이득:
- 임산부를 직간접적으로 식별할 수 있게 하는 데이터를 구별하고, 이를 비식별화한 후 인공지능에 제공하는 기능
- KVKK 프레임워크 내에서 데이터 최소화를 적용하고 기관에서 승인한 도구만 사용하는 습관을 습득하는 능력
- '이 문자에서 이 사람을 찾을 수 있나요?' 테스트 적용을 통한 재식별 리스크 관리 능력
조산사는 임신 과정, 과거 임신, 유산, 상실, 관계, 정신 상태, 성 건강 등 사람들의 가장 개인적인 정보를 다루는 직업입니다. 이 정보가 잘못된 사람의 손에 들어가면 가정 위기, 사회적 낙인, 신뢰 상실 등 돌이킬 수 없는 피해를 입게 됩니다. 따라서 기밀 유지는 조산사의 "추가 규칙"이 아니라 조산사의 기본입니다. 비즈니스에 AI를 도입하면 개인 정보 보호의 새로운 지평이 열리게 됩니다. 즉, 채팅 도우미에 입력하는 모든 내용이 통제 불가능할 수 있습니다. 이 단원에서는 특히 KVKK(개인 데이터 보호법, 터키의 개인 데이터 처리를 규제하는 법률)의 프레임워크 내에서 AI를 사용할 때 임신 데이터를 보호하는 방법을 엔드 투 엔드로 가르칩니다.
기본 원칙은 한 문장으로 요약됩니다. 임산부를 알아볼 수 있는 정보는 절대로 인공지능 도구에 입력되어서는 안 됩니다. 이 규칙을 배우는 것은 모듈의 다른 모든 기술보다 우선합니다. 한번 유출된 데이터는 복구할 수 없기 때문입니다.
주의: AI 도구에 입력한 텍스트는 해당 서비스의 서버로 이동합니다. 저장, 처리 및 경우에 따라 모델 학습에 사용될 수 있습니다. "단지 요약을 원했습니다"라고 말하면 데이터가 반환되지 않습니다. 유일한 안전한 방법은 처음부터 자격 증명을 입력하지 않는 것입니다.
개인 데이터란 무엇이며, 이를 식별 가능하게 만드는 정보는 무엇입니까?
개인 데이터는 개인을 직접 또는 간접적으로 식별할 수 있게 만드는 모든 정보입니다. 조산사에서 이는 특히 특별한 범주에 속합니다(예: 법에서 가장 높은 보호를 받는 건강 데이터). 두 그룹의 인식을 제공하는 정보를 고려하십시오.
직접 식별자: 이름-성, TR ID 번호, 파일/프로토콜 번호, 전화번호, 주소, 이메일, 생년월일, 소셜 미디어 계정, 사진.
간접 설명자(알아볼 수 있도록 결합): "그 동네에서 유일한 삼둥이 임신", "시설에서 첫 임신을 한 유일한 44세", 희귀병 + 작은 정착지, 직장 + 재태 연령. 그 자체로는 결백해 보이는 몇 가지 세부 사항이 합쳐지면 그 사람을 가리킬 수 있습니다. 이를 재식별 위험이라고 합니다.
비식별화는 텍스트에서 이러한 식별자를 제거하는 프로세스입니다. 잘 수행된 익명화는 직접 식별자와 간접 식별자를 모두 삭제합니다.
단계별: AI에 데이터를 제공하기 전 비식별화
- 직접 식별자 삭제: 이름, ID, 전화번호, 파일 번호, 주소, 날짜 - 모두 제거합니다. 이를 "임신 A", "38세 경", "임신 2기"와 같은 일반화로 바꾸세요.
- 간접적인 단서를 흐리게 합니다. 정확한 연령을 범위(예: '40대 초반')로, 정확한 위치를 지역으로, 드문 조합을 일반으로 바꿉니다.
- 불필요한 세부 사항 폐기: AI가 작업을 수행하는 데 필요한 최소한의 정보를 제공합니다(데이터 최소화). 수유카드 작성 시 임산부의 병력은 필수가 아닙니다.
- 기관 정책 확인: 일부 기관에서는 승인된/기관용 AI 도구를 정의합니다. 개인/무료 도구에 환자 데이터를 입력하는 것을 금지할 수 있습니다. 해당 기관의 규칙을 따르십시오.
- 최종 읽기: 프롬프트를 보내기 전에 "이 문자에서 이 사람을 찾을 수 있습니까?" 한 번 더 읽어보세요.
이 다섯 단계 중 가장 어려운 단계는 두 번째, 즉 간접 단서를 흐리게 하는 것입니다. 왜냐하면 직접적인 식별자를 삭제하는 것은 쉽고 먼저 떠오르지만, 대부분의 인식은 실제로 간접적인 세부 정보의 조합에서 비롯되기 때문입니다. 직업, 나이, 거주지, 희귀질환 등이 합쳐지면 이름을 언급하지 않더라도 한 사람으로 축소될 수 있다. 따라서 비식별화는 '이름을 지우는 것'이 아니라 '이 글을 읽는 사람이 그 사람을 추측할 수 없도록 하는 것'으로 생각해야 한다. 이러한 정신적 틀은 재식별 위험을 근본적으로 줄여줍니다.
힌트: 좋은 테스트: 해당 임산부를 아는 동료에게 신원이 확인되지 않은 텍스트를 보여주면 그녀는 "이건 누구누구예요"라고 말할까요? 그가 그렇게 말할 수 있다면, 당신이 그를 충분히 식별하지 못했다는 뜻입니다.
세 개의 미니 케이스
사례 1 - 간접 인식: AI에게 병력 요약을 요청할 때 조산사는 ID를 생략하고 "우리 마을에서 유일한 네 쌍둥이 임신"이라는 문구를 남겼습니다. 이 한 문장은 바로 그 작은 곳에 있는 사람을 가리킨다. 그의 동료는 이를 인지하고 경고합니다. 조산사는 이 표현을 "다중 임신"으로 일반화합니다. 교훈: 간접 식별자는 직접 식별자만큼 위험합니다.
사례 2 — 데이터 최소화: 두 번째 조산사는 단순히 "임신 영양" 브로셔를 인쇄하는 대신 습관적으로 임산부의 전체 파일을 AI에 붙여넣습니다. 즉, 브로셔에는 개인 데이터가 필요하지 않습니다. 그는 파일을 건네주지 않고 브로셔를 가져가며 주제만 적었습니다. 가장 안전한 데이터는 절대 공유되지 않는 데이터입니다.
사례 3 — 잘못된 도구: 세 번째 예에서 조산사는 기관 정책을 기억할 때 개인 전화의 무작위 애플리케이션에 환자 정보를 입력하려고 합니다. 환자 데이터는 기관에서 승인한 도구를 사용하여 식별되지 않은 상태로만 처리될 수 있습니다. 개인앱을 사용하지 않습니다. 데이터 유출은 기술적인 오류가 아닌 '편리한' 순간에 발생하는 경우가 많습니다.
복사 가능한 템플릿
역할: 귀하는 비식별 통제 보조원입니다. 작업: 개인을 직접 또는 간접적으로 식별할 수 있는 각 표현을 아래 텍스트에 표시하십시오.- 직접: 이름, ID, 전화, 주소, 파일 번호, 정확한 날짜, 사진.- 간접: 드문 조합, 작은 장소 + 특수 상황, 정확한 연령, 직장, 고유/고유 품질.각각에 대해 더 안전한 일반화를 제안합니다.텍스트: [텍스트]
역할: 당신은 데이터 최소화 컨설턴트입니다. 업무: 저는 이 일을 하고 싶습니다: [job]. 이를 위해 내가 귀하에게 제공해야 하는 최소한의 정보는 무엇입니까? 불필요한 환자 정보를 "[제공하지 않음]"으로 표시하십시오.
역할: 귀하는 보안 요약 보조자입니다. 작업: 아래에 식별된 이야기를 요약합니다. 본문에 식별 정보가 있는 경우 요약하지 마세요. 대신 "자격증명을 찾았습니다. 지우고 다시 보내주세요."라고 작성하세요. 스토리: [스토리]
기관 정책 알림 체크리스트(스스로에게 물어보세요):- 이 도구가 우리 기관에서 승인되었습니까?- 내가 입력한 데이터에 개인 식별 정보가 있습니까?- 이 정보가 이 작업에 정말로 필요한가요?- 내가 아는 사람이 텍스트를 읽으면 그 사람을 찾을 수 있습니까?- 출력을 저장할 때 식별 정보를 추가합니까?
약한 프롬프트 / 강한 프롬프트
약함: "Ayşe Y., 39세, 세 번째 임신, 다음 병원에서 파일 번호 4412; 그녀의 병력을 요약합니다."
이 프롬프트는 직접적인 식별자로 가득 차 있습니다. 개인정보는 전송되자마자 유출됐다.
강한:
역할: 보안 요약 도우미. 다음 익명의 기록을 요약하세요. "임신 A씨, 30대 후반, 세 번째 임신, [관련 의료정보 익명]" 텍스트에 식별 정보가 표시되면 요약하지 말고 경고하십시오.
차이점: 강력한 버전에는 직접/간접 식별자가 없습니다. 작업을 수행하는 데 필요한 신원 없는 컨텍스트만 있을 뿐입니다. 프롬프트가 작성되기 전에 보안이 시작됩니다.
공유할 내용과 공유하지 말아야 할 내용
정보 유형
AI에 빠지나요?
대안
이름, TR ID, 전화번호, 주소, 파일번호
결코
"임신 A"
정확한 나이 / 정확한 날짜
아니
연령대/임신
희귀 + 작은 장소 조합
아니
일반화하다
일반적인 의학적 맥락(익명)
예, 필요한 경우
데이터 최소화 적용
사진/이미지
아니오 (얼굴/표지)
필요하지 않다
기관에서 승인하지 않은 차량
환자 데이터 없음
승인 차량
일반적인 실수
- 이름만 삭제하고 간접적인 단서만 남기는 것: 재식별의 위험성은 남아있습니다.
- "편의성"을 위해 전체 파일 붙여넣기: 데이터 최소화 원칙에 위배됩니다.
- 개인/승인되지 않은 장치에 환자 데이터 입력: 기관 정책 및 KVKK에 위배될 수 있습니다.
- 사진/스크린샷 공유: 이미지에 포함된 얼굴, 이름, 파일 번호는 기밀로 유지될 수 있습니다.
- 출력을 저장하는 동안 ID 추가: ID 없이 제공되는 출력에 ID를 추가하면 위험이 다시 발생합니다.
- "어차피 삭제된다"고 가정: 데이터가 무엇인지 알 수 없습니다. 유일한 보장은 아무것도 보내지 않는 것입니다.
요약하면
인공지능을 사용할 때 개인정보 보호는 기술이 아닌 전제조건입니다. 임산부를 직접적으로(이름, ID, 전화번호) 또는 간접적으로(드문 조합 + 작은 위치) 인식할 수 있게 만드는 정보는 AI 도구에 입력되어서는 안 됩니다. 데이터 최소화를 실천하고 업무 수행에 필요한 최소한의 정보를 제공하고 조직에서 승인한 도구만 사용하세요. "이 문자에서 이 사람을 찾을 수 있나요?"라는 메시지를 보내지 않고 테스트를 해보세요. 일단 유출되면 데이터를 검색할 수 없습니다. 따라서 프롬프트가 작성되기 전에 보안이 시작됩니다.
응용과제
실제 임신 기록(종이)을 수집하고 비식별화 템플릿을 사용하여 텍스트를 단계별로 제거합니다(먼저 직접 식별자, 그다음 간접 식별자). 지워진 텍스트를 동료에게 보여주고 "이 사람은 누구일까요?"라고 물어보세요. 묻다; 인식할 수 있다면 더 일반화하세요. 또한 소속 기관의 AI/데이터 정책을 찾아 한 문장으로 요약하고 어떤 도구가 승인되었는지 확인하세요.
체크리스트
- [ ] 직접적인 식별자(이름, ID, 전화번호, 주소, 파일 번호)를 모두 제거했습니다.
- [ ] 간접 설명어(드문 조합, 작은 위치, 정확한 연령)를 일반화했습니다.
- [ ] 나는 업무 수행에 필요한 최소한의 정보만을 제공하였습니다.
- [ ] 나는 소속 기관에서 승인한 도구만 사용했습니다.
- [ ] "이 문자에서 이 사람을 찾을 수 있나요?" 나는 테스트를했다.
- [ ] 나중에 출력에 자격 증명을 추가하지 않았습니다.