법은 상기 개인 데이터맵의 메타데이터를 암호화하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르는 개인 플랫폼 구축 방법에 있어서, 상기 암호화는 비밀키 암호화, 토큰화(tokenization), 및 해시(hash) 함수 방식 중 적어도 하나를 이용할 수 있다.
본 개시의 일 실시예에 따르는 개인 플랫폼 구축 방법은 사용자 장치로부터 제1 도메인에 대한 유용정보 또는 예측정보의 제공을 요청하는 신호를 수신하는 단계; 사용자 장치에 대응하는 개인 데이터맵을 복호화하는 단계; 상기 제1 도메인에 대한 도메인 모델과 상기 복호화된 개인 데이터맵을 이용하여 상기 유용정보 또는 예측정보를 생성하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르는 개인 플랫폼 구축 방법은 상기 예측정보는 머신 러닝기반의 인공지능이 이용될 수 있다.
본 개시의 일 실시예에 따르는 개인 플랫폼 구축 방법은 사용자 장치로부터 제1 도메인 및 제2 도메인이 융합된 융합 유용정보 또는 융합 예측정보의 제공을 요청하는 신호를 수신하는 단계; 사용자 장치에 대응하는 개인 데이터맵을 복호화하는 단계; 제1 도메인 및 제2 도메인이 융합된 융합 도메인 모델과 상기 복호화된 개인 데이터맵을 이용하여 상기 융합 유용정보 또는 융합 예측정보를 생성하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르는 개인 플랫폼 구축 방법은 상기 융합 도메인 모델이 존재하지 않는 것으로 확인되는 경우, 복수의 다른 개인 데이터맵들로부터 상기 제1 도메인 및 제2 도메인에 대한 데이터를 추출하여 상기 융합 도메인 모델을 생성하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르는 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼에 있어서, 개인의 사용자 대한 복수의 도메인 데이터가 저장된 개인 데이터맵을 저장하는 프로필 서버; 복수의 사용자의 일 도메인 데이터가 취합된 도메인 모델을 저장하는 도메인 모델 서버; 및 복수의 사용자정보 제공서버로부터 제공된 로우 데이터(raw data)를 가공하는 가공 서버를 포함하되, 상기 통합 플랫폼은 사용자 장치로부터 사용자정보 데이터 서버에 접근하는데 필요한 인증정보를 포함하는 신호 및 개인 플랫폼 구축을 요청하는 신호를 수신하면, 상기 인증정보를 이용하여 사용자정보 데이터 서버로부터 사용자에 대한 로우 데이터를 스크래핑하고, 상기 가공 서버는 상기 로우 데이터를 비식별화(de-identification)하고 도메인별로 분류하고, 상기 프로필 서버는 가공된 데이터를 이용하여 개인 데이터 맵을 생성하여 저장하고, 상기 도메인 모델 서버는 상기 생성된 개인 데이터맵을 이용하여 도메인 모델을 갱신하도록 구성될 수 있다.
도 1은 본 개시의 사용자정보 통합 플랫폼이 운영되는 네트워크 환경을 도시한다.
도 2는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼의 구성도이다.
도 3a는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼이 사용자데이터 제공서버로부터 사용자의 데이터를 스크래핑하여 개인 데이터맵을 생성하는 동작을 나타내는 흐름도이며 도 3b는 도 3a에서 설명되는 동작의 개념도이다.
도 4는 본 개시의 일 실시예에 따른 통합 플랫폼의 사용자가 자신에 대해 구축한 개인 플랫폼을 이용하는 일 예를 도시한다.
도 5a는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼(110)에서 사용자가 요청한 복합 유용정보를 생성하는 동작을 나타내는 흐름도이며, 도 5b는 도 5a에서 설명되는 동작의 일부의 개념도이다.
앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참조하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시예만을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다.
도 2는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼의 구성도이다.
도 3a는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼이 사용자데이터 제공서버로부터 사용자의 데이터를 스크래핑하여 개인 데이터맵을 생성하는 동작을 나타내는 흐름도이며 도 3b는 도 3a에서 설명되는 동작의 개념도이다.
도 4는 본 개시의 일 실시예에 따른 통합 플랫폼의 사용자가 자신에 대해 구축한 개인 플랫폼을 이용하는 일 예를 도시한다.
도 5a는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼(110)에서 사용자가 요청한 복합 유용정보를 생성하는 동작을 나타내는 흐름도이며, 도 5b는 도 5a에서 설명되는 동작의 일부의 개념도이다.
앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참조하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시예만을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다.
본 개시에서 사용되는 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시예들을 배제하도록 해석될 수 없다.
앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참고하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시예만을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다.
도 1은 본 개시의 사용자정보 통합 플랫폼이 운영되는 네트워크 환경을 도시한다.
도 1을 참조하면 본 개시의 사용자정보 통합 시스템(100)(이하, 통합 시스템으로 지칭)은 사용자정보 통합 플랫폼(110)(이하, 통합 플랫폼으로 지칭), 사용자 장치(120) 및 복수의 사용자데이터 제공서버(130)를 포함할 수 있다. 통합 시스템(100) 내의 통합 플랫폼(110), 사용자 장치(120) 및 사용자데이터 제공서버(130)는 네트워크를 통해 연결되어 데이터 및 신호의 송수신이 가능할 수 있다.
여기서, 네트워크는 복수의 장치 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것이다. 예를 들어, 네트워크는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다. 또한, 네트워크는, 블루투스(Bluetooth) 네트워크, NFC 네트워크, RFID 네트워크 등을 포함한 근거리, 중거리 및 장거리 네트워크도 포함되나 이에 한정되지는 않는다.
본 개시의 일 실시예에 따른 통합 플랫폼(110)과 연동되어 동작하는 다른 서버(미도시)가 사용자 장치(120) 및 적어도 하나의 사용자데이터 제공서버(130)로 사용자정보 통합 플랫폼을 위한 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 사용자 장치(120)는, 사용자 정보 통합 플랫폼을 위한 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 통합 플랫폼 프로그램이 통합 시스템(100)을 구성하는 장치에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hypertext mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 장치 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.
이 때, 통합 시스템(100) 내의 구성들 간의 네트워크의 연결은, 통합 플랫폼(110), 사용자 장치(120), 사용자정보 제공서버(130)가 상호간 통신을 위해 통신 접점에 통신 객체를 생성하는 것을 의미한다. 즉, 통합 시스템(100) 내의 구성들은 네트워크 내의 통신 객체를 통해 서로 데이터를 교환할 수 있다.
일 실시예에 따른 통합 시스템(100)에서, 통합 플랫폼(110)은 사용자 장치(120)로부터 개인정보를 제공받을 수 있고, 사용자데이터 제공서버(130)로부터 각각이 제공하는 빅데이터를 제공받을 수 있다. 통합 플랫폼(110)은 개인정보를 이용하여 사용자데이터 제공서버(130)로부터 각 개인에 대한 개인데이터를 제공받을 수 있다. 통합 플랫폼(110)은 개인정보 및 개인데이터를 이용하여 사용자별로 분류하여 개인플랫폼을 구축할 수 있다. 통합 플랫폼(110)은 구축한 개인플랫폼은 사용자 장치(120)를 통해 사용자에게 직접 제공될 수 있다.
일 실시예에 따른 통합 플랫폼(110)은 개인데이터 및 빅데이터를 분류, 융합, 분석하여 유용정보를 생성 및 제공할 수 있고, 인공지능(또는 머신 러닝)을 이용하여 예측정보를 생성 및 제공할 수 있다.
일 실시예에 따른 사용자 장치(120)는 사용자가 통합 플랫폼(110)을 이용하는 수단으로서 기능할 수 있다. 예를 들어, 사용자는 통합 플랫폼(110)에서 개인 플랫폼을 구축하기 위해 필요한 개인정보를 사용자 장치(120)를 통해 통합 플랫폼(110)에 제공할 수 있으며, 통합 플랫폼(110)에서 제공하는 유용정보 및 예측정보를 제공받을 수 있다.
사용자 장치(120)는 다양한 형태의 장치가 될 수 있다. 사용자 장치(120)는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 사용자 장치(120)는 전술한 기기들에 한정되지 않는다.
일 실시예에 따른 사용자데이터 제공서버(130)는 각 분야별 빅데이터를 제공하는 서버를 포함할 수 있다. 예를 들어, 사용자데이터 제공서버(130)는 공공 데이터로서, 국민의료정보, 고용보험정보, 기상정보, 부동산거래정보, 일자리종합정보, 법령정보, 국가통계정보, 국민연금정보, 교육행정정보, 통합재정정보, 교통사고정보, 수출입무역통계, 농수축산정보, 수출입무역통계, 지방행정정보, 식의약품정보, 자동차종합정보 등에 대한 빅데이터를 제공하는 서버를 포함할 수 있다. 다른 예를 들어, 사용자데이터 제공서버(130)는 데이터거래소와 같이 가공 또는 분석된 빅데이터를 제공하는 서버를 포함할 수 있다.
즉, 본 개시의 일 실시예에 따른 통합 플랫폼(110)은 복수의 사용자데이터 제공서버(130)에서 제공하는 빅데이터를 통합하고 사용자 개개인별로 플랫폼을 개인플랫폼을 구축하여 사용자가 개인 데이터를 정리하는데 필요한 시간과 비용을 획기적으로 줄이고, 이를 활용할 수 있는 기회를 제공할 수 있다.
도 2는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼(110)의 구성도로서, 이를 참고하여 본 개시의 일 실시예에 따른 통합 플랫폼(110)의 처리 장치 또는 서버의 상세 구성을 설명하면 아래와 같다.
사용자정보 통합 플랫폼(110)은 프로필 서버(210), 도메인 모델 서버(220), 데이터 가공 서버(230), 데이터 분석 서버(240), 인공지능 서버(250) 및 데이터 거래 서버(260)를 포함할 수 있다.
프로필 서버(210)는 사용자 개인별로 특성화된 데이터들을 저장할 수 있으며, 사용자 개인별로 분류된 데이터는 개인 데이터맵(211)으로 지칭할 수 있다. 개인 데이터맵(211)은 사용자 개인에 대한 다양한 분야의 데이터들의 집합데이터일 수 있다. 개인 데이터맵(211)은 통합 플랫폼(110)이 사용자데이터 제공서버(130)로부터 스크래핑(scraping) 또는 제공받은 특정 사용자에 대한 데이터를 통합하여 구축한 데이터모델 일 수 있다. 여기에서 스크래핑이란 사용자가 자신의 인증정보를 한번만 제공해도, 금융기관, 공공기관 등의 데이터 시스템, 즉 사용자데이터 제공서버(130)에 접속하여 여러 곳에 흩어져 있는 사용자의 정보를 모아 가공하는 기술을 의미한다. 예를 들어 통합 플랫폼(110)은 특정 사용자에 대한 카드사 또는 은행과 같은 금융기관(또는 이의 데이터 서버)로부터 금융 데이터(finance data, F)를 획득하고, 공공데이터로서 통합재정정보, 국민의료정보, 부동산 거래정보 및 교육행정정보를 획득하여, 자산 데이터(asset data, A), 건강 데이터(health data, H), 교육(education data, E)과 같은 도메인(분야)별로 카테고리화 하여 데이터모델을 구축할 수 있다. 이러한 개인 데이터맵(211)은 블록체인과 같은 암호화를 통하여 보안될 수 있다. 이에 대한 구체적인 내용은 후술하기로 한다.
도메인 모델 서버(220)는 사용자데이터 제공서버(130)로부터 제공받은 빅데이터를 도메인 별로 분류된 데이터모델을 저장할 수 있다. 예를 들어, 도메인 모델 서버(220)는 교육에 관한 데이터 모델(221), 금융에 관한 데이터 모델(222), 건강에 관한 데이터 모델(223)을 저장할 수 있다. 또한 도메인 모델 서버(220)는 적어도 둘 이상의 도메인으로 분류된 빅데이터를 융합한 데이터모델을 저장할 수도 있다. 예를 들어, 도메인 모델 서버(220)는 금융과 건강이 융합된 금융-건강 데이터 모델(224)을 저장할 수 있다. 도메인 모델 서버(220)에 저장된 데이터모델은 사용자가 요청한 유용정보를 생산하기 위하여 프로필 서버(210)에 저장된 개인 데이터맵(211)과 비교 및/또는 분석에 사용될 수 있다.
데이터 가공 서버(230)는 사용자데이터 제공서버(130)로부터 제공받은 데이터들을 통합 플랫폼(110)에서 사용될 수 있는 하나의 포맷으로 통일할 수 있다. 예를 들어, 데이터 가공 서버(230)는 데이터를 수집(Collect), 취합(Integrate), 변환(Transform), 정제(Clean), 필터(Filter), 통합(Aggregate), 매쉬업(Mash-up)의 가공 공정을 수행할 수 있다.
데이터 분석 서버(240)는 통합 플랫폼(110) 내의 데이터를 해석(Interpret), 평가(Evaluate), 또는 분석(Analyze)하여 사용자 또는 제3자에게 유용한 데이터로 재생산하거나 유용정보를 생성할 수 있다. 통합 플랫폼(110) 내에 다양한 도메인에 대한 데이터가 통합되어 있기 때문에 적어도 둘 이상의 도메인이 복합된 유용정보가 생성될 수 있다. 예를 들어, 사용자가 자신의 교육 수준 대비, 자산 수준에 대한 분석결과를 요청하는 경우, 데이터 분석 서버(240)는 해당 사용자의 개인 데이터맵과 도메인 모델 서버(220)에 저장된 교육 및 자산 대한 도메인 모델 각각 또는 교육과 자산이 융합된 모델을 비교 분석하여 교육 수준 대비 자산 수준에 대한 분석 결과를 나타내는 유용정보를 생성할 수 있다.
인공지능 서버(250)는 통합 플랫폼(110) 내의 데이터를 이용하여 임의의 주제에 대한 예측정보를 생성할 수 있다. 예를 들어, 사용자가 자신의 예상질병에 대한 예측 결과를 요청하는 경우, 인공지능 서버(250)는 해당 사용자의 개인 데이터맵과 도메인 모델 서버(220)에 저장된 건강에 대한 도메인 모델을 수집, 학습, 가공하여 해당 사용자에 대한 예상 질병의 범위가 예측되는 예측정보를 생성할 수 있다.
데이터 거래 서버(260)는 통합 플랫폼(110)에서 생산, 가공 또는 재생산된 데이터에 대한 거래를 처리할 수 있다. 통합 플랫폼(110) 내의 데이터는 원본 데이터(raw data) 그 자체로도 상품가치를 가질 수 있고, 각각의 가공 또는 재생산 공정을 거치면서 가치가 달라질 수 있다. 이를 위하여 데이터 거래 서버(260)는 통합 플랫폼(110) 내의 데이터를 가치 판단 알고리즘에 기초하여 상품 가치 판단을 할 수 있다. 이때, 데이터 거래 서버(260)는 통합 플랫폼(110) 내에서 데이터가 가공될 때 사용된 적어도 하나의 파라미터 중 적어도 하나에 가중치를 부여하여 데이터에 대한 가치 판단을 할 수 있다. 데이터 거래 서버(260)는 판단된 가치에 기초하여 데이터 거래를 중개할 수 있고 거래를 중개한 후, 구매자와 정보를 포함한 거래 히스토리를 빅데이터로서 또한 수집할 수 있다.
도 3a은 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼(110)이 사용자데이터 제공서버(130)로부터 사용자의 데이터를 스크래핑하여 개인 데이터맵을 생성하는 동작을 나타내는 흐름도이며, 도 3b는 도 3a에서 설명되는 동작의 개념도이다.
먼저, 통합 플랫폼(110)은 특정 사용자로부터 개인 플랫폼 구축을 요청하는 메시지와 특정 사용자의 데이터를 스크래핑하는데 필요한 인증정보를 수신할 수 있다(단계 301). 상기 메시지 및 인증정보는 사용자 장치(120)로부터 수신될 수 있다. 여기에서 개인 플랫폼 구축을 요청하는 메시지는 특정 사용자에 대한 개인 데이터맵(예: 도 2의 211)을 생성을 요청하는 것과 같을 수 있다. 인증정보는 통합 플랫폼(110)이 특정 사용자에 대한 데이터를 제공해줄 사용자정보 제공서버(130)에 접속(또는 로그인)하는 데 필요한 정보를 포함할 수 있다. 예를 들어, 인증정보는 아이디, 비밀번호, 또는 공인 인증서 및 인증서 비밀번호 등을 포함할 수 있다.
그 다음, 통합 플랫폼(110)은 사용자로부터 사용자정보 제공서버(130)에 접속하여 해당 사용자에 대한 데이터를 스크래핑 할 수 있다(단계 303). 스크래핑 된 데이터는 통합 플랫폼(110)에 의해 가공될 수 있다. 이러한 가공 공정은 통합 플랫폼(110) 내의 데이터 가공 서버(130)에 의해 처리될 수 있으며, 가공 공정은 비식별화 및 분류 공정을 포함할 수 있다(단계 305).
비식별화란 데이터 내에서 특정 사용자를 식별할 수 없도록 개인식별요소의 일부 또는 전부를 변환하는 일련의 과정 또는 방법을 말할 수 있다. 개인식별요소로는 이름, 주소, 주민등록번호, 생년월일, 전화번호, 이메일 주소, 의료기록번호 등 그 자체로 특정 사용자를 직접 식별할 수 있는 식별자(identifier)와 연령, 성별, 거주지역, 국적, SNS아이디와 같이 다른 정보와 결합하여 특정 사용자를 식별할 수 있는 준식별자(quasi-identifier)를 포함할 수 있다.
분류 공정이란, 통합 플랫폼(110)에서 미리 지정한 분류체계에 따라 도메인별로 데이터를 분류하는 공정일 수 있다. 예를 들어, 일 실시예에 따른 통합 플랫폼(110)은 데이터를 건강(health, H), 금융(Finance, F) 및 교육(Education)과 같은 도메인으로 분류하는 체계를 가질 수 있다. 도메인의 수와 종류는 이에 한정되지 않는 것은 자명하다.
그 다음, 통합 플랫폼(110)은 가공된 특정 사용자에 대한 데이터를 하나의 개인 데이터맵을 생성할 수 있다(단계 307). 또한 통합 플랫폼(110)은 생성한 개인 데이터맵이 특정 사용자의 것이라는 사실을 나타내는 메타데이터를 암호화할 수 있다(단계 309). 이를 암호화하는 방법은 비밀키 암호화, 토큰화(tokenization), 해시(hash) 함수 등의 방식이 적용될 수 있다. 메타데이터는 프로필 서버(210)에서 개인 데이터맵이 저장되어 있는 위치정보를 포함할 수 있다. 암호화된 메타데이터의 복호화는 대상 사용자만이 가능하게 구성될 수 있다. 프로필 서버(210)에 저장된 개인 데이터맵은 대상 사용자만이 열람할 수 있다.
그 다음, 일부 실시예에서, 통합 플랫폼(110)은 새로 생성된 개인 데이터맵을 이용하여 데이터 도메인 서버(220)에 저장된 특정 도메인에 관한 도메인 모델을 갱신할 수 있다(단계 311). 예를 들어, 새로 생성된 개인 데이터맵에서 건강(health)에 관한 도메인의 데이터를 추출하여 건강에 관한 도메인 모델(예: 도 2의 223)을 갱신할 수 있다. 일부 실시예에서 이러한 도메인 모델을 갱신하는 동작은 특정 사용자에 대한 스크래핑후에 데이터를 도메인 별로 분류할 때 이뤄질 수도 있다.
프로필 서버(210)에 저장된 개인 데이터맵 각각은 개인을 특정할 수 있는 개인정보를 포함하지 않거나 비식별화되어 있으므로, 개인 데이터맵 만으로는 해당 개인 데이터맵의 대상 사용자가 누구인지 특정할 수 없다. 따라서 프로필 서버(210)에 저장되어 있는 개인 데이터맵이 유출되더라도 해당하는 개인이 특정될 수 없으므로 개인 정보의 누출 위험성이 적다. 또한, 프로필 서버(210)에 저장되어 있는 개인 데이터맵은 다른 사용자가 자신의 개인 데이터맵을 통해 유용정보나 예측정보를 얻고자 하는 경우에도 자유롭게 이용될 수 있다. 즉 본 개시의 일 실시예에 따른 통합 플랫폼(110)에서는 개인 정보 유출의 위험성은 줄이되, 개인 데이터맵별 또는 데이터 모델 간의 비교 분석을 통해 얻고자 하는 유용정보 또는 예측정보의 생성이 가능한 데이터베이스 플랫폼을 구축할 수 있다.
도 4는 본 개시의 일 실시예에 따른 통합 플랫폼의 사용자가 자신에 대해 구축한 개인 플랫폼을 이용하는 일 예를 도시한다. 도 4에 도시된 예시에서는 사용자가 자신의 디바이스를 이용하여 확인할 수 있는 개인 플랫폼의 GUI(graphic user interface)(400)이다. 사용자는 통합 플랫폼(110)이 제공하는 프론트엔드에서 통합 플랫폼(110)에 로그인하고 자신의 개인 데이터맵에 접근할 수 있는 메타데이터를 복호화하여 자신의 개인 데이터맵을 불러올 수 있다. 통합 플랫폼(110)으로부터 불러온 자신의 개인 데이터맵은 사용자의 사용자 장치(120)에서 가공되어 사용자 장치(120)에 설치된 어플리케이션을 통해 GUI(400)와 같이 사용자에게 제공될 수 있다. 일부 실시예에서 개인 데이터맵은 통합 플랫폼(110)에서 가공될 수도 있다.
일 실시예에 따르면 사용자는 GUI(400) 상에 임의의 도메인을 선택함으로써 해당 도메인에 대한 정보를 확인할 수 있다. 예를 들어 사용자는 은행(금융) 도메인에 대한 아이콘(401)을 선택하고 금융 도메인에 대한 유용정보 또는 예측정보를 확인할 수 있다.
유용정보의 일 예로서 통합 플랫폼(110)은 은행 사용자의 금융건전성을 해당 사용자의 금융 도메인에 대한 데이터와 다른 사용자의 개인 데이터맵의 금융 도메인에 대한 데이터들 또는, 데이터 도메인 모델 서버(220)에 저장된 금융에 대한 데이터 모델(222)과의 비교를 통해 사용자에게 제공할 수 있으며, 이러한 유용정보의 생성은 분석 서버(240)에서 이뤄질 수 있다.
예측정보의 일 예로서, 통합 플랫폼(110)은 사용자의 현재 금융 수준에서 자산규모를 확장하기 위해 취할 수 있는 전략을 추천할 수 있다. 이러한 전략은 해당 사용자의 금융 도메인에 대한 데이터와 다른 사용자의 개인 데이터맵의 금융 도메인에 대한 데이터들 또는, 데이터 도메인 모델 서버(220)에 저장된 금융에 대한 데이터 모델(222)과의 비교를 통해 추론될 수 있으며, 예측 정보의 생성은 인공지능 서버(250)에서 이뤄질 수 있다.
도 5는 본 개시의 일 실시예에 따른 사용자정보 통합 플랫폼(110)에서 사용자가 요청한 복합 유용정보를 생성하는 동작을 나타내는 흐름도 및 개념도이다.
먼저, 도 5a를 참조하면, 통합 플랫폼(110)은 사용자 장치(120)로부터 적어도 둘 이상의 복합적인 도메인의 정보의 분석이 필요한 복합 유용정보를 요청하는 신호를 수신할 수 있다(단계 501). 복합 유용정보의 일 예로서 사용자가 자신의 금융 수준 및 건강 상태에 기초한 최적의 보험설계 및 건강검진의 추천을 포함할 수 있다. 이러한 복합 유용정보를 생성하기 위해서는 복수의 도메인이 융합된 도메인 모델(예: 건강 도메인과 금융 도메인이 융합된 건강-금융 도메인(224))이 필요할 수 있다. 복합 유용정보를 요청하는 신호는 사용자가 사용자 장치(120)에 표시된 GUI(400) 상에서 복합 유용정보를 나타내는 아이콘(예: 도 4의 402)를 선택함으로써 야기될 수 있다.
통합 플랫폼(110)은 데이터 도메인 모델 서버(220)에 미리 구축된 도메인 모델중에서 필요한 복합 데이터 모델이 있는지 확인할 수 있다. 통합 플랫폼(110)은 미리 구축된 복합 데이터 모델이 있는 경우 바로 해당 복합 데이터 모델과 사용자의 개인 데이터맵을 분석할 수 있다(단계 507). 통합 플랫폼(110)은 분석결과를 이용하여 사용자가 요청한 복합 유용정보를 생성할 수 있다(단계 509)
하지만, 통합 플랫폼(110)은 미리 구축된 복합 데이터 모델이 없다고 판단하는 경우, 복합 데이터 모델을 생성하는 단계로 이어질 수 있다(단계 505). 복합 데이터 모델은 개인 데이터맵으로부터 필요한 적어도 둘 이상의 도메인에 대한 데이터를 추출하고 집합함으로서 구축될 수 있다. 도 5b는 복수의 개인 데이터 맵을 이용하여 융합 도메인 모델을 생성하는 단계 505를 개념적으로 나타낸다. 데이터 모델 서버(220)에 저장된 각각의 데이터 모델을 통합하여 생성할 수 없는 이유는, 각 데이터 모델의 데이터는 개인을 식별할 수 있는 정보가 없기 때문에, 서로 연관성을 가지고 융합될 수 없기 때문이다. 또한, 도 5에서 설명된 복합 유용정보를 제공하는 과정으로부터 통상의 기술자가 복합 예측정보를 생성할 수 있음은 자명하다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수도 있다.
이상, 본 개시에서 청구하고자 하는 대상에 대해 구체적으로 살펴보았다. 본 개시에서 청구된 대상은 앞서 기술한 특정 구현예로 그 범위가 제한되지 않는다. 예컨대, 어떤 구현예에서는 장치 또는 장치의 조합 상에서 동작 가능하게 사용되는 하드웨어의 형태일 수 있으며, 다른 구현예에서는 소프트웨어 및/또는 펌웨어의 형태로 구현될 수 있고, 또 다른 구현예에서는 신호 베어링 매체, 저장 매체와 같은 하나 이상의 물품을 포함할 수 있다. 여기서, CD-ROM, 컴퓨터 디스크, 플래시 메모리 등과 같은 저장 매체는, 예컨대 컴퓨팅 시스템, 컴퓨팅 플랫폼 또는 기타 시스템과 같은 컴퓨팅 장치에 의하여 실행될 때 앞서 설명한 구현예에 따라 해당 프로세서의 실행을 야기시킬 수 있는 명령을 저장할 수 있다. 이러한 컴퓨팅 장치는 하나 이상의 처리 유닛 또는 프로세서, 디스플레이, 키보드 및/또는 마우스와 같은 하나 이상의 입/출력 장치, 및 정적 랜덤 액세스 메모리, 동적 랜덤 액세스 메모리, 플래시 메모리 및/또는 하드 드라이브와 같은 하나 이상의 메모리를 포함할 수 있다.
한편, 시스템을 하드웨어로 구현할 것인지 아니면 소프트웨어로 구현할 것인지는, 일반적으로 비용 대비 효율의 트레이드오프를 나타내는 설계상 선택 문제이다. 본 개시에서는 프로세스, 시스템, 기타 다른 기술들의 영향을 받을 수 있는 다양한 수단(예를 들어, 하드웨어, 소프트웨어 및/또는 펌웨어)이 있으며, 선호되는 수단은 프로세스 및/또는 시스템 및/또는 다른 기술이 사용되는 맥락(context)에 따라 변경될 것이다. 예를 들어, 구현자가 속도 및 정확성이 가장 중요하다고 결정한다면, 구현자는 주로 하드웨어 및/또는 펌웨어 수단을 선택할 수 있으며, 유연성이 가장 중요하다면, 구현자는 주로 소프트웨어 구현을 선택할 수 있으며; 또는, 다른 대안으로서, 구현자는 하드웨어, 소프트웨어 및/또는 펌웨어의 어떤 결합을 선택할 수 있다.
전술한 상세한 설명에서는 블록도, 흐름도 및/또는 기타 예시를 통해 장치 및/또는 프로세스의 다양한 실시예를 설명하였다. 그러한 블록도, 흐름도, 및/또는 기타 예시는 하나 이상의 기능 및/또는 동작을 포함하게 되며, 당업자라면 블록도, 흐름도 및/또는 기타 예시 내의 각각의 기능 및/또는 동작이 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합에 의해 개별적으로 혹은 집합적으로 구현될 수 있다는 점을 이해할 수 있을 것이다. 일 실시예에서, 본 개시에 기재된 대상의 몇몇 부분은 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array), DSP(Digital Signal Processor) 또는 다른 집적의 형태를 통해 구현될 수 있다. 이와 달리, 본 개시의 실시예의 일부 양상은 하나 이상의 컴퓨터 상에 실행되는 하나 이상의 컴퓨터 프로그램(예를 들어, 하나 이상의 컴퓨터 시스템 상에 실행되는 하나 이상의 프로그램), 하나 이상의 프로세서 상에서 실행되는 하나 이상의 프로그램(예를 들어, 하나 이상의 마이크로프로세서 상에서 실행되는 하나 이상의 프로그램), 펌웨어 또는 이들의 실질적으로 임의의 조합으로써 전체적으로 또는 부분적으로 균등하게 집적 회로에서 구현될 수도 있으며, 소프트웨어 및/또는 펌웨어를 위한 코드의 작성 및/또는 회로의 설계는 본 개시에 비추어 당업자의 기술 범위 내에 속하는 것이다. 또한, 당업자라면, 본 개시의 대상의 매커니즘들이 다양한 형태의 프로그램 제품으로 분배될 수 있음을 이해할 것이며, 본 개시의 대상의 예시는 분배를 실제로 수행하는데 사용되는 신호 베어링 매체의 특정 유형과 무관하게 적용됨을 이해할 것이다.
특정 예시적 기법이 다양한 방법 및 시스템을 이용하여 여기에서 기술되고 도시되었으나, 당업자라면, 청구된 대상에서 벗어남이 없이, 다양한 기타의 수정 또는 등가물로의 치환 가능성을 이해할 수 있다. 추가적으로, 여기에 기술된 중심 개념으로부터 벗어남이 없이 특정 상황을 청구된 대상의 교시로 적응시키도록 많은 수정이 이루어질 수 있다. 따라서, 청구된 대상이 개시된 특정 예시로 제한되지 않으나, 그러한 청구된 대상은 또한 첨부된 청구범위 및 그 균등의 범위 내에 들어가는 모든 구현예를 포함할 수 있음이 의도된다.
본 개시 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 본 개시 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다. 나아가, 본 개시 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 본 개시에서 사용되는 정도의 용어 "약," "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본원의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다.
본 개시의 범위는 전술한 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위, 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
Claims (7)
- 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼에서 사용자 개인에 대한 개인 플랫폼 구축 방법에 있어서,
사용자 장치로부터 사용자정보 데이터 서버에 접근하는데 필요한 인증정보를 포함하는 신호 및 개인 플랫폼 구축을 요청하는 신호를 수신하는 단계;
상기 인증정보를 이용하여 사용자정보 데이터 서버로부터 사용자에 대한 로우 데이터를 스크래핑하는 단계;
상기 로우 데이터를 비식별화(de-identification)하고 도메인별로 분류하는 단계;
가공된 데이터를 이용하여 개인 데이터 맵을 생성하여 저장하는 단계; 및
상기 생성된 개인 데이터맵을 이용하여 도메인 모델을 갱신하는 단계를 포함하는
개인 플랫폼 구축 방법. - 제1항에 있어서,
상기 개인 데이터맵의 메타데이터를 암호화하는 단계를 더 포함하며,
상기 암호화는 비밀키 암호화, 토큰화(tokenization), 및 해시(hash) 함수 방식 중 적어도 하나를 이용하는
개인 플랫폼 구축 방법. - 제1항에 있어서,
사용자 장치로부터 제1 도메인에 대한 유용정보 또는 예측정보의 제공을 요청하는 신호를 수신하는 단계;
사용자 장치에 대응하는 개인 데이터맵을 복호화하는 단계; 및
상기 제1 도메인에 대한 도메인 모델과 상기 복호화된 개인 데이터맵을 이용하여 상기 유용정보 또는 예측정보를 생성하는 단계를 더 포함하는
개인 플랫폼 구축 방법. - 제3항에 있어서,
상기 예측정보는 머신 러닝기반의 인공지능이 이용되는
개인 플랫폼 구축 방법. - 제1항에 있어서,
사용자 장치로부터 제1 도메인 및 제2 도메인이 융합된 융합 유용정보 또는 융합 예측정보의 제공을 요청하는 신호를 수신하는 단계;
사용자 장치에 대응하는 개인 데이터맵을 복호화하는 단계; 및
제1 도메인 및 제2 도메인이 융합된 융합 도메인 모델과 상기 복호화된 개인 데이터맵을 이용하여 상기 융합 유용정보 또는 융합 예측정보를 생성하는 단계를 더 포함하는
개인 플랫폼 구축 방법. - 제5항에 있어서,
상기 융합 도메인 모델이 존재하지 않는 것으로 확인되는 경우, 복수의 다른 개인 데이터맵들로부터 상기 제1 도메인 및 제2 도메인에 대한 데이터를 추출하여 상기 융합 도메인 모델을 생성하는 단계를 더 포함하는
개인 플랫폼 구축 방법 - 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼을 위한 시스템에 있어서,
개인의 사용자 대한 복수의 도메인 데이터가 저장된 개인 데이터맵을 저장하는 프로필 서버;
복수의 사용자의 일 도메인 데이터가 취합된 도메인 모델을 저장하는 도메인 모델 서버; 및
복수의 사용자정보 제공서버로부터 제공된 로우 데이터(raw data)를 가공하는 가공 서버를 포함하되,
상기 통합 플랫폼을 위한 시스템은 사용자 장치로부터 사용자정보 데이터 서버에 접근하는데 필요한 인증정보를 포함하는 신호 및 개인 플랫폼 구축을 요청하는 신호를 수신하면, 상기 인증정보를 이용하여 사용자정보 데이터 서버로부터 사용자에 대한 로우 데이터를 스크래핑하고,
상기 가공 서버는 상기 로우 데이터를 비식별화(de-identification)하고 도메인별로 분류하고,
상기 프로필 서버는 가공된 데이터를 이용하여 개인 데이터 맵을 생성하여 저장하고, 그리고
상기 도메인 모델 서버는 상기 생성된 개인 데이터맵을 이용하여 도메인 모델을 갱신하도록 구성된
통합 플랫폼을 위한 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200013118A KR102308511B1 (ko) | 2020-02-04 | 2020-02-04 | 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼 및 이의 운용방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200013118A KR102308511B1 (ko) | 2020-02-04 | 2020-02-04 | 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼 및 이의 운용방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210099360A KR20210099360A (ko) | 2021-08-12 |
| KR102308511B1 true KR102308511B1 (ko) | 2021-10-06 |
Family
ID=77314704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200013118A KR102308511B1 (ko) | 2020-02-04 | 2020-02-04 | 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼 및 이의 운용방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102308511B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240059370A (ko) * | 2022-10-27 | 2024-05-07 | 국립암센터 | 의료기관 간의 연합 학습 시스템 및 방법, 이를 포함하는 질환 예후 예측시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101982085B1 (ko) | 2018-04-25 | 2019-05-27 | 주식회사쿠콘 | 스크립트 엔진을 이용한 데이터 스크래핑 시스템, 방법 및 컴퓨터 프로그램 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10482254B2 (en) * | 2010-07-14 | 2019-11-19 | Intel Corporation | Domain-authenticated control of platform resources |
| KR102340474B1 (ko) * | 2018-04-25 | 2021-12-20 | 주식회사쿠콘 | 스크립트 엔진을 이용한 데이터 스크래핑 시스템, 방법 및 컴퓨터 프로그램 |
-
2020
- 2020-02-04 KR KR1020200013118A patent/KR102308511B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101982085B1 (ko) | 2018-04-25 | 2019-05-27 | 주식회사쿠콘 | 스크립트 엔진을 이용한 데이터 스크래핑 시스템, 방법 및 컴퓨터 프로그램 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210099360A (ko) | 2021-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11030341B2 (en) | Systems and methods for enforcing privacy-respectful, trusted communications | |
| Sarkar | Big data for secure healthcare system: a conceptual design | |
| Anagnostopoulos et al. | Handling big data: research challenges and future directions | |
| Lo et al. | Toward trustworthy ai: Blockchain-based architecture design for accountability and fairness of federated learning systems | |
| D'Acquisto et al. | Privacy by design in big data: an overview of privacy enhancing technologies in the era of big data analytics | |
| US10043035B2 (en) | Systems and methods for enhancing data protection by anonosizing structured and unstructured data and incorporating machine learning and artificial intelligence in classical and quantum computing environments | |
| US20150149362A1 (en) | Encryption and Distribution of Health-related Data | |
| US20150161413A1 (en) | Encryption and distribution of health-related data | |
| CA3104119A1 (en) | Systems and methods for enforcing privacy-respectful, trusted communications | |
| Lo et al. | Blockchain-based trustworthy federated learning architecture | |
| Kohlmayer et al. | Pseudonymization for research data collection: is the juice worth the squeeze? | |
| Chaudhuri et al. | The proactive and preventive privacy (3P) framework for IoT privacy by design | |
| Gajmal et al. | Privacy and utility-assisted data protection strategy for secure data sharing and retrieval in cloud system | |
| Mantey et al. | Maintaining privacy for a recommender system diagnosis using blockchain and deep learning. | |
| Chang et al. | Low parasite connectivity among three malaria hotspots in Thailand | |
| Tazi et al. | Sok: Evaluating privacy and security vulnerabilities of patients’ data in healthcare | |
| Hiwale et al. | Using blockchain and distributed machine learning to manage decentralized but trustworthy disease data | |
| KR102308511B1 (ko) | 빅데이터 및 인공지능을 이용한 사용자 정보 통합 플랫폼 및 이의 운용방법 | |
| Sampaio et al. | Collecting, processing and secondary using personal and (pseudo) anonymized data in smart cities | |
| Vatambeti et al. | Securing the medical data using enhanced privacy preserving based blockchain technology in Internet of Things | |
| Zeng et al. | Infectious diseaxe informatics and outbreak detection | |
| Gkoulalas-Divanis et al. | Introduction to medical data privacy | |
| Ahmad Naqishbandi et al. | Secure blockchain-based mental healthcare framework:—a paradigm shift from traditional to advanced analytics | |
| Kim et al. | Privacy care architecture in wireless sensor networks | |
| Oyomno et al. | Privacy implications of context-aware services |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |