KR102615244B1 - 사용자의 프라이버시 제어 추천 장치 및 방법 - Google Patents

사용자의 프라이버시 제어 추천 장치 및 방법 Download PDF

Info

Publication number
KR102615244B1
KR102615244B1 KR1020200041915A KR20200041915A KR102615244B1 KR 102615244 B1 KR102615244 B1 KR 102615244B1 KR 1020200041915 A KR1020200041915 A KR 1020200041915A KR 20200041915 A KR20200041915 A KR 20200041915A KR 102615244 B1 KR102615244 B1 KR 102615244B1
Authority
KR
South Korea
Prior art keywords
privacy control
user
personal information
privacy
public
Prior art date
Application number
KR1020200041915A
Other languages
English (en)
Other versions
KR20210124632A (ko
Inventor
김승현
김석현
김수형
김영삼
노종혁
조관태
조상래
조영섭
조진만
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 KR1020200041915A priority Critical patent/KR102615244B1/ko
Priority to US17/224,578 priority patent/US11775674B2/en
Publication of KR20210124632A publication Critical patent/KR20210124632A/ko
Application granted granted Critical
Publication of KR102615244B1 publication Critical patent/KR102615244B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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
    • G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
    • 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
    • G06F21/604—Tools and structures for managing or administering access control systems
    • 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
    • G06F21/6263—Protecting personal data, e.g. for financial or medical purposes during internet communication, e.g. revealing personal data from cookies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/102—Entity profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/105—Multiple levels of security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
    • H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/42—Anonymization, e.g. involving pseudonyms

Landscapes

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

Abstract

프라이버시 제어 추천 장치 및 방법을 개시한다. 실시예에 따른 프라이버시 제어 서버는, 복수의 사용자들의 개인 정보 제공 이력으로 학습된 복수의 공용 프라이버시 제어 추천 모델들, 복수의 공용 프라이버시 제어 추천 모델들을 기반으로 적어도 하나의 질의 항목을 생성하고, 적어도 하나의 질의 항목에 대한 사용자 응답 결과를 기반으로 사용자의 프라이버시 제어 성향을 판단하는 사용자 성향 판단부 및 사용자의 프라이버시 제어 성향 판단 결과를 기반으로 공용 프라이버시 제어 추천 모델을 선별하는 해당 사용자에게 제공하는 공용 프라이버시 제어 추천 모델 제공부를 포함한다.

Description

사용자의 프라이버시 제어 추천 장치 및 방법{APPARATUS AND METHOD FOR RECOMMENDING USER'S PRIVACY CONTROL}
본 발명은 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법에 관한 것이다.
온라인 환경에서 사용자의 개인정보는 서버에서 수집되어 관리된다. 서버는 사용자가 제공한 개인정보를 활용하여 사용자에게 개인화된 서비스를 제공한다. 또한 OAuth와 같은 접근제어 프로토콜을 사용하여 타 서버와 사용자 개인정보를 공유함으로써 사용자의 개인정보 관리 부담을 줄일 수 있다.
하지만 서버에 저장된 개인정보가 다양해지고, 서버의 서비스와 타 서버의 개인정보 요청이 빈번해질수록 사용자의 프라이버시 제어도 증가하게 된다. 이 과정에서 사용자는 개인정보 요청 내역에 대해 일일히 확인하여 처리해야 하는 번거로움이 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 제어하는 방안이 요구된다.
그런데, 이러한 사용자에 특화된 프라이버시 제어 추천에 있어서 다음과 같은 문제점이 발생된다.
우선, 최초 가입자에게는 프라이버시 제어 추천하기가 용이하지 않다는 콜드 스타트 문제가 발생된다. 이는 축적된 사용자의 개인 정보 제공 이력을 기반으로 사용자의 성향을 파악하여야 그에 상응하는 프라이버시 제어 추천이 가능한데, 최초 가입자는 이러한 개인 정보 제공 이력이 축적되어 있지 않기 때문이다.
다음으로, 모델 업데이트의 문제인데, 이는 사용자의 실제 이력이 반영되기 위해서는 전체 모델의 업데이트가 필요하고, 제대로 반영되지 않아 추천 서비스의 정확도가 저하되는 문제이다. 일반적으로 추천 모델은 기존 머신러닝 기법을 사용하기 때문에 모델 업데이트를 위해서는 이전 모델 생성에 사용된 모든 데이터를 활용하여 모델을 재학습해야 하기 때문에 막대한 비용과 소요된다는 문제가 있다. 또한 머신러닝 기법은 데이터의 빈도에 따라 응답을 분류하는 추천 모델을 생성하기 때문에, 사용자의 이력이 일정 빈도를 넘기기 전까지는 모델에 반영되지 못한다는 문제가 있다.
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
실시예는 개인 정보 제공 이력의 축적이 충분하지 않은 초기 가입자일지라도 가입자의 프라이버시 제어 성향에 상응하는 프라이버시 제어를 추천하는 것을 목적으로 한다.
실시예는 프라이버시 제어 추천이 사용자에게 최적화될 때까지 요구되는 추천 모델의 학습 및 업데이트 부담을 해결하는 것을 목적으로 한다.
실시예에 따른 프라이버시 제어 서버는, 복수의 사용자들의 개인 정보 제공 이력으로 학습된 복수의 공용 프라이버시 제어 추천 모델들과, 복수의 공용 프라이버시 제어 추천 모델들을 기반으로 적어도 하나의 질의 항목을 생성하고, 적어도 하나의 질의 항목에 대한 사용자 응답 결과를 기반으로 사용자의 프라이버시 제어 성향을 판단하는 사용자 성향 판단부 및 사용자의 프라이버시 제어 성향에 상응하도록 선별된 공용 프라이버시 제어 추천 모델을 해당 사용자에게 제공하는 공용 프라이버시 제어 추천 모델 제공부를 포함할 수 있다.
이때, 질의 항목은, 프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것일 수 있다.
이때, 개인 정보 제공 이력은, 블록체인 네트워크로부터 제공받아 수집된 것일 수 있다.
실시예에 따른 사용자 단말은, 적어도 하나의 질의 항목에 대한 사용자 응답 결과에 따라 판단된 사용자의 프라이버시 제어 성향 결과에 상응하는 공용 프라이버시 제어 추천 모델을 획득하는 공용 프라이버시 제어 추천 모델 획득부 및 서비스 이용을 위해 요청된 개인 정보 요청에 대응하여 구동시킨 공용 프라이버시 제어 추천 모델의 출력으로 프라이버시 제어를 추천하는 프라이버시 제어 추천 생성부를 포함할 수 있다.
이때, 공용 프라이버시 제어 추천 모델 획득부는, 프라이버시 제어 서버로부터 수신된 적어도 하나의 질의 항목을 출력하고, 사용자의 선택 신호를 입력받는 인터페이스를 제공하고, 입력된 사용자의 선택 신호를 프라이버시 제어 서버에 전송할 수 있다.
실시에에 따른 사용자 단말은, 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하고, 입력된 사용자의 프라이버시 제어 선택에 따라 프라이버시 제어 응답하는 개인 정보 요청 처리부 및 사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어가 아닌 경우, 사용자로부터 입력된 프라이버시 제어 내역으로 학습된 개별 프라이버시 제어 추천 모델을 생성하는 프라이버시 제어 추천 모델 획득부가 더 포함될 수 있다.
이때, 개별 프라이버시 제어 추천 모델은, 강화 학습(Reinforcement Learning)으로 학습된 것일 수 있다.
이때, 프라이버시 제어 추천 생성부는, 개별 프라이버시 제어 이력이 존재하는 경우 개별 프라이버시 제어 추천 모델을 더 구동시키되, 공용 프라이버시 제어 추천 모델이 출력한 프라이버시 제어를 개별 프라이버시 제어 추천 모델의 출력으로 보정하는 것일 수 있다.
이때, 개인 정보 요청은, 사용자에게 서비스를 제공하고자 하는 서비스 제공자의 개인 정보 요청을 수신한 블록체인 네트워크로부터 전달된 것일 수 있다.
이때, 개인 정보 요청은, 사용자 정책으로 사용자 개인 정보 사용에 대한 사용자의 명시적인 승인이 필요한 것으로 설정되어 있는 경우에만 전송되는 것일 수 있다.
이때, 개인 정보 요청 처리부는, 프라이버시 제어 응답을 블록체인 네트워크로 전송하고, 프라이버시 제어 응답은, 블록체인 네트워크가 수신한 프라이버시 제어에 따라 사용자 개인 정보를 가공하여 서비스 제공자의 개인 정보 요청에 응답하는데 사용되는 것일 수 있다.
실시예에 따른 사용자의 프라이버시 제어를 추천하는 방법은, 적어도 하나의 질의 항목에 대한 사용자 응답 결과에 따라 판단된 사용자의 프라이버시 제어 성향에 상응하는 공용 프라이버시 제어 추천 모델을 획득하는 단계 및 서비스 이용을 위한 개인 정보 요청에 대응하여 구동시킨 공용 프라이버시 제어 추천 모델의 출력으로 프라이버시 제어를 추천하는 단계를 포함할 수 있다.
이때, 공용 프라이버시 제어 추천 모델은, 복수의 사용자들의 개인 정보 제공 이력으로 학습된 복수의 공용 프라이버시 제어 추천 모델들 중 사용자의 프라이버시 제어 성향에 상응하도록 선별된 것일 수 있다.
이때, 복수의 사용자들의 개인 정보 제공 이력은, 블록체인 네트워크로부터 수집되는 것일 수 있다.
이때, 질의 항목은, 프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것일 수 있다.
실시예에 따른 사용자의 프라이버시 제어를 추천하는 방법은, 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하고, 입력된 사용자의 프라이버시 제어 선택에 따라 개인 정보 요청에 응답하는 단계 및 사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어가 아닌 경우, 사용자로부터 입력된 프라이버시 제어 내역으로 학습된 개별 프라이버시 제어 추천 모델을 생성하는 단계를 더 포함할 수 있다.
이때, 개별 프라이버시 제어 추천 모델은, 강화 학습(Reinforcement Learning)으로 학습된 것일 수 있다.
이때, 추천하는 단계는, 개별 프라이버시 제어 이력이 존재하는 경우 개별 프라이버시 제어 추천 모델을 더 구동시키는 단계 및 공용 프라이버시 제어 추천 모델이 출력한 프라이버시 제어를 개별 프라이버시 제어 추천 모델의 출력으로 보정하는 단계를 포함할 수 있다.
이때, 개인 정보 요청은, 사용자에게 서비스를 제공하고자 하는 서비스 제공자의 개인 정보 요청을 수신한 블록체인 네트워크로부터 전달된 것일 수 있다.
이때, 개인 정보 요청은, 사용자 정책으로 사용자 개인 정보 사용에 대한 사용자의 명시적인 승인이 필요한 것으로 설정되어 있는 경우에만 전송되는 것일 수 있다.
본 발명에 따르면, 프라이버시 제어 패턴 확인을 위해 기 설정된 퀴즈를 수행함으로써 신규 사용자의 프라이버시 제어 성향을 쉽게 파악하고 적합한 프라이버시 제어 추천 모델을 사용할 수 있게 된다. 이를 통해 프라이버시 제어 추천 정확도가 높아지고, 번거로운 프라이버시 제어 부담과 실수를 줄일 수 있다.
또한 본 발명에 따르면, 개인화된 프라이버시 제어 모델을 별도로 연동하기 때문에 프라이버시 제어 추천이 사용자에게 최적화될 때까지 요구되는 추천 모델의 학습 및 업데이트 부담이 사라진다. 또한 프라이버시 제어 추천 모델의 갱신 시간이 실시간으로 줄어들고, 프라이버시 제어 추천 모델의 정확도가 향상하게 된다.
도 1은 실시예에 따른 사용자의 프라이버시 제어 추천이 이루어지는 프라이버시 관리 프레임워크를 도시한 도면이다.
도 2는 실시예에 따른 프라이버시 제어 서버의 상세 블록 구성도이다.
도 3은 실시에에 따른 학습 제어부를 설명하기 위한 예시도이다.
도 4는 실시예에 따른 사용자 단말의 상세 블록 구성도이다.
도 5 내지 도 6은 실시예에 따른 사용자의 프라이버시 제어를 추천하는 방법을 설명하기 위한 흐름도이다.
도 7은 실시예에 따라 도 6의 프라이버시 제어 응답 생성 단계(S650)의 상세 단계를 설명하기 위한 순서도이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 실시예에 따른 사용자의 프라이버시 제어 추천이 이루어지는 프라이버시 관리 프레임워크를 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자의 프라이버시 제어 추천이 이루어지는 프라이버시 관리 프레임워크는 프라이버시 제어 서버(100), 사용자 단말(200), 블록체인 네트워크(10) 및 서비스 제공자(20)가 유/무선 통신망을 통해 연동되는 형태로 구성될 수 있다. 여기서, 유/무선 통신망은 WiFi, WiBro 등 무선 인터넷 통신, WCDMA, LTE 등 이동통신 또는 WAVE(Wireless Access in Vehicular Environment) 무선 통신, 유선 인터넷 통신 등을 모두 포괄하는 것일 수 있다.
블록체인 네트워크(10)는 복수의 사용자 단말(200)과 연결되어 복수의 사용자들의 개인 정보 및 개인 정보 제공 이력을 보관한다. 실시예에 따라, 블록체인 네트워크(10)는 프라이버시 제어 서버(100)가 블록체인 네트워크(10)에 저장된 사용자들의 개인정보 제공이력을 요청하면, 블록체인 네트워크(10)는 저장소에 있는 개인정보 제공 이력을 추출하여 프라이버시 제어 서버(100)에게 반환할 수 있다. 또한, 서비스 제공자(20)는 블록체인 네트워크(10)에 저장된 사용자 개인 정보를 요청함에 따라, 블록체인 네트워크(10)는 서비스 제공자(20)에게 사용자 개인 정보를 제공할 수 있다. 이때, 블록체인 네트워크(10)는 해당 사용자가 설정한 프라이버시 제어 정책을 확인하고, 프라이버시 제어 정책이 사용자 개인 정보 사용에 대한 사용자의 명시적인 승인이 필요한 것으로 설정되어 있을 경우, 블록체인 네트워크(10)는 사용자 단말(10)에게 개인 정보 공유를 요청한다. 요청에 대한 사용자 단말(10)이 응답함에 따라, 블록체인 네트워크(10)는 수신한 프라이버시 제어 내역을 기반으로, 해당 서비스 제공자(10)에게 사용자 개인 정보를 제공하거나, 사용자 개인 정보 제공 요청이 오류임을 알리는 메시지를 전달할 수 있다.
서비스 제공자(20)는 사용자 개인정보를 활용하여 개인화된 서비스를 제공하되, 개인화된 서비스 제공을 위해 블록체인 네트워크(10)에 저장된 사용자의 개인정보를 요청할 수 있다. 여기서, 서비스는 일 예로, 다양한 기능을 제공하는 다양한 응용 프로그램를 의미하는 어플리케이션일 수 있고, 서비스 제공자(20)는 이러한 어플리케이션을 통해 다양한 서비스를 제공하는 장치일 수 있다. 여기서, 어플리케이션의 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 있다. 이때, 어플리케이션은 프로그램의 형태로 사용자의 단말(200)에 설치되어 구동되는 것일 수도 있지만, 웹페이지 등의 형태로 사용자의 단말(200)에 설치가 수반되지 않은채로 구동되는 것일 수도 있다. 이때, 어플리케이션은 설계된 기능을 제공하기 위하여 사용자 단말(200)에 대한 각 종의 개인정보를 요구할 수 있다. 이때, 어플리케이션의 개인정보의 요구는 사용자 단말(200)에 저장된 개인정보를 취득을 가능케 하는 접근 권한을 요구하는 방식으로도 이루어질 수 있다. 예컨대, 어플리케이션은 사용자 단말(200)의 개인정보로서 위치 정보, 주소록 정보, 계정 정보, 사진, 파일, 센서 정보 등을 요구할 수 있다.
프라이버시 제어 서버(100)는 블록체인 네트워크(10)로부터 사용자들의 개인정보 제공이력을 수집하는 프라이버시 정책을 학습하여 성향에 따라 구분되는 공용 프라이버시 제어 추천 모델을 생성하여, 사용자의 요청에 따라 공용 프라이버시 제어 추천 모델을 제공하는 통신 가능한 컴퓨팅 장치일 수 있다. 실시예에 따른 프라이버시 제어 서버(100)의 상세 구성을 도 2 및 도 3을 참조하여 후술하기로 한다.
사용자 단말(200)은 블록체인 네트워크(10)에 개인정보를 저장하고 관리하는 주체이고, 서비스 제공자(20)가 제공하는 서비스를 이용하는 사용자가 소지한 단말일 수 있다. 이때, 사용자 단말(200)은 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. 실시예에 따른 사용자 단말(200)의 상세 구성을 도 4를 참조하여 후술하기로 한다.
도 2는 실시예에 따른 프라이버시 제어 서버의 상세 블록 구성도이다.
도 2를 참조하면, 실시예에 따른 프라이버시 제어 서버(100)는 개인 정보 제공 이력 수집부(110), 학습 제어부(120), 공용 프라이버시 제어 추천 모델 제공부(130) 및 사용자 성향 판정부(140)을 포함할 수 있다. 실시예에 따라, 부가적으로 개인 정보 제공 이력 DB(150) 및 공용 프라이버시 제어 추천 모델 DB(160)를 더 포함할 수 있다.
개인 정보 제공 이력 수집부(110)는 블록체인 네트워크(10)로부터 복수의 사용자들의 개인 정보 제공 이력을 수집한다. 이러한 개인 정보 제공 이력은 DB(150)에 저장될 수 있다.
학습 제어부(120)는 복수의 사용자들의 개인 정보 제공 이력으로 학습된 복수의 공용 프라이버시 제어 추천 모델들을 생성할 수 있다. 이때, 공용 프라이버시 제어 추천 모델은 개인 정보 제공 이력을 훈련 데이터로 하여 머신 러닝 기반으로 생성될 수 있다. 이때, 공용 프라이버시 제어 추천 모델은 복수개일 수 있고, 복수의 공용 프라이버시 제어 추천 모델들 각각은 사용자 성향에 따라 클러스터링된 복수의 사용자들의 개인 정보 제공 이력 데이터 셋들 각각에 의해 학습된 것일 수 있다. 이러한 복수의 공용 프라이버시 제어 추천 모델들은 DB(160)에 저장될 수 있다. 이에 대해 도 3을 참조하여 상세히 설명하기로 한다.
도 3은 실시에에 따른 학습 제어부를 설명하기 위한 예시도이다.
도 3을 참조하면, 학습 제어부(120)는 개인 정보 제공 이력을 분석하여 유사한 성향의 프라이버시 제어 패턴을 보이는 유사 사례를 분류하는 클러스터링부(121)와, 유사 사례 클러스터 각각을 훈련 데이터로 하여 머신 러닝 기법으로 학습된 복수의 공용 프라이버시 제어 추천 모델(161)을 생성하는 학습부(122)를 포함할 수 있다. 이때, 머신러닝 기법으로 클러스터링, SVM(Support Vector Machine), RF(Random Forest), 베이지언 기법등이 활용될 수 있다. 또한 추천 알고리즘인 CF(Collaborative Filtering) 등도 활용될 수 있다.
다시 도 2를 참조하면, 공용 프라이버시 제어 추천 모델 제공부(130)는 사용자의 프라이버시 제어 성향에 상응하도록 선별된 공용 프라이버시 제어 추천 모델을 해당 사용자에게 제공한다.
사용자 성향 판정부(140)는 질의 항목 생성부(141) 및 질의 응답 분석부(142)를 포함할 수 있는데, 질의 항목 생성부(141)는 복수의 공용 프라이버시 제어 추천 모델들을 기반으로 적어도 하나의 질의 항목을 생성한다. 이때, 질의 항목은 사용자 성향에 따른 프라이버시 제어 성향을 판단하기 위해 세밀하게 고안된 것으로, 프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것을 선별하여 구성한다. 질의 응답 분석부(142)는 적어도 하나의 질의 항목에 대한 사용자 응답 결과를 기반으로 사용자의 프라이버시 제어 성향을 판단한다.
도 4는 실시예에 따른 사용자 단말의 상세 블록 구성도이다.
도 4를 참조하면, 사용자 단말(200)은 공용 프라이버시 제어 추천 모델 획득부(210), 개별 프라이버시 제어 추천 모델 획득부(220) 및 프라이버시 제어 추천 생성부(230)을 포함할 수 있다.
공용 프라이버시 제어 추천 모델 획득부(210)는 적어도 하나의 질의 항목에 대한 사용자 응답 결과에 따라 판단된 사용자의 프라이버시 제어 성향 결과에 상응하는 공용 프라이버시 제어 추천 모델(211)을 획득한다. 이때, 공용 프라이버시 제어 추천 모델 획득부(210)는 프라이버시 제어 서버(100)로부터 수신된 적어도 하나의 질의 항목을 출력하고, 사용자의 선택 신호를 입력받는 인터페이스를 제공하고, 입력된 사용자의 선택 신호로 사용자 질의 응답을 생성한다. 그런 후, 공용 프라이버시 제어 추천 모델 획득부(210)는 생성된 사용자 질의 응답을 프라이버시 제어 서버(100)에 전달한다.
개별 프라이버시 제어 추천 모델 획득부(220)는 사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어가 아닌 경우, 사용자로부터 입력된 프라이버시 제어 내역으로 학습된 개별 프라이버시 제어 추천 모델(221)을 생성한다. 이때, 개별 프라이버시 제어 추천 모델(221)은 사용자가 개별적으로 입력한 프라이버시 제어 이력을 훈련 데이터로 하여 머신 러닝 기반으로 학습된 것일 수 있다.
이때, 머신 러닝 기법은 강화 학습(Reinforcement Learning)일 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.
메모리(250)는 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행하는 것으로, 공용 프라이버시 제어 추천 모델(211) 및 개별 프라이버시 제어 추천 모델(221)이 저장될 수 있다.
프라이버시 제어 추천 생성부(230)는 서비스 이용을 위해 요청된 개인 정보 요청에 대응하여 구동시킨 공용 프라이버시 제어 추천 모델의 출력으로 프라이버시 제어 추천을 생성한다. 이때, 프라이버시 제어 추천 생성부(230)는 개별 프라이버시 제어 이력이 존재할 경우, 개별 프라이버시 제어 추천 모델(221)을 구동하게 된다. 그런 후, 프라이버시 제어 추천 생성부(230)는 공용 프라이버시 제어 추천 모델(211)이 출력한 프라이버시 제어를 개별 프라이버시 제어 추천 모델(221)의 출력으로 보정한다. 이로써, 서비스를 사용하는 목적과 서비스의 수준에 따라 개인정보를 선택적으로 제공하여, 사용자의 개인화된 서비스 활용성을 높이면서 프라이버시를 동시에 보호할 수 있도록 동작한다.
개인 정보 요청 처리부(240)는 프라이버시 제어 추천 내역이 디스플레이됨에 동시에 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공(S760)하고, 입력된 사용자의 프라이버시 제어 선택에 따라 개인 정보 요청에 응답한다.
이때, 개인 정보 요청 처리부(240)는 사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어와 동일한지, 즉 추천 수락 여부를 판단한 결과에 따라 선택적이 동작을 수행한다. 즉, 판단 결과 추천 수락할 경우, 개인 정보 요청 처리부(240)는 추천 기반 프라이버시 제어를 수행한다.
도 5는 실시예에 따른 사용자의 프라이버시 제어를 추천하는 방법을 설명하기 위한 흐름도이다. 도 5에 도시된 사용자의 프라이버시 제어를 추천하는 방법은 도 1에 도시된 프라이버시 제어 서버(100)가 블록체인 네트워크(10) 및 사용자 단말(200)와 연동을 통해 이루어질 수 있다.
도 5를 참조하면, 프라이버시 제어 서버(100)가 블록체인 네트워크(10)에 저장된 사용자들의 개인정보 제공이력을 요청하면(S510), 블록체인 네트워크(10)는 저장소에 있는 개인정보 제공 이력을 추출하여 프라이버시 제어 서버(100)에게 반환한다(S520). 프라이버시 제어 서버(100)는 개인 정보 제공 이력으로 학습된 공용 프라이버시 제어 추천 모델을 생성한다(S530). 이때, 공용 프라이버시 제어 추천 모델은 개인 정보 제공 이력을 훈련 데이터로 하여 머신 러닝 기반으로 생성될 수 있다. 이때, 공용 프라이버시 제어 추천 모델은 복수개일 수 있고, 복수의 공용 프라이버시 제어 추천 모델들 각각은 사용자 성향에 따라 클러스터링된 복수의 사용자들의 개인 정보 제공 이력 데이터 셋들 각각에 의해 학습된 것일 수 있다(도 3 참조).
프라이버시 제어 서버(100)는 복수의 공용 프라이버시 제어 추천 모델들을 기반으로 적어도 하나의 질의 항목을 생성한다(S540). 이때, 질의 항목은 사용자 성향에 따른 프라이버시 제어 성향을 판단하기 위해 세밀하게 고안된 것으로, 프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것을 선별하여 구성한다.
이후, 사용자 단말(200)이 프라이버시 제어 서버(100)에게 공용 프라이버시 제어 추천 모델을 요청하면(S550), 프라이버시 제어 서버(100)는 생성된 질의 항목을 사용자 단말(200)에게 전달한다(S580). 그러면, 사용자 단말(200)은 프라이버시 제어 서버(100)로부터 수신된 적어도 하나의 질의 항목을 출력하고, 사용자의 선택 신호를 입력받는 인터페이스를 제공하고, 입력된 사용자의 선택 신호로 사용자 질의 응답을 생성한다(S565). 그런 후, 사용자 단말(200)은 생성된 사용자 질의 응답을 프라이버시 제어 서버(100)에 전달한다(S570).
프라이버시 제어 서버(100)는 적어도 하나의 질의 항목에 대한 사용자 응답 결과를 기반으로 사용자의 프라이버시 제어 성향을 판단하고, 사용자의 프라이버시 제어 성향에 상응하는 공용 프라이버시 제어 추천 모델을 선별한다(S575).
그런 후, 프라이버시 제어 서버(100)는 선별한 공용 프라이버시 제어 추천 모델을 사용자 단말(200)에 전달한다(S580). 그러면, 사용자 단말(200)은 전달된 공용 프라이버시 추천 모델을 저장하여, 향후 프라이버시 제어시에 활용할 수 있다.
도 6은 실시예에 따른 사용자의 프라이버시 제어를 추천하는 방법을 설명하기 위한 흐름도이다. 도 6에 도시된 사용자의 프라이버시 제어를 추천하는 방법은 도 1에 도시된 사용자 단말(100)가 블록체인 네트워크(10) 및 서비스 제공자(20)와 연동을 통해 이루어질 수 있다.
도 6을 참조하면, 사용자 단말(200)이 서비스 제공자(20)에게 서비스를 요청(S610)함에 따라, 서비스 제공자(20)는 블록체인 네트워크(10)에 저장된 사용자 개인 정보를 요청한다(S620). 블록체인 네트워크(10)는 해당 사용자가 설정한 사용자 정책을 확인(S630)한다. 이때, 사용자 정책이 사용자 개인 정보 사용에 대한 사용자의 명시적인 승인이 필요한 것으로 설정되어 있을 경우, 블록체인 네트워크(10)는 사용자 단말(10)에게 개인 정보 공유를 요청한다(S640).
사용자 단말(10)은 개인 정보 요청됨에 따라, 기 저장된 공용 프라이버시 제어 추천 모델 기반으로 프라이버시 제어 응답을 생성한다(S650). S650의 상세 단계는 도 7을 참조하여 후술하기로 한다.
그런 후, 사용자 단말(10)은 생성된 사용자의 프라이버시 제어로 블록 체인 네트워크(10)의 요청에 응답하고, 블록체인 네트워크(10)는 수신한 프라이버시 제어에 따라 사용자 개인 정보를 로드하여 가공한다(S670). 이때, 블록체인 네트워크(10)는 프라이버시 제어에 따라 해당 서비스 제공자(10)에게 사용자 개인 정보를 제공하거나, 사용자 개인 정보 제공 요청이 오류임을 알리는 메시지를 전달한다(S690). 그러면, 서비스 제공자(20)는 블록체인 네트워크(10)로부터 수신한 사용자 개인 정보를 기반으로 서비스를 처리하고(S690), 그 서비스 결과를 사용자 단말(200)에게 전달한다(S695).
도 7은 실시예에 따라 도 6의 프라이버시 제어 응답 생성 단계(S650)의 상세 단계를 설명하기 위한 순서도이다.
도 7을 참조하면, 사용자 단말(200)은 공용 프라이버시 제어 추천 모델을 구동한다(S710). 사용자 단말(200)은 서비스 이용을 위한 개인 정보 요청을 입력으로 하는 공용 프라이버시 제어 추천 모델의 출력으로 프라이버시 제어 추천을 생성한다(S720).
한편, 사용자 단말(200)은 개별 프라이버시 제어 이력이 존재하는지 확인한다(S730). 즉, 사용자가 프라이버시 제어 추천을 수락하지 않고, 개별적으로 프라이버시 제어를 수행한 이력이 있는지를 판단하는 것이다. 이럴 경우, 개별 프라이버시 제어 추천 모델이 생성되어 있으므로, 개별 프라이버시 제어 추천 모델을 구동하게 된다(S740). 그런 후, 사용자 단말(200)은 공용 프라이버시 제어 추천 모델이 출력한 프라이버시 제어를 개별 프라이버시 제어 추천 모델의 출력으로 보정한다(750). 이로써, 서비스를 사용하는 목적과 서비스의 수준에 따라 개인정보를 선택적으로 제공하여, 사용자의 개인화된 서비스 활용성을 높이면서 프라이버시를 동시에 보호할 수 있도록 동작한다.
여기서, 개별 프라이버시 제어 추천 모델은 사용자가 개별적으로 입력한 프라이버시 제어 이력을 훈련 데이터로 하여 머신 러닝 기반으로 학습된 것일 수 있다. 이때, 개별 프라이버시 제어 추천 모델은 강화 학습(Reinforcement Learning)으로 학습된 것일 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.
한편, 도 7에는 S710 내지 S740가 순차적으로 수행되는 것으로 도시되어 잇으나, 이는 설명의 편의를 위한 것으로 실시예는 이에 한정되지 않는다. 즉, S730이 먼저 수행되고, 그 결과에 따라 선택적으로 S710 및 S40이 동시에 수행될 수도 있다.
다음으로, 사용자 단말(200)은 프라이버시 제어 추천 내역이 디스플레이됨에 동시에 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공(S760)하고, 입력된 사용자의 프라이버시 제어 선택에 따라 개인 정보 요청에 응답한다.
즉, 사용자 단말(200)은 사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어와 동일한지, 즉 추천 수락 여부를 판단한다(S770).
S770의 판단 결과 추천 수락할 경우, 사용자 단말(200)은 추천 기반 프라이버시 제어를 수행한다(S780). 반면, S770의 판단 결과 사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어가 아닌 경우, 사용자 단말(200)은 사용자로부터 입력된 프라이버시 제어 내역으로 학습된 개별 프라이버시 제어 추천 모델을 생성한다.
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.
10: 블록체인 네트워크 20: 서비스 제공자
100: 프라이버시 제어 서버
110: 개인 정보 제공 이력 수집수 120: 학습 제어부
130: 공용 프라이버시 제어 추천 모델 제공부
140: 사용자 성향 판정부
141: 질의 생성부 142: 질의 응답 분석부
150: 개인 정보 제공 이력 DB
160: 공용 프라이버시 제어 추천 모델 DB
200: 사용자 단말
210: 공용 프라이버시 제어 추천 모델 획득부
211: 공용 프라이버시 제어 추천 모델
220: 개별 프라이버시 제어 추천 모델 획득부
221: 개별 프라이버시 제어 추천 모델
230: 프라이버시 제어 추천 생성부
240: 개인 정보 요청 처리부

Claims (20)

  1. 복수의 사용자들의 개인 정보 제공 이력으로 학습된 복수의 공용 프라이버시 제어 추천 모델들;
    복수의 공용 프라이버시 제어 추천 모델들을 기반으로 적어도 하나의 질의 항목을 생성하고, 적어도 하나의 질의 항목에 대한 사용자 응답 결과를 기반으로 사용자의 프라이버시 제어 성향을 판단하는 사용자 성향 판단부; 및
    사용자의 프라이버시 제어 성향에 상응하는 공용 프라이버시 제어 추천 모델을 선별하고, 해당 사용자에게 선별된 공용 프라이버시 제어 추천 모델을 제공하는 공용 프라이버시 제어 추천 모델 제공부
    를 포함하되,
    질의 항목은,
    프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것인, 프라이버시 제어 서버.
  2. 삭제
  3. 제1 항에 있어서, 개인 정보 제공 이력은,
    블록체인 네트워크로부터 제공받아 수집된 것인, 프라이버시 제어 서버.
  4. 적어도 하나의 질의 항목에 대한 사용자 응답 결과에 따라 판단된 사용자의 프라이버시 제어 성향 결과에 상응하는 공용 프라이버시 제어 추천 모델을 획득하는 공용 프라이버시 제어 추천 모델 획득부: 및
    서비스 이용을 위해 요청된 개인 정보 요청에 대응하여 구동시킨 공용 프라이버시 제어 추천 모델의 출력으로 프라이버시 제어를 추천하는 프라이버시 제어 추천 생성부
    를 포함하되,
    공용 프라이버시 제어 추천 모델은,
    복수의 공용 프라이버시 제어 추천 모델들 중에 사용자의 프라이버시 제어 성향 결과에 따라 선별된 것인,
    질의 항목은,
    프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것인, 사용자 단말.
  5. 제4 항에 있어서, 공용 프라이버시 제어 추천 모델 획득부는,
    프라이버시 제어 서버로부터 수신된 적어도 하나의 질의 항목을 출력하고, 사용자의 선택 신호를 입력받는 인터페이스를 제공하고, 입력된 사용자의 선택 신호를 프라이버시 제어 서버에 전송하는, 사용자 단말.
  6. 제4 항에 있어서,
    사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하고, 입력된 사용자의 프라이버시 제어 선택에 따라 프라이버시 제어 응답하는 개인 정보 요청 처리부; 및
    사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어가 아닌 경우, 사용자로부터 입력된 프라이버시 제어 내역으로 학습된 개별 프라이버시 제어 추천 모델을 생성하는 프라이버시 제어 추천 모델 획득부를
    더 포함하는, 사용자 단말.
  7. 제6 항에 있어서, 개별 프라이버시 제어 추천 모델은,
    강화 학습(Reinforcement Learning)으로 학습된 것인, 사용자 단말.
  8. 제6 항에 있어서, 프라이버시 제어 추천 생성부는,
    개별 프라이버시 제어 이력이 존재하는 경우 개별 프라이버시 제어 추천 모델을 더 구동시키되,
    공용 프라이버시 제어 추천 모델이 출력한 프라이버시 제어를 개별 프라이버시 제어 추천 모델의 출력으로 보정하는 것인, 사용자 단말.
  9. 제4 항에 있어서, 개인 정보 요청은,
    사용자에게 서비스를 제공하고자 하는 서비스 제공자의 개인 정보 요청을 수신한 블록체인 네트워크로부터 전달된 것인, 사용자 단말.
  10. 제9 항에 있어서, 개인 정보 요청은,
    사용자 정책으로 사용자 개인 정보 사용에 대한 사용자의 명시적인 승인이 필요한 것으로 설정되어 있는 경우에만 전송되는 것인, 사용자 단말.
  11. 제9 항에 있어서, 개인 정보 요청 처리부는,
    프라이버시 제어 응답을 블록체인 네트워크로 전송하고,
    프라이버시 제어 응답은,
    블록체인 네트워크가 수신한 프라이버시 제어에 따라 사용자 개인 정보를 가공하여 서비스 제공자의 개인 정보 요청에 응답하는데 사용되는 것인, 사용자 단말.
  12. 적어도 하나의 질의 항목에 대한 사용자 응답 결과에 따라 판단된 사용자의 프라이버시 제어 성향에 상응하는 공용 프라이버시 제어 추천 모델을 획득하는 단계; 및
    서비스 이용을 위한 개인 정보 요청에 대응하여 구동시킨 공용 프라이버시 제어 추천 모델의 출력으로 프라이버시 제어를 추천하는 단계
    를 포함하되,
    공용 프라이버시 제어 추천 모델은,
    복수의 공용 프라이버시 제어 추천 모델들 중에 사용자의 프라이버시 제어 성향 결과에 따라 선별된 것이고,
    질의 항목은,
    프라이버시 제어 성향에 따른 응답 결과의 차이가 소정치 이상인 것인, 사용자의 프라이버시 제어를 추천하는 방법.
  13. 제12 항에 있어서, 공용 프라이버시 제어 추천 모델은,
    복수의 사용자들의 개인 정보 제공 이력으로 학습된 복수의 공용 프라이버시 제어 추천 모델들 중 사용자의 프라이버시 제어 성향에 상응하도록 선별된 것인, 사용자의 프라이버시 제어를 추천하는 방법.
  14. 제13 항에 있어서, 복수의 사용자들의 개인 정보 제공 이력은
    블록체인 네트워크로부터 수집되는 것인, 사용자의 프라이버시 제어를 추천하는 방법.
  15. 삭제
  16. 제12 항에 있어서,
    사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하고, 입력된 사용자의 프라이버시 제어 선택에 따라 개인 정보 요청에 응답하는 단계; 및
    사용자의 프라이버시 제어 선택이 추천된 프라이버시 제어가 아닌 경우, 사용자로부터 입력된 프라이버시 제어 내역으로 학습된 개별 프라이버시 제어 추천 모델을 생성하는 단계
    를 더 포함하는, 사용자의 프라이버시 제어를 추천하는 방법.
  17. 제16 항에 있어서, 개별 프라이버시 제어 추천 모델은,
    강화 학습(Reinforcement Learning)으로 학습된 것인, 사용자의 프라이버시 제어를 추천하는 방법.
  18. 제16 항에 있어서, 추천하는 단계는,
    개별 프라이버시 제어 이력이 존재하는 경우 개별 프라이버시 제어 추천 모델을 더 구동시키는 단계; 및
    공용 프라이버시 제어 추천 모델이 출력한 프라이버시 제어를 개별 프라이버시 제어 추천 모델의 출력으로 보정하는 단계
    를 포함하는, 사용자의 프라이버시 제어를 추천하는 방법.
  19. 제12 항에 있어서, 개인 정보 요청은,
    사용자에게 서비스를 제공하고자 하는 서비스 제공자의 개인 정보 요청을 수신한 블록체인 네트워크로부터 전달된 것인, 사용자의 프라이버시 제어를 추천하는 방법.
  20. 제12 항에 있어서, 개인 정보 요청은,
    사용자 정책으로 사용자 개인 정보 사용에 대한 사용자의 명시적인 승인이 필요한 것으로 설정되어 있는 경우에만 전송되는 것인, 사용자의 프라이버시 제어를 추천하는 방법.
KR1020200041915A 2020-04-07 2020-04-07 사용자의 프라이버시 제어 추천 장치 및 방법 KR102615244B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200041915A KR102615244B1 (ko) 2020-04-07 2020-04-07 사용자의 프라이버시 제어 추천 장치 및 방법
US17/224,578 US11775674B2 (en) 2020-04-07 2021-04-07 Apparatus and method for recommending user privacy control

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200041915A KR102615244B1 (ko) 2020-04-07 2020-04-07 사용자의 프라이버시 제어 추천 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20210124632A KR20210124632A (ko) 2021-10-15
KR102615244B1 true KR102615244B1 (ko) 2023-12-19

Family

ID=77921832

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200041915A KR102615244B1 (ko) 2020-04-07 2020-04-07 사용자의 프라이버시 제어 추천 장치 및 방법

Country Status (2)

Country Link
US (1) US11775674B2 (ko)
KR (1) KR102615244B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11860983B2 (en) * 2019-12-20 2024-01-02 Cambrian Designs, Inc. System and method for implementing user watermarks
US11321332B2 (en) * 2020-05-18 2022-05-03 Business Objects Software Ltd. Automatic frequency recommendation for time series data
US11954225B1 (en) * 2020-11-02 2024-04-09 Wells Fargo Bank, N.A. Data privacy management
CN115982737B (zh) * 2022-12-22 2023-07-21 贵州大学 一种基于强化学习的最优隐私保护策略方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110125783A1 (en) 2009-11-19 2011-05-26 Whale Peter Apparatus and method of adaptive questioning and recommending
KR20160146150A (ko) * 2015-06-11 2016-12-21 한국전자통신연구원 프라이버시 보호 시스템 및 방법
KR101590626B1 (ko) 2015-08-12 2016-02-01 이선희 통신 단말기의 사용자 프라이버시 정보 제어방법 및 그 장치
US10956586B2 (en) * 2016-07-22 2021-03-23 Carnegie Mellon University Personalized privacy assistant
KR102282023B1 (ko) 2017-09-13 2021-07-28 한국전자통신연구원 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법
KR101881045B1 (ko) 2017-11-15 2018-07-23 주식회사 가온시스템 블록체인에 기반한 의료정보 제공 시스템 및 방법
KR101868589B1 (ko) 2018-03-30 2018-06-18 옥타코 주식회사 접근통제형 장비를 위한 생체인증 로그데이터의 블록체인 공유 기반의 액세스 보안관리 시스템
KR102121930B1 (ko) 2018-07-03 2020-06-11 네이버 주식회사 블록체인 기반의 개인 데이터 처리 방법 및 시스템
US11494502B2 (en) * 2018-10-25 2022-11-08 Microsoft Technology Licensing, Llc Privacy awareness for personal assistant communications
KR102051231B1 (ko) * 2018-11-27 2020-01-08 한국과학기술원 블록체인을 활용한 사용자 개인정보 활용 파악을 위한 방법 및 시스템
US11093482B2 (en) * 2019-03-12 2021-08-17 International Business Machines Corporation Managing access by third parties to data in a network

Also Published As

Publication number Publication date
US11775674B2 (en) 2023-10-03
KR20210124632A (ko) 2021-10-15
US20210312086A1 (en) 2021-10-07

Similar Documents

Publication Publication Date Title
KR102615244B1 (ko) 사용자의 프라이버시 제어 추천 장치 및 방법
US12001933B2 (en) Virtual assistant in a communication session
US20200169637A1 (en) Virtual assistant aided communication with 3rd party service in a communication session
US20170250930A1 (en) Interactive content recommendation personalization assistant
US10977056B2 (en) System for utilizing one or more data sources to generate a customized interface
US10885594B2 (en) Method and apparatus for establishing association relationship
US20210349948A1 (en) Automated population of digital interfaces based on dynamically generated contextual data
AU2021249117B2 (en) Flexible identity and access management pipeline
US10699317B2 (en) Computer program, method, and system for matching consumers with service providers
US11762942B1 (en) Systems and methods for online identity management
KR20190030023A (ko) 사용자의 프라이버시 제어를 추천하는 장치 및 그 방법
US10636085B1 (en) Contextual graphical user interfaces
KR102330214B1 (ko) 학습 서비스 제공 시스템 및 방법
US11610192B2 (en) Graphical user interface language localization
EP2673975A1 (en) Apparatus and method for providing personalized information to a user of a user device
US10021082B2 (en) Integration of form and file services
US20220253511A1 (en) Systems and Methods for Using Typing Characteristics for Authentication
CN110879865B (zh) 核身产品的推荐方法和装置
WO2011116381A1 (en) Rapid navigation system for mobile devices
US20210397981A1 (en) System and method of selection of a model to describe a user
US11889569B2 (en) Device pairing using wireless communication based on voice command context
US11409590B2 (en) Proactive outreach platform for error resolution based on user intent in server-driven communication channels
KR20120026227A (ko) 캐싱된 웹 페이지를 표시하기 위한 시스템, 이를 위한 서버, 이를 위한 단말, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록 매체
KR20200000874A (ko) 평가 서비스 제공 방법
KR20130140936A (ko) Ｐｉｎ 번호를 이용한 서비스 방법 및 그 서버, 및 기록 매체

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant