Files
2nd/10_Wiki/Topics/AI_and_ML/Data-Ethics and Privacy.md
T

3.7 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score tags raw_sources last_reinforced github_commit inferred_by tech_stack
wiki-2026-0508-data-ethics-and-privacy Data Ethics and Privacy 10_Wiki/Topics needs_review self
DATA-ETHICS-001
none A 1.0
ai-ethics
data-privacy
gdpr
Trustworthy-AI
security
2026-04-26 pending Claude Opus 4.7 (auto-normalize 2026-05-08)
language framework
unspecified unspecified

Data Ethics and Privacy (데이터 윤리 및 프라이버시)

📌 한 줄 통찰 (The Karpathy Summary)

"데이터의 가치는 그것이 보호되는 방식에서 온다" — 지능의 원천인 데이터를 수집, 저장, 활용하는 전 과정에서 개인의 프라이버시를 보호하고 공정성과 투명성을 지키기 위한 윤리적/법적 체계.

📖 구조화된 지식 (Synthesized Content)

  • 추출된 패턴: 기술적 가능성(Can we?)보다 윤리적 정당성(Should we?)을 우선시하며, 데이터 주권을 명시적으로 관리하고 오남용 리스크를 최소화하는 보안 거버넌스 패턴.
  • 핵심 원칙 및 기술:
    • Consent & Purpose: 명확한 동의 하에 정해진 목적으로만 데이터 활용.
    • Anonymization / Pseudonymization: 개인을 식별할 수 없도록 비식별화 처리.
    • Differential Privacy: 데이터셋에 통계적 노이즈를 추가하여 개별 정보를 보호하면서 전체 통계 정보만 활용.
    • Federated Learning: 원본 데이터를 서버로 보내지 않고 로컬 기기에서 학습한 결과만 공유하여 프라이버시 보호.
    • Regulatory Compliance: GDPR(유럽), CCPA(캘리포니아) 등 국가별 데이터 보호법 준수.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

  • 과거 데이터와의 충돌: 데이터가 많을수록 좋다는 양적 팽창 시대에서, 정당하지 않은 데이터는 모델 전체의 신뢰성을 파괴한다는 '품질 및 윤리' 중심으로 패러다임 전환.
  • 정책 변화: Antigravity 프로젝트는 모든 사용자 지식 보강 과정에서 개인정보 유출 가능성을 자동 스캔하며, 수집된 데이터는 엄격한 비식별화 과정을 거쳐 로컬 브레인 학습에만 활용함.

🔗 지식 연결 (Graph)

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

  • (TODO)

언제 쓰면 안 되는가:

  • (TODO)

🧪 검증 상태 (Validation)

  • 정보 상태: needs_review
  • 출처 신뢰도: A
  • 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

  • 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
  • 처리 방식: UPDATE (자동 정규화)
  • 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜 변경 내용 처리 방식 신뢰도
2026-05-08 P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) UPDATE A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

  • (TODO)

선택 B를 써야 할 때:

  • (TODO)

기본값:

(TODO)

안티패턴 (Anti-Patterns)

  • [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)