1930호2020.01.22.

「주간기술동향」은 과학기술정보통신부 「ICT 동향분석 및 정책지원」 과제의 일환으로 정보통신기획평가원(IITP)에서 발간하고 있습니다.

「주간기술동향」은 인터넷(http://www.itfind.or.kr)을 통해 서비스를 이용할 수 있으며, 본 고의 내용은 필자의 주관적인 의견으로 IITP의 공식적인 입장이 아님을 밝힙니다.

정보통신기획평가원의 「주간기술동향」 저작물은 공공누리 “출처표시-상업적 이용금지” 조건에 따라 이용할 수 있습니다. 즉, 공공누리의 제2유형에 따라 상업적 이용은 금지하나, “별도의 이용 허락”을 받은 경우에는 가능하오니 이용하실 때 공공누리 출처표시 지침을 참조하시기 바랍니다.(http://www.kogl.or.kr/info/license.do 참고)

예시) “본 저작물은 ‘OOO(기관명)’에서 ‘OO년’ 작성하여 공공누리 제O유형으로 개방한 ‘저작물명(작성자:OOO)’을 이용하였으며, 해당 저작물은 ‘OOO(기관명), OOO(홈페이지 주소)’에서 무료로 다운받으실 수 있습니다.”

1930호

기획시리즈 2딥러닝 기반 거리측정 기술 동향

[김혜진/한국전자통신연구원]

Ⅰ. 서론

Ⅱ. 딥러닝 학습을 위한 거리 데이터셋

Ⅲ. 딥러닝 기반 거리측정 기술

Ⅳ. 결론

ICT 신기술 14중국의 개인정보 법제 현황 및 동향

[정원준/정보통신정책연구원]

Ⅰ. 서론

Ⅱ. 중국의 개인정보 법체계 개관 및 동향

Ⅲ. 중국 개인정보 법제의 주요 규정 검토

Ⅳ. 정책적 함의

ICT R&D 동향 27딥러닝 기반 열악 자동차 번호 이미지 복원 및 인식 기술

[김건우/한국전자통신연구원]

차분 프라이버시 기반 비식별화 기술 개발

[박석/서강대학교]

주간기술동향 2020. 1. 22.

2 www.iitp.kr

*

I. 서론

딥러닝 기술의 도래와 더불어 객체분류, 객체검출, 이미지 분할, 거리측정 등 다양한

영상 분야에서 괄목할 만한 성장을 이루었다. 이 중, 거리측정은 가장 늦게 접근이 시작

되었으나, LiDAR와 같은 값비싼 장비의 한계를 보완해 줄 수 있는 대안으로서 그 중요성

이 대두되고 있다. 이러한 영상 기반 거리측정 기술은 주행 로봇을 비롯하여 카메라를

탑재한 드론 및 증강현실, 가상현실과 같은 콘텐츠 분야와 자율주행 등 다양한 분야에서

* 본 내용은 김혜진 선임연구원(☎ 042-860-5476, marisan@etri.re.kr)에게 문의하시기 바랍니다.** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.

딥러닝기반 거리측정 기술은 LiDAR, ToF, 구조광에 기반한 센서로 거리를 측정하는 방법과 달리 입력 영상을 학습 데이터에 기반하여 거리측정을 수행하는 방법이다. 특히, 단일 영상으로부터의 거리측정은 최근 5년간 양안영상에서의 거리측정 정확도와의 격차를 급격히 줄여가고 있다. 본 고에서는 딥러닝 기반의 거리측정 기술의 양안 접근 방법과 단안 접근 방법, 그리고 단안 접근의 정확도를 향상시키는 데에 기여한 핵심적인 주요 기술들을 상세히 살펴보고자 한다. 이와 함께, 학습에 기반한 거리측정이 어떻게 가능한 지에 대해 최근의 논고 등도 함게 살펴봄으로써 학습을 통한 거리측정 기술에 대한 이해를 돕고자 한다.

chapter 1

딥러닝 기반 거리측정 기술 동향

•••김혜진 ‖ 한국전자통신연구원 선임연구원

기획시리즈

기획시리즈-인공지능

정보통신기획평가원 3

활용되고 있다.

딥러닝에 기반한 거리측정기술은 기존의 Hand-crafted feature에 기반한 스테레오

매칭 방법과 유사한 가정을 따른다. 즉, 거리측정 기술은 핀홀 카메라 이론에 따르면 [그림

1]과 같이 표현할 수 있다. 대상 객체의 높이를 H, 이미지에서의 크기를 라 할 때, 초점거

리 , 이미지에서의 수직좌표가 , 모든 좌표가 이미지의 중심에서의 상대거리로 측정된

다고 하게 되면 식 (1)이 성립하게 된다.

(1)

식 (1)에서는 객체의 실제 높이인 H를 알아야 할 필요가 있다. 또 다른 방법으로는 식

(2)와 같이 이미지에서의 수직좌표 와 지면에서부터의 카메라의 높이 Y, 그리고 카메라

의 포즈 를 가정하여 실제 객체의 높이 H 없이 거리를 측정하게 할 수 있으며,

KITTI[2] 데이터셋에서는 이러한 가정을 따르고 있다.

(2)

이러한 가정과 더불어 KITTI 데이터셋을 사용한 양안 영상에 기반한 방법은 영상들이

서로 calibration되어 있다는 가정 하에 baseline에서의 disparity를 구하는 방법으로

거리를 측정하고 있다. 한편, 단일 영상에서의 거리측정 기술은 기존의 고전적인 접근 방

법으로는 한계가 있었던 분야였으나 딥러닝으로 RGB 영상뿐만 아니라 카메라 포즈,

optical flow, surface normal, segmentation 등 주변 정보를 함께 학습함으로써 양안

영상으로 얻은 수준의 성능에 접근하는 등 괄목할 만한 성능의 성장을 이루었으며 이에

대한 내용을 다음 장에서 자세히 살펴보고자 한다.

<자료> Dijk et al., “How Do Neural Networks See Depth in Single Images?,” ICCV 2019.

[그림 1] 거리측정 기술 예시

주간기술동향 2020. 1. 22.

4 www.iitp.kr

II. 딥러닝 학습을 위한 거리 데이터셋

딥러닝에 기반한 거리측정 기술은 데이터에 기반한 학습을 통해 거리를 측정하기 때문

에 학습 데이터는 매우 중요하다. 대표적인 학습 데이터로는 KITTI[2], Make3D[3],[4],

Cityscapes[5], NYU Depth v2[6] 등이 있다. KITTI와 Cityscapes는 아웃도어 중 도로

주행에서 촬영된 데이터셋으로 LiDAR 센서로부터 Ground Truth를 얻은 데이터이다.

따라서, 앞서 언급한 것과 같이 카메라의 높이가 고정되어 측정된 경우이다. Make3D는

레이저 센서를 사용하여 Ground Truth를 얻었고, NYU Depth v2 데이터셋은 구조

광센서인 Kinect로부터 Ground Truth를 얻었다. 즉, 거리측정을 위한 데이터셋들은

Ground Truth를 얻기 위해 센서에 기반한 레이블링을 하는 것이 보통이다. 이러한 접근

방법은 레이블링 비용으로 데이터셋 구축이 비싸기 때문에 이를 극복하기 위해 unsupervised

방법, self-supervised 방법 등의 다양한 방법에 대한 접근을 시도되고 있다.

여전히 대용량의 거리 데이터에 대한 요구가 높기 때문에 센서에 기반하지 않고 거리가

레이블링된 데이터를 얻고자 하는 다양한 방법들이 시도되고 있다. MegaDepth[8]는

Structure from Motion 방법에 기반하여 축적된 데이터들로부터 거리에 대한 레이블링

데이터를 얻었다. 한편, DIML/CVL[9]은 스테레오매칭과 Confidence에 기반한 방법으

로 레이블링을 하는 방법으로 데이터셋을 구축하였다. 거리에 대한 가상 데이터로 데이터

를 구축하려는 노력도 진행되고 있다. SceneFlow[10] 데이터셋은 가상으로 생성된 데이

터이기 때문에 거리에 대한 정확도가 센서에 의해 구축된 데이터셋보다 높다고 할 수 있고

대용량의 데이터가 제공된다. 그러나, 학습에 있어 도메인이 실제 데이터와 다르기 때문에

실제 성능을 높이는데 있어서 한계가 있어 왔다. 이러한 문제점에서 조금이라도 탈피하고

자 네이버랩스 유럽에서 KITTI 데이터셋과 유사한 가상 데이터셋인 virtual KITTI[7]를

구축하였다. 이 데이터셋으로부터 Domain adaption 문제의 해결 방법 및 보다 다양한

접근이 가능해졌다.

III. 딥러닝 기반 거리측정 기술

딥러닝에 기반한 거리 측정기술은 사용되는 입력 영상의 수에 따라 양안 영상기반 방법

기획시리즈-인공지능

정보통신기획평가원 5

과 단안 영상기반 방법으로 나뉠 수 있고, Ground Truth를 사용하는지의 여부에 따라

지도학습방법(Supervised method)과 비지도학습방법(Unsupervised method) 등으로

구별할 수 있다. 또한, 이미지 복원을 통한 자기지도학습(Self-Supervised method)도 최

근에 널리 쓰이고 있는 방법 중 하나이다. 본 고에서는 입력 영상의 수로 거리측정 기술을

나누고, 딥러닝 기술로 괄목성장한 단안영상의 방법에 대해 좀 더 구체적으로 기술하고자

한다. 또한, 다양한 Defocusing 방법을 통해 거리를 측정하는 흥미로운 연구들도 잠시

소개하고자 한다.

1. 양안기반 거리측정 기술

딥러닝 기반 양안기반의 거리측정 기술의 초기의 MC-CNN 딥러닝 네트워크를 단순히 특징추출을 얻는 방법의 하나로 사용되었다. 따라서, 딥러닝으로 학습된 특징을 그 이후에 similarity를 구하거나 SGM[14]과 같은 포스트 프로세싱을 통해 거리를 측정하여 왔다. GC-Net[11]은 양안기반 방법에 있어서 3D cost volume을 최초로 소개하고 이를 통해 end-to-end 양안 지도학습 방법을 통해 거리측정을 얻어 정확도를 높였다. 3D cost volume은 두 장의 이미지 각각에서 추출한 특징 벡터로부터 4번째 차원으로 디스패리티에 대한 비용함수를 추가하도록 한 것이다. 이러한 cost volume은 네트워크 학습에 있어 디스패리티를 보다 직접적으로 학습할 수 있도록 하였다.

이 후에 소개된 PSMNet[12] 방법은 Spatial Pyramid Pooling(SPP) 방법을 거리측정 기술에 최초로 도입한 논문이다. SPP 방법은 그 이전에 segmentation에 적용되어 성능과 속도 향상에 기여함을 보여주었는데 PSMNet은 이 방법이 거리측정에서도 효과적임을 보여주었다. 64×64, 32×32, 16×16, 8×8의 pooling을 적용하고 convolution 후에 upsampling, 그리고 SPP 방법 이전의 레이어 값과 함께 모두 concatenation을 하는 방법이다. 이 방법은 다양한 pooling을 병렬적으로 진행함으로써 다양한 receptive field를 갖는 특징벡터를 구성할 수 있다. 또한, 앞서 GC-Net에서 소개한 3D cost volume과 stacked hourglass 모듈, 그리고 3개의 sigmoid layer로부터 loss를 계산하게 함으로써 성능을 높였다. 그러나, 3D cost volume은 4차원 매트릭스로 메모리와 계산량이 높은 단점이 있다. GA-Net[13]은 이러한 3D cost volume의 계산량을 줄일 수 있는 semi-global aggregation layer(SGA)와 local guided aggregation layer를 소

주간기술동향 2020. 1. 22.

6 www.iitp.kr

개하였다. 특히, SGA는 SGM[14]을 학습 가능한 differentiable 형태로 만든 것으로 이 논문에서는 SGM보다 우수한 성능을 거두었다고 소개하고 있으며 파라미터 개수와 속도면에서도 개선되었음을 보여주고 있다.

앞서의 방법들이 지도학습 방법들이었다면 GeoNet[19]은 비지도학습 방법으로 DepthNet,

PoseNet과 더불어 optical flow를 세 가지를 결합하여 거리를 측정하는 기술을 소개하

고 있으며, 비지도학습으로서 치밀한 거리측정 기술을 보여주고 있다.

2. 단안영상기반 거리측정 기술

단일 영상으로부터 거리를 측정하는 기술은 딥러닝 방법을 접목하기 이전에는 매우 어

려운 문제로 인식되어 왔었다. 그러나, 최근에는 양안 영상 거리측정 방법에 근접한 성능을

내는 등의 성장세를 보이고 있다. 이는 양안 영상의 경우 딥러닝 접근 방법은 캘리브레이션

이 필요할 뿐만 아니라, 장비가 노후화되었을 경우 장치의 비틀림으로 캘리브레이션된

값이 비틀릴 수 있다는 점, 그리고 차량이나 드론, 주행로봇에 장착할 경우 물리적인 충격

으로도 이 캘리브레이션이 틀려질 수 있다는 점 등으로 캘리브레이션과 관련된 이슈가

있다. 더불어, 카메라가 한 대이기 때문에 장비에 대한 비용 절감 효과도 있으며 카메라

포즈와 같은 추가적인 정보를 적용할 때에도 용이하다는 장점이 있어 단안 영상으로의

접근에 대한 요구가 높아지고 있다.

Eigen[15]은 딥러닝에 기반한 단안영상 거리측정 기술을 최초로 소개함으로써 딥러닝

으로 단안영상에서 거리측정이 가능함을 보여주었다. MonoDepth[16]는 비지도학습으

로 단안영상의 거리측정을 하기 위해 image reconstruction 방법을 제시하였고 이 때

사용한 loss 함수는 식 (3)과 같다.

(3)

여기서, SSIM[17]은 3×3 블록필터가 사용되었으며 photometric 픽셀의 유사정도를

측정한다. 또 다른 방법은 디스패리티의 local smooth를 위해 edge와 관련된 식 (4)의

loss 함수도 소개하였다.

(4)

기획시리즈-인공지능

정보통신기획평가원 7

또한, 학습 시에는 stereo 영상을 사용하기 때문에 식 (5)에서처럼 왼쪽 영상의 디스패리

티 와 오른쪽

의 값이 서로 같다는 추가 정보도 함께 활용한다.

(5)

이 논문에서 제시된 세 가지의 loss 가운데 photometric 비용함수와 edge-aware

disparity 비용함수는 이 후 비지도학습 혹은 자기지도학습에 기반한 단일 영상기반 거리

추출 방법에서 널리 사용되고 있다.

비슷한 시기에 비디오 데이터에서 Ego-motion으로부터 카메라의 포즈를 예측하는 비

지도학습 방법으로 거리측정을 개선한 SfMLearner[18]라는 논문이 구글에서 발표되었

다. 앞서의 MonoDepth 논문이 카메라 포즈를 알고 있다는 가정 하에 이미지를

reconstruction하는 반면에 이 논문은 카메라 포즈도 다른 네트워크를 통해 학습시키는

방법을 사용하고 있다. 이를 위해서 목적 영상 와 소스 영상 , 예측된 거리맵을 ,

카메라의 상대 translation 포즈를 →라하고 소스영상 좌표 가 투영된 목적 영상에

서의 homogeneous 좌표를 라 할 때, 는 식 (6)으로부터 구할 수 있다.

∼ →

(6)

그리고 이 값으로부터 식 (7)과 같은 영상합성 비용함수를 갖는다.

(7)

이 논문의 한계점은 영상합성 시에 다음과 같은 가정을 갖는다는 것이다. ① 영상은

움직이는 물체 없이 정지 상태이며, ② 소스 영상과 목적 영상 사이에는 가림이 없고,

③ Lambertian surface로 가정하였다고 밝히고 있다.

Yang[23]은 motion 정보와 depth 정보와 더불어 depth와 normal과의 관계를 적용

함으로서 성능을 높였다. 이 논문에서는 depth와 normal이 서로 orthogonality를 갖고

있다는 점을 이용하여 depth로부터 normal을 얻고 normal로부터 depth를 얻어 학습

과 테스트에 사용하였다.

DORN[22]은 거리측정을 regression 방법으로 학습하는 대신 spacing increasing

discretization(SID) 방법을 이용하여 거리를 discretize화하고 거리측정을 ordinal

주간기술동향 2020. 1. 22.

8 www.iitp.kr

regression 문제로 변환시켜 문제를 풀었다.

Struct2Depth[20]는 비지도학습 방법으로 비디오에서부터 ego-motion에 대한 모션

모델을 세웠다. 이 논문에서는 3D 객체의 모션 측정 모델 을 만드는데, instance

segmentation 정보를 이용하여 mask를 만들고, Ego-motion estimator를 함께 적용

하여 보다 정밀한 거리 측정을 하는 방법이다. 또한, 이 논문에서는 단일 영상 방법의

단점인 상대적 거리라는 점을 극복하기 위해 객체 크기에 대한 제한을 주는 방법을 적용하

고 있다. 이 논문은 모션측정 모델을 적용하기 때문에 각 객체에 대한 방향과 속도에 대한

정보가 거리와 함께 측정될 수 있는 장점이 있다.

MonoDepth2[21]는 MonoDepth[16]에서 카메라 포즈를 안다고 가정했던 것과 달리

카메라의 포즈 →′를 학습을 통해 얻도록 하였다. 또한, 앞서 제시했던 손실함수들도

카메라 포즈와 함께 새롭게 개선하였으며 특히 appearance loss를 계산함에 있어 기존

에는 평균을 취했다면 이제는 최소값을 선택하는 방법을 적용하여 가려진 객체에 대해

보다 강인한 거리측정을 할 수 있도록 하였다. 즉, 새로 합성된 이미지는 식 (8)과 같이

나타낼 수 있다.

′→ ′ →′ (8)

이 때, photometric reconsturction error는 식 (9)와 같이 나타낸다.

′→

′→ ′→ (9)

식 (9)로부터 기존의 손실함수는 식 (10)과 같이 정리된다.

′

′→ (10)

한편, MonoDepth2에서 제시한 손실함수는 식 (11)에서처럼 최소값을 갖도록 한다.

min′ ′→ (11)

MonoDepth2는 자기지도학습 방법에서 사용하는 카메라는 움직이고 객체는 정지되어

있다라는 가정으로, 실제 inference때에 hole이 발생하는 문제를 해결하기 위해 auto-

masking 기술도 함께 제시하였다. 이 방법을 통해 동일한 속도로 움직이는 객체로 인해

생기는 구멍을 없앴으며 decoder의 여러 단계에서 upsampling을 통해 멀티스케일 손실

함수를 구하여 성능을 높였다.

기획시리즈-인공지능

정보통신기획평가원 9

[표 1] KITTI 2015 데이터셋에서의 다양한 거리측정기술 성능 비교

[표 1]은 이 논문에서 발췌한 것으로 2014년부터 지속적으로 단안 영상 기반의 거리측

정 성능이 개선되었음을 보여주고 있다. 특히, 이 기술들은 KITTI 데이터셋의 특성에서도

알 수 있듯이 자율주행자동차 시장의 요구사항을 반영하기 위해 발 빠르게 성능과 기능이

개선되고 있다.

Chen[24]은 이에 더 나아가 앞서서 객체가 고정되어 있다는 가정을 깨고 움직이는

여러 객체가 존재할 때에도 적용 가능한 알고리즘을 소개한다. 또한, 카메라 파라메터 중

intrinsic K를 예측할 수 있도록 하고 calibration이 되어 있지 않은 비디오에도 적용

가능한 알고리즘을 소개하였다. 이 논문에서는 기존에 카메라 포즈를 translation만을

다루었던 것에 비해 식 (12)에서처럼 Rotation과 translation 모두를 다루는 ego-motion

matrix 를 가정한다.

(12)

또한, intrinsic parameter 도 예측 가능하도록 하여, projection된 좌표 ′은 식

(13)과 같이 구할 수 있다.

′

(13)

따라서, 이 논문에서 새롭게 소개한 epipolar constraint loss는 식 (14)와 같다.

×

(14)

Method Train RMSE

Eigen[15] Supervised 6.307 0.702

DORN [22] Supervised 2.727 0.932

Zhou[18] Self-Supervised mono supervision 6.709 0.734

Yang[23] Self-Supervised mono supervision 6.501 0.725

GeoNet[19] Self-Supervised mono supervision 5.567 0.796

Struct2Depth[20] Self-Supervised mono supervision 5.291 0.816

MonoDepth2 Self-Supervised mono supervision 4.863 0.877

MonoDepth2 Self-supervised stereo supervision 4.764 0.864

<자료> MonoDepth2 발췌

주간기술동향 2020. 1. 22.

10 www.iitp.kr

이 방법을 통해, RMSE는 4.742, 은 0.884로 더 높은 성능을 거둘 수 있었으며 보다

일반화된 카메라 포즈 방법으로의 적용 가능성을 얼게 되었다.

3. 이외의 다양한 거리측정 기술

Defocusing에 기반한 거리 측정 기술[25],[26]들도 소개되고 있다. 카메라 센서의 가

격이 낮아지면서 Multiarray camera를 이용한 LightField 기술이 발달하고 있는데 이

에 Defocusing을 이용하여 거리를 측정하는 기술이 개발되었다. 또한, 스마트폰에서 널

리 적용되는 auto-focusing 기능을 이용한 dual-pixel 기반 거리측정기술[25]도 등장하

여 실생활에서 focusing에 기반한 거리측정 기술에 대해 실질적으로 적용 가능성이 보여

지고 있다. 한편, VR 글래스의 발전으로 360도 영상의 보급도 활발해지고 있다. 360도

영상은 일반 2차원 영상보다 입체적으로 보여지는 것이 중요하고 이에 따라 360도 영상

에서의 거리 측정 기술[26]에 대한 새로운 접근이 시도되고 있다.

4. 거리측정 모델 경량화 기술

거리측정 기술은 다른 컴퓨터비전 알고리즘들의 센싱 데이터와 같은 정보로 사용될 가

능성이 높다. 따라서, 다른 알고리즘들에 비해서 메모리나 속도 측면에서 보다 가볍고 빨

리 계산되어야 할 필요성이 높다. 이에 대한 문제를 처음 제기하고 해결하고자 한 논문은

Oh[27]의 논문이다. RRNet[28]은 Oh[27]의 논문이 개선된 것으로 축소 반복을 통해

MobileNet v2에서의 확장-축소-확장의 구조를 갖는 반면 축소-확장-축소를 통해 경량

화의 목적에 맞게 적은 데이터를 보내도록 된 구조이다. 또한, 데이터의 손실을 줄이기

위해 보다 중첩된 CDC라는 커넥션 방법을 통해 경량화를 하면서도 성능을 높일 수 있는

방법을 제안하고 이를 NVIDIA의 TX2에서 실험하여 속도, 계산량, 메모리뿐만 아니라

에너지 측면에서도 효율적임을 보여주었다. PyDNet[29]은 CPU에서도 사용 가능한 수준

의 경량화를 보여주었으며 멀티스케일의 네트워크 구조와 각 스케일에서의 loss를 구하는

방법을 통해 네트워크를 경량화시켰다. FastDepth[30]은 Decoder에서 널리 사용되는

upconvolution, deconvolution을 대체할 수 있는 NNConv5를 소개하였으며 RRNet

[28]과 같이 TX2에서의 성능을 보여주고 있다. 이 논문에서는 MobileNet을 encoder로

기획시리즈-인공지능

정보통신기획평가원 11

사용하는데 이 때의 depthwise separable layer가 GPU에서는 성능이 좋으나 CPU에서

는 낮기 때문에 이를 최적화하는 TVM을 적용하여 GPU와 CPU에서의 개선된 성능을

보여주었다.

딥러닝을 적용시켜 기존의 스테레오매칭 방법보다 높은 성능을 얻고 있다. 그러나 딥러

닝 접근 방법이 대부분 블랙박스 모델인 것처럼 왜 딥러닝으로 거리측정이 가능한 지에

대한 궁금증은 여전히 남아 있다. 그래서 딥러닝으로 거리측정이 왜 가능한 지 또 딥러닝

접근 방법의 한계점은 무엇인지에 대한 논문 연구가 시작되고 있다. Dijk[1]는 KITTI

데이터셋을 중심으로 이미지 상에서의 객체의 크기와 실제 크기에 대한 상관관계에 대한

실험을 시도하였다. 예를 들어, 이미지 상에서 자동차의 크기나 위치를 바꾸어가면서 그

때의 거리측정값에 대한 결과를 분석하였다. 이 논문에서는 단안영상에서 거리 측정은

객체의 실제 크기보다는 수직적 위치가 중요하고, 카메라의 위치 정보 또한 딥러닝으로

학습이 되는 중요한 요소라고 밝히고 있다. 또 다른 방법으로는 Hu[31]가 제시한 depth

를 추정할 때에 관련성이 높은 픽셀을 찾는 방법으로 이를 최적화 문제로 접근하였다. 이

논문에서는 모든 edge 정보가 중요한 것이 아니라 orientation, perspective, vanishing

points와 같이 3D 구조와 관련이 높은 정보들이 거리측정과 관련성이 높게 나타남을

밝혔다.

IV. 결론

본 고에서는 2014년부터 시작된 딥러닝 기반 거리측정 기술 및 관련 연구 동향에 대해 기술하였다. 그 동안 카메라 포즈, optical flow, surface normal 등의 정보와 함께 데이터에 기반한 접근을 통해 알고리즘에 있어 괄목할 만한 성장을 보였다. 그러나, 여전히 실외 주행 데이터인 KITTI 데이터셋으로 학습한 거리측정 모델로는 실내에서의 그 성능을 확보하기 어렵다. 마찬가지로, 실내 데이터셋인 NYU v2로 학습한 결과를 KITTI에 적용했을 경우 그 성능을 얻기가 어렵다. 또한, 가상 데이터인 vKITTI와 실제 데이터인 KITTI 데이터의 훈련 시 weight sharing 등 다양한 접근을 통해 domain gap을 줄이려는 시도 등 실내·외 뿐만 아닌 여러 방면에 있어 domain adaptation 문제를 풀기 위한 노력들이 시도되고 있으나 아직 한계가 있다. 또한, 학습되지 않은 환경에 대해 적응할

주간기술동향 2020. 1. 22.

12 www.iitp.kr

수 있는 알고리즘을 개발하거나 온라인 학습 등을 통해 현장의 데이터가 실시간으로 성능 개선에 기여할 수 있는 알고리즘 개발이 필요하다. 즉, 실제 차량에 탑재하였을 경우 차량에서 획득한 미지의 카메라로 촬영된 영상에서 높은 정확도를 갖기 위한 거리측정 기술 개발을 위해서는 계속된 노력이 필요하다. 한편, 단안 영상으로부터의 거리측정 기술은 현재 스테레오 영상을 이용한 거리측정보다 성능이 낮으나, 향후에는 점점 더 괄목할 만한 성장을 할 것으로 기대된다.

[ 참고문헌 ]

[1] Dijk et al., “How Do Neural Networks See Depth in Single Images?,” ICCV 2019.[2] Menze et al., “Object Scene Flow,” IPRS 2018.[3] Saxena et al., “Learning Depth from Single Monocular Images,” NIPS 2005.[4] Saxena et al., “Make3D: Learning 3D Scene Structure from a Single Still Image,” TPAMI

Vol.30, No.5, 2009, pp.824-840.[5] Cordts et al., “The Cityscapes Dataset for Semantic Urban Scene Understanding,” CVPR

2016.[6] Silberman et al., “Indoor Segmentation and Support Inference from RGBD Images,”

ECCV 2012.[7] Gaidon et al., “Virtual Worlds as Proxy for Multi-Object Tracking Analysis,” CVPR 2016. [8] Li et al., “MegaDepth: Learning Single-View Depth Prediction from Internet Photos,”

CVPR 2018.[9] Cho et al., “A Large RGB-D Dataset for Semi-supervised Monocular Depth Estimation,”

arXiv:1904.10230 2019.[10] Mayer et al., “A Large Dataset to Train Convolutional Networks for Disparity, Optical

Flow, and Scene Flow Estimation,” CVPR 2016.[11] Kendall et al., “End-to-End Learning of Geometry and Context for Deep Stereo

Regression,” ICCV 2017.[12] Chang et al., “Pyramid Stere Matching Network,” CVPR 2018.[13] Zhnag et al., “GA-Net: Guided Aggregation Net for End-to-End Stereo Matching,” CVPR

2019.[14] Hirschmuller et al., “Stereo processing by semiglobal matching and mutual information,”

TPAMI Vol.32, No.2, 2008, pp.328-341.[15] Eigen et al., “Depth Map Prediction from a Single Image using a Multi-Scale Deep

Network,” NIPS 2014.[16] Godard et al., “Unsupervised Monocular Depth Estimation with Left-Right consistency,”

CVPR 2017.

기획시리즈-인공지능

정보통신기획평가원 13

[17] Wang et al., “Image quality assessment: from error visibility to structural similarity,” TIP 2004.

[18] Zhou et al., “Unsupervised Learning of Depth and Ego-Motion From Video,” CVPR 2017.[19] Yin et al., “GeoNet: Unsupervised Learning of Dense Depth, Optical Flow and Camera

Pose,” CVPR 2018.[20] Casser et al., “Prediction Without the Sensors: Leveraging Structure for Unsupervised

Learning from Monocular Videos,” AAAI 2019.[21] Godard et al., “Digging into Self-Supervised Monocular Depth Prediction,” ICCV 2019.[22] Fu et al., “Deep ordinal regression network for monocular depth estimation,” CVPR 2018.[23] Yang et al., “Unsupervised learning of geometry with edge-aware depth-normal

consistency,” AAAI 2018.[24] Chen et al., “Self-supervised Learning with Geometric Constraints in Monocular Video

Connecting Flow, Depth, and Camera,” ICCV 2019.[25] Garg et al., “Learning Single Camera Depth Estimation using Dual-Pixels,” ICCV 2019.[26] Zioulis et al., “OmniDepth: Dense Depth Estimation for Indoors Spherical Panoramas,”

ECCV 2018.[27] Oh et al., “Fastand Light-Weight Unsupervised Depth Estimation for Mobile GPU

Hardware,” CVPR Workshop 2018.[28] Oh et al., “RRNet: Repetition-Reduction Network for Energy Efficient Decoder of Depth

Estimation,” arXiv:1907.09707.[29] Poggi et al., “Towards real-time unsupervised monocular depth estimation on CPU,”

IROS 2018.[30] Wofk et al., “FastDepth: Fast Monocular Depth Estimation on Embedded Systems,”

ICRA 2019.[31] Hu et al., “Visualization of Convolutional Neural Networks for Monocular Depth

Estimation,” ICCV 2019.

주간기술동향 2020. 1. 22.

14 www.iitp.kr

I. 서론

미국 데이터혁신센터(Center for Data Innovation)에 의하면, 최근 중국의 인공지능 기술 수준이 미국을 근접하게 추격하게 된 배경에는 데이터 부문에 상당한 이점이 있기 때문으로 분석되었다[1].

물론, 자국 내에서 데이터의 표준화와 품질 및 유용성 등이 다른 국가에 비해 떨어질 뿐만 아니라, 폐쇄적 국외 정책으로 인해 데이터 공유에 한계가 있어 다양성이 부족하다는 지적도 적지 않다. 그럼에도 불구하고 중국은 미국 및 EU와의 경쟁력 비교에서 데이터 지표에서 1위로 평가되었다[1]. 이러한 결과는 느슨한 개인정보 규제를 유지하고 있는 정부의 데이터 정책 방침과 밀접한 관련이 있다고 볼 수 있다.

중국 정부는 국가의 데이터 통제권(주권)을 강조하면서 해외 기업의 자국민 데이터 처리에 대해 엄격하게 제한하고 있다.1) 반면에 자국 기업에는 데이터 활용을 장려함으로써 타 산업과의 융합을 통한 부가가치 창출, 신산업의 경쟁력 강화 등에 기여하고 있다. 곧 중국 스타트업 및 인터넷 기업은 정부의 암묵적 승인 하에 데이터 접근성 측면에서 상대적

* 본 내용은 정원준 연구원(☎ 043-531-4009, visix@kisdi.re.kr)에게 문의하시기 바랍니다.** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.1) 예를 들어, Microsoft는 중국 정부의 요청에 따라 데이터 수집 및 원격 업데이트 기능을 배제시킨 “중국 정부용 윈도

우 10 버전”을 별도로 개발한 바 있다.

chapter 2

중국의 개인정보 법제 현황 및 동향

•••정원준 ‖ 정보통신정책연구원 연구원

ICT 신기술

ICT 신기술

정보통신기획평가원 15

으로 유리한 위치에 있다. 실제로 중국 기업들은 중앙 정부의 제한 없이 지방 정부와 파트너십을 맺어 공공장소에서 방대한 규모의 실증 데이터를 취급하고 있다

그렇다고 중국 실정법상 프라이버시 보호 및 개인정보 침해에 관한 근거 법령이 전혀

없는 것은 아니다[2].2) 오히려 중국에서 개인정보 보호와 관련한 법규는 다수에 이른다.

다만 이들 법령에 대한 규제 당국의 집행력을 담보하기 어려운 상태라 평가할 수 있다[3].

이에 따라 개인정보 보호에 관한 일반법이 존재하지 않는 중국에서 개인정보 관련 법규는

어떤 것이 있는지와 구체적으로 어떻게 규율 및 집행되고 있는지를 면밀히 검토해볼 필요

성이 있다. 본 고는 급변하는 디지털 환경의 변화에 대응하는 중국의 개인정보 관련 입법

동향을 살펴보고, 그 정책적 시사점을 도출하고자 한다.

II. 중국의 개인정보 법체계 개관 및 동향

중국은 2000년 대 초반부터 오랜 기간 동안 개인정보에 관한 법률을 제정하기 위해

지속적으로 입법 논의를 해왔다. 지난 2005년 최초로 개인정보 보호법에 대한 입법 초안

이 제출된 바 있으나,3) 아직까지 개인정보 보호를 통합적으로 다루는 일반법을 제정하지

못하고 있다. 다만, 중국에서 개인정보에 관한 내용이 포함된 개별 법률은 헌법, 민법,

형법 등 총 41개에 이르고, 행정법규 및 행정규장도 약 200여 개에 달하는 등 관련 규정이

산재되어 있다[4].4)

최근 중국 학계에서 개인정보 보호에 관한 일반법이 필요하다는 의견이 강력히 제기되

고 있는 가운데, 개인정보에 관한 권리가 헌법상 명시되어 있지 않으므로 민법상 불법행위

법에 따른 보호가 적절하다는 주장이 지지를 받고 있다[5]. 환언컨대, 중국 헌법 제33조

제3항(인권보장조항), 제38조(인격존엄불가침조항), 제40조(통신 자유 및 비밀조항) 등을

2) 중국 규제 당국은 최근 대대적인 개인정보 점검을 실시하고, 개인정보 침해 행위에 대해 꾸준히 집행 활동을 늘려나가고 있는 상황이다. 예를 들어, 알리바바(Alibaba)가 Alipay 서비스를 통해 신용평가 시스템인 즈마신용(芝麻信用)의 가입을 유도하여 개인의 금융정보를 고지 없이 제3자에게 제공한 혐의가 발견되어 문책당하는 등의 사건이 발생한 바 있다[2].

3) 2005년 당시 국무원 정보화업무판공실은 중국 사회과학연구원의 법학연구소에 위탁을 통해 개인정보보호법의 초안 작성을 요청하였고, 해당 초안을 토대로 2008년 ‘개인정보보호법’이라는 법명으로 공식적인 초안이 국무원에 제출된 바 있다.

4) 중국의 입법(立法) 형식에는 헌법, 법률, 행정법규, 지방성법규, 자치조례, 단행조례, 부문규장 등이 있다. 특징적인 부분은 형식상 법률이라고 하더라도 결의(決議), 결정(決定), 규정(規定), 방법(辦法) 등의 법 명칭을 혼용하여 사용하고 있다는 점이다.

주간기술동향 2020. 1. 22.

16 www.iitp.kr

통해 개인정보 보호의 권리를 추정할 수 있으나, 중국 헌법이 국가 기본법으로서 위상이

충분하지 않아 기본권의 근거보다는 법률상 근거 조항을 중시하는 경향이 있다.

특히, 최근 2017년 3월 15일 개정된 민법 제111조는 “...개인정보의 불법적 수집·사용·

가공·전달 뿐만 아니라 매매·제공 또는 공개하는 행위”를 금지하고 있다.5) 또한, 동 법

제36조는 “인터넷 이용자, 인터넷서비스제공자가 인터넷을 통해 다른 사람의 권익을 해하

는 경우 불법행위 책임을 부담하고, 피해자는 삭제·차단·연결차단 등을 요구할 권리를 갖

는다”라고 규정하고 있다. 아울러 동 법 제62조의 경우, “환자의 동의 없이 병력자료를

공개하여 손해를 발생시킨 경우에도 불법행위 책임”을 인정하고 있다.

중국은 개인정보 침해에 대해 강력한 형사처벌 규정을 두고 있다. 중국은 2009년 2월

28일 ‘공민개인정보 판매 및 불법 제공죄(非法提供公民个人信息罪)’와 ‘불법취득죄(非法获取公民个人信息罪)’를 형법 제253조 후단에 신설하였다. 이후 2015년 제9차 개정을 통해

“정황상 엄중한 처벌이 필요한 경우 3년 이상 7년 이하의 유기 징역 내지 벌금형에 처하는

것”으로 가중처벌 조항을 두었다.

소비자권익보호법은 2014년 개정을 통해 사업자가 부담해야 할 개인정보 보호의무 및

법적 책임에 관한 내용을 신설하였다. 개정법 제14조에 의하면, 소비자는 상품 사용 및

판매 또는 서비스 이용 시 인격 존엄과 민족 풍습에 대한 권리를 보유하고, 개인 신용을

보호할 권리를 갖는다고 규정하고 있다. 개정법 제29조는 법률 준수의무, 비밀유지의무,

타인에게 불법 제공 금지, 유출 및 분실 시 조치의무, 소비자의 명시적 거부 시 마케팅

정보 활용 금지 등 경영자가 소비자 개인정보 처리 시 지켜야할 사항에 대해 상세히 규정

하고 있다.6)

이 밖에도 중국은 온라인 환경에서 개인정보의 안전과 보안을 강조하기 위해 2012년을

전후로 하여 개인정보 보호에 관한 내용을 포함한 각종 법령을 본격적으로 제정하기 시작

하였다. 대표적으로 2012년 12월 제정된 「인터넷 정보보호 강화에 관한 결정(关于加强网络信息保护的决定)」과7) 2013년 7월 제정된 「통신 및 인터넷 이용자 개인정보 보호규정

5) 중국의 민법 규정에 관한 부분은 손한기(2018), “중국 개인정보보호법제 고찰”, 「강원법학」, 제53권, 86면을 참고하여 작성[6].

6) 이 밖에도 개정 소비자권익보호법은 제50조, 제56조 등에서 개인정보 관련 내용을 포함하고 있으며, 개인정보 보호 위반에 대해 처벌 규정도 두고 있다.

7) 중국에서 전국인민대표회의나 상무위원회가 제정한 결의(決議), 결정(決定), 규정(規定), 방법(辦法) 등도 법적 구속력이 있는 법률의 한 유형으로서 법률과 동일한 효력이 있다[8].

ICT 신기술

정보통신기획평가원 17

(电信和互联网用户个人信息保护规定)」은 개인정보 개념에 대한 구체적인 정의조항을 두

고 있고, 인터넷상 개인정보의 처리에 대한 전반적인 내용을 기술하고 있다. 특히, 2016년

11월 제정된 「네트워크 안전법(网络安全法)」은 사이버상 안전과 보안에 관한 내용뿐만

아니라 개인정보 보호를 강화하는 내용을 담고 있어 주목할 만하다[7].

중국에서 개인정보 관련 최근의 법제화 동향을 요약·정리하면 [표 1]과 같다.

[표 1] 최근 중국의 개인정보 관련 법제화 동향

이하에서는 온라인 활동의 증가로 인한 개인정보 침해 문제를 규율하고 있는 중국의

주요 입법례로서 인터넷 정보보호 강화에 관한 결정, 통신 및 인터넷 이용자 개인정보보호

규정, 네트워크 안전법, 개인정보 안전규범의 주요 내용을 중점적으로 검토하도록 한다.

제정연도 법규 주요 내용

2012년 인터넷 정보 보호 강화에 관한 결정(关于加强网络信息保护的决定)

전자정보 보호 및 불법행위 금지, 개인정보의 수집·이용 제한, 수집한 개인정보 안전조치 등

2013년

통신 및 인터넷 이용자 개인정보 보호규정(电信和互联网用户个人信息保护规定)

통신·인터넷 이용자의 개인정보 보호범위 규정, 통신·인터넷 서비스 제공자의 개인정보 수집·이용에 따른 법적 책임 등

신용정보업관리조례(征信业管理条例) 신용 조회 활동 규제, 관련 당사자의 법적 권리와 이익 보호 등

2014년 소비자권익보호법(消费者权益保护法) 개정 소비자의 권리보유 명시, 경영자의 개인정보 보호 의무, 침해 시 처벌 규정 등

2015년 중화인민공화국형법개정안(9)(中華人民共和國刑法修正案)

범죄 주체 신분의 일반화, 개인정보 획득 방법 제한 삭제, 최고 형량을 7년으로 처벌 강화 등

2016년

네트워크 안전법(中華人民共和國网络安全法)

외국기업에 대한 데이터 중국 내 저장 의무화, 개인정보 수집제한 및 유출 판매 규제, 네트워크 제품 및 서비스 보안 심사 의무 등

전자상거래법(中華人民共和國電子商务法)

2017년 11월 초안 2차 심의 의견수렴. 전자상거래 경영 주체의 책임과 의무, 소비자권익 보호 등

2017년 네트워크 제품 및 서비스 안전 심사 방법(网络产品和服务安全审查办法)

사이버 서비스의 안전성 통제 및 위험방지를 위한 심사, 서비스 제공자의 권리와 의무·법적 책임 등

2018년 정보기술 개인정보안전규범(信息安全技术 个人信息安全规范)

개인정보 처리 시 사전 동의 항목 및 법적 근거, 개인정보처리자의 정보주체 권리 요구 의무, 보안사고 대응 및 조직 관리

<자료> 中華人民共和國電子商务法(http://www.npc.gov.cn/npc/lfzt/rlyw/node_31834.htm) 재정리.

주간기술동향 2020. 1. 22.

18 www.iitp.kr

Ⅲ. 중국 개인정보 법제의 주요 규정 검토

1. 인터넷 정보보호 강화에 관한 결정

2012년 12월 전국인민대표대회 상무위원회에서 공포된 「인터넷 정보보호 강화에 관한

결정(关于加强网络信息保护的决定)」은 총 12개 조항으로 구성되어 있다. 동 결정은 인터

넷상으로 처리되는 개인정보에 적용되는 법규로서 오프라인을 통해 수집·처리되는 개인정

보는 적용 범위에서 제외된다. 또한, 동 결정에서는 개인정보를 “개인의 신분을 식별할

수 있는 정보”와 “프라이버시 관련 정보”의 두 유형으로 구분하여 정의하고 있다. 이에

따르면 개인의 신분을 식별할 수 있는 정보라 함은 “이름, 성별, 나이, 주소 등과 같이

개인에 관련된 정보”를 뜻하며, 프라이버시 관련 정보는 “인터넷 상의 활동 등 사생활에

관련된 전자정보”를 의미한다. 동 결정에서 규정하고 있는 인터넷상 개인정보의 강화에

관한 대표적인 조항은 다음과 같다[9].

- 불법적인 개인 전자정보의 취득은 금지되며, 법률상 규정 없이 개인의 전자정보를

취득하는 경우 합법성, 정당성, 필요성 원칙을 준수하고 정보 수집 및 이용의 목적,

방식, 범위를 명시해야 하며, 정보제공자의 동의를 얻어야 하고, 법률과 계약 내용에

반하여 개인정보를 수집·이용해서는 아니 된다(제2조).

- 인터넷 서비스 제공자와 기타 사업자 등이 업무상 수집한 개인정보는 엄격히 비밀을

유지해야 하고, 누설하거나 위변조해서는 아니 되며, 타인에게 불법으로 제공하거나

판매할 수 없다(제3조).

- 인터넷 서비스 제공자와 기타 사업자 등은 수집한 개인정보의 유출, 파손, 분실을

방지하기 위해 보안 조치를 실행해야 한다(제4조).

- 인터넷 서비스 제공자는 개인정보 관리를 강화하고, 개인정보의 유출이 발생한 경우

전송을 즉각 중단시키고, 관련 기록을 저장하여 주관부처에 보고해야 한다(제5조).

- 기업이나 개인은 전자정보 수신자가 동의하지 않았거나, 수신자가 수신을 명확히 거

절하는 경우 유선전화·휴대전화·전자우편으로 상업적 정보를 발송해서는 아니 된다

(제7조).

- 인터넷 서비스 이용자는 개인 신상 유포, 사생활 유출 등 법적 권익 침해나 상업적

ICT 신기술

정보통신기획평가원 19

전자정보의 침해가 있는 경우 인터넷 서비스 제공자에게 관련 정보의 삭제나 기타

필요한 조치를 요구할 권리가 있다(제8조).

- 누구나 불법적인 방식으로 개인정보를 취득하여 타인에게 판매·제공하는 행위나 기타

인터넷 정보와 관련한 불법행위에 대해 관련 주관 부처에 신고할 권리가 있다. 신고를

받은 부처는 법에 따라 이를 처리해야 할 의무가 있으며, 권익을 침해받은 자는 법원

에 소송을 제기할 수 있다(제9조)

동 결정 제2조에 의하면 불법적인 개인전자정보의 취득은 금지되며, 법률과 계약 내용에 반하는 개인정보의 수집 및 이용을 금지하고 있다. 인터넷 서비스 제공자와 기타 사업자 등은 업무상 수집한 개인정보의 비밀을 누설하거나 위변조해서는 아니 되며, 타인에게 불법으로 제공하거나 판매할 수 없다(제3조). 또한, 개인정보의 유출, 파손, 분실을 방지하기 위해 보안 조치를 실행할 의무가 있으며(제4조), 개인정보 유출시 주관 부처 보고의무(제5조), 수신 동의가 없거나 거절 시 상업적 정보의 발송금지(제7조), 이용자의 정보 삭제권 및 기타 필요한 조치를 요구할 권리(제8조), 불법적 개인정보 침해행위에 대해 주관 부처에 신고할 권리(제9조) 등을 규정하고 있다.

이처럼 「인터넷 정보보호 강화에 관한 결정」은 불법적인 개인정보의 취득, 판매, 타인 제공, 유출, 변조, 파기, 분실, 불법적 정보 발송에 따른 사생활 침해, 기업의 구제 조치 미시행 등 개인정보 침해행위 유형을 구체적으로 명시하고, 불법행위에 대한 행정상·형사상·민사상 처벌을 규정하는 등 인터넷상 개인정보를 포괄적으로 보호하고 있다는 점에서 의미가 있다.

2. 통신 및 인터넷 이용자 개인정보 보호규정

중국 공업신식화부(工业和信息化部)는 2013년 4월 총 6장 25개 조문으로 구성된 「통신 및 인터넷 이용자 개인정보 보호규정(电信和互联网用户个人信息保护规定)」을 발표하였다. 이는 2012년 제정된 「인터넷 정보보호 강화에 관한 결정」의 후속조치 성격을 갖고 있으며, 통신 서비스 및 인터넷 서비스 사업자가 가입자의 개인정보를 수집 또는 이용할 때 준수해야 할 사항을 주요 골자로 한다.

동 규정은 개인정보를 “통신사업자 및 인터넷 서비스 제공자가 서비스를 제공하는 과정

에서 수집한 가입자의 이름, 생년월일, 신분증명서 번호, 주소, 전화번호, 계좌번호, 비밀번

주간기술동향 2020. 1. 22.

20 www.iitp.kr

호 등 단독 또는 기타 정보와 결합하여 가입자의 정보 및 가입자가 서비스를 이용한 시간·

장소 등과 같은 정보와 함께 식별될 수 있는 정보”로 정의한다(제4조)[10]. 또한, 통신사업

자 및 인터넷 서비스 제공자가 서비스 제공 시 준수해야 할 의무사항을 다음과 같이 구체

적으로 제시하고 있다[11].

- 사업자는 개인정보 수집 및 이용에 관한 규정을 작성하고, 이를 홈페이지 등에 공개해

야 한다(제8조).

- 사업자는 가입자의 동의 없이 가입자의 개인정보를 수집할 수 없고,

- 가입자에게 개인정보를 수집·이용하는 목적과 범위 등을 명확히 알려야 하며,

- 서비스를 제공하는데 필요한 목적 이외에 필요 이상으로 개인정보를 수집해서는 아니

되며,

- 사업자는 가입자가 서비스 이용을 중단하는 경우 개인정보의 수집과 이용을 중단하고

수집한 개인정보를 파기해야 한다(이상 제9조).

- 서비스 제공 과정에서 수집한 개인정보는 반드시 기밀로 보관해야 하고, 위·변조 또는

훼손해서는 아니 되며, 타인에게 제공해서도 안 된다(제10조).

- 가입자의 민원 처리 매커니즘을 구축하여 유효한 연락방법을 공시하고, 민원 접수일

로부터 15일 이내에 답변해야 한다(제12조).

이외에도 동 규정은 통신사업자 및 인터넷 서비스 제공자의 개인정보 안전 보장 조치,

감독·감사 의무, 법률적 책임 등을 규정함으로써 통신 및 인터넷 서비스의 소비자 개인정

보 보호를 비교적 상세히 다루고 있다.

3. 네트워크 안전법

중국에서 개인정보의 무단 수집 및 매매 등 사이버 상 불법행위가 사회적으로 팽배해지

면서 기존의 행정법규 형태로는 한계가 있다고 평가되었다. 이에 따라 강력한 구속력을

가진 법률로서 정보통신망에서의 보안 전반을 규제하는 「네트워크 안전법(中华人民共和

国网络安全法)」이8) 2016년 11월 7일 제정되었다(17.6.1. 시행). 네트워크 안전법의 주요

8) 이 법은 영문명으로 「People’s Republic of China Network Security Law」로 번역되는데, 한국의 정보통신망 이용촉진 및 정보보호 등에 관한 법률」, 「정보통신기반 보호법」, 「개인정보보호법」 등과 유사한 성격의 법률들을 통합시킨 법률로 볼 수 있다.

ICT 신기술

정보통신기획평가원 21

내용은 인터넷상 주권을 명시하고, 인터넷 상품·서비스 제공자의 의무와 개인정보 보호

원칙을 정립하며, 핵심정보 인프라의 보호 및 국가 간 유통 규칙의 수립에 대한 것이다.

즉, 사이버 공간에서의 주권, 국가안보 및 공공이익과 정보화 발전을 위한 중국의 사이버

보안 강화정책 수행을 위해 필요한 내용이 포함되어 있다. 동 법은 사이버 공간에서의

프라이버시와 보안에 관해 종합적으로 다룬 중국 최초의 법률로서 주목받고 있다. 또한,

중국 내에서 네트워크를 설치, 운영, 유지, 사용하거나 네트워크 안전에 관해 감독·관리하

는 경우에 적용되므로 상당히 넓은 범위에서 적용된다.

다만, 이 법은 외국 법인의 데이터 반출을 제한하는 문제와 온라인상 검열과 통제를 강화함에 따른 논란이 있다[12]. 특히, 동 법 제37조는 중국 내에서 “주요 정보통신 기반시설9) 운영자(关键信息基础设施的运营者)”가 사업상 수집한 개인정보와 중요 데이터는 반드시 중국 내에 저장하도록 하고, 국외로 반출하는 경우에는 국가네트워크정보부와 국무원 관련 부서가 제정한 방법에 따라 보안평가를 받도록 의무화하고 있어 다국적 기업들의 반발을 불러 일으켰다. 결국, 2017년 5월 세계 각국 상공단체의 시행 연기 청원으로 법 제37조의 시행이 유예되었으나, 기간 만료로 인해 2019년 1월부터 본격 시행됨에 따라 중국 내에서 개인정보를 다루는 외국 기업들은 데이터 서버를 중국으로 이전해야 하는 문제에 직면하게 되었다. 아직 세부적인 시행규칙이 제정되지 않아 예외 사유가 어느 수준으로 인정될 지 파악하기 어렵지만 데이터의 국외 반출을 금지하는 네트워크 안전법의 적용을 받는 글로벌 기업들의 부담이 한층 가중될 전망이다.

또한, 이 법의 적용 대상은 중국 내 물리적 설비를 갖추고 있는 정보통신망으로 제한되고(제2조), 국외에 서버를 둔 네트워크에 대해서는 해당 네트워크가 중국의 법률이나 행정법규에서 금지하는 정보를 발표하거나 전송하는 경우 그 전송을 차단할 수 있도록 하였다(제50조). 네트워크 안전법은 총 7장 79개 조항으로 구성되어 있는데, 전반적으로 앞서 살펴본 기존 법령에 비해 상당히 포괄적인 내용을 다루고 있다. 네트워크 안전법에서 개인정보 보호와 관련한 주요 규정은 다음과 같다[13].

- 네트워크 운영자는 합법적이고 정당한 방법으로 개인정보를 수집·이용해야 하며, 정보 수집 시 정보제공자의 동의를 얻고, 정보 수집 목적과 범위를 명시해야 한다. 네트

9) 여기서 “주요 정보통신 기반시설”이란 공공통신 정보 서비스, 에너지, 교통, 수자원시설, 금융, 공공 서비스, 전자정부 시스템 등 국가 중점시설 분야와 네트워크의 기능 파괴 또는 데이터 유출 시 국가 안전과 공익에 영향을 미치는 정보통신 시설을 말한다(네트워크 안전법 제31조).

주간기술동향 2020. 1. 22.

22 www.iitp.kr

워크 운영자가 제공하는 서비스와 무관한 개인정보는 수집할 수 없으며, 법률·행정법규·약정을 위반하여 개인정보를 수집·이용·처리할 수 없다(제41조).

- 네트워크 운영자는 수집된 개인정보를 유출·변조·훼손해서는 아니 되며, 정보주체의 동의 없이 타인에게 제공해서는 아니 된다. 네트워크 운영자는 수집된 개인정보의 안전을 확보하고 정보의 유출·훼손·분실 사고 예방을 위한 기술적 조치를 마련해야 하며, 사고 발생 시 정보주체에게 알리고, 주관부처에 보고해야 한다(제42조).

- 네트워크 운영자가 법을 위반하거나 개인정보 수집·이용과 관련한 약정을 위반한 경우 정보주체는 네트워크 운영자에게 개인정보의 삭제를 요구할 수 있고, 수집·저장된 정보에 오류가 있는 경우 이에 대한 시정을 요구할 수 있다. 네트워크 운영자는 이러한 요구를 받는 경우 반드시 삭제나 시정을 이행해야 한다(제43조).

- 누구든지 개인정보의 절취 또는 기타 불법적인 수단으로 개인정보를 취득해서는 아니 되며, 개인정보를 타인에게 불법적으로 제공하는 것은 금지된다(제44조).

- 네트워크 안전에 대한 감독책임이 있는 담당자는 업무 수행 과정에서 알게 된 개인정보와 상업적 비밀정보를 몰래 유출하거나 불법으로 타인에게 제공해서는 아니 된다(제45조).

요컨대, 동 법 제41조에 의하면 네트워크 운영자는 합법적이고 정당한 방법으로 개인정

보를 수집·이용해야 하며, 정보 수집 시 정보제공자의 동의를 얻고, 정보 수집 목적과 범위

를 명시해야 한다. 네트워크 운영자가 제공하는 서비스와 무관한 개인정보는 수집할 수

없으며, 법률·행정법규·약정을 위반하여 개인정보를 수집·이용·처리할 수 없다(제41조).

또한, 사고 발생 시 정보주체에게 알리고, 주관부처에 보고해야 하며(제42조), 정보주체는

네트워크 운영자에게 개인정보의 삭제를 요구하거나 시정을 요구할 수 있다(제43조). 그

리고 네트워크 안전에 대한 감독책임이 있는 담당자는 업무 수행 과정에서 알게 된 개인

[표 2] 네트워크 안전법의 개인정보 관련 내용

구분 주요 내용

개인정보보호 개인정보의 수집 및 이용, 보호에 대한 사업자 의무 사항을 명시

민감한 정보 보존(국외 이전) 동 법률에 의해 수집되거나 생성된 개인 보안 관련 중요 데이터를 활용한 중국에서의 작업이 자국 영토 내에 저장되도록 요구

법적 책임 이 법 위반 시 기업 및 단체는 최대 백만 위안의 벌금 부여<자료> IT WORLD, “데이터 국외 이전 금지 법안, 2019년 시행 예정”을 가공하여 재작성[14]

ICT 신기술

정보통신기획평가원 23

정보와 상업적 비밀정보를 몰래 유출하거나 불법으로 타인에게 제공해서는 아니 된다고

규정하고 있다(제45조).

4. 정보안전기술 개인정보안전규범

중국 전국 정보안전표준화기술위원회는 최근 유럽의 GDPR과 유사한 수준의 개인정보

수집·저장·이용·공유·전송·공개 등을 다루는 「정보안전기술 개인정보안전규범(信息安全技

术 个人信息安全规范)」을10) 제정하여 2018년 5월부터 시행하고 있다. 개인정보안전규범

은 개인정보보호를 위해 기업이 준수해야 할 전반적인 내용을 규율하며, 중국의 개인정보

법제 수준을 세계적 눈높이로 끌어 올렸다. 그러나, 중국의 개인정보 보호 법제는 여전히

폐쇄적인 측면이 있어 외국 기업에게는 다소 부담으로 작용하고 있는 것이 사실이다. 중국

‘사이버보안검토 기술 인증센터’는 Alipay, Tencent Cloud 등 일부 회사의 개인데이터

보호 준수 규정이 국가표준에 의한 인증을 통과하였다고 발표하였다. 그 준수사항에 대해

규정하고 있는 개인정보안전규범의 주요 내용을 요약적으로 제시하면 다음과 같다.

먼저, 개인정보 처리와 관련하여 사전 동의 항목 및 법적 근거를 구체적으로 규정하고

있으며, 정보주체의 동의 거절로 인한 기능 중단 및 서비스 수준을 낮추는 행위를 금지하

고 있다. 개인정보 수집 시 사전에 수집 가능한 정보 유형, 빈도, 저장 장소, 기한, 안전능

력, 외부 제공 등을 고지하고 동의를 취득해야한다는 점을 명시하고 있으며, 권한 범위를

초과한 경우 정보주체의 명시적 동의를 취득해야 한다. 한국의 개인정보보호법과 유사하

게 예외적 사항으로는 ① 국가안전 및 공공 안전이나 개인의 생명, 재산 등의 합법적 권익

보호가 필요한 상황, ② 정보주체의 요구에 따른 계약 체결상 이행의 문제, ③ 제품 및

서비스의 안전한 이용을 지원하기 위해 필요한 경우 등이 있다. 특징적인 것은 민감정보의

경우 명확한 의사표시를 요건으로 하면서 필수적 수집이 필요한 민감정보의 거절로 인한

영향을 사전 고지하도록 하고 있는 점이다. 아울러 민감정보가 추가적인 서비스 제공을

위해 필요한 경우 민감정보가 필수적 사항인지를 설명하도록 하는 등 민감정보를 강력히

보호하고 있다.

이 밖에도 개인정보의 저장과 관련하여 저장 기간의 만료 이후에는 삭제하거나 익명처

10) GB/T 35273-2017 信息安全技术 个人信息安全规范.

주간기술동향 2020. 1. 22.

24 www.iitp.kr

리하도록 하고 있다. 특히, 비식별 처리한 정보를 사용하는 경우 복원가능한 원 개인정보

를 분리하여 저장하도록 규정하고 있다. 또한, 정보주체의 요청이 있는 경우 개인정보처리

자는 30일 이내에 개인자료, 신분, 건강, 업무, 교육 관련 정보를 사본으로 제공해야 한다.

그리고 정보주체는 기술적으로 가능하다면 본인의 정보를 제3자에게 정보를 이전할 수

있도록 요구할 수 있다.

보안사고 대응 및 조직 관리를 위하여 개인정보 책임자 및 담당 조직을 지정하도록 하고

개인정보 영향 평가 제도를 정기적으로 진행하고 개인정보 처리 시 담당 직원의 신원을

조사하고 비밀유지계약서를 체결하도록 규정하고 있는 부분도 주목할 만하다.

IV. 정책적 함의

이상에서 중국의 개인정보보호 법제 현황 및 최근 입법 동향에 대해 검토하였다. 중국은

기본적으로 통합된 개인정보보호법 제정을 유보하면서 데이터 기반 산업 활성화를 도모하

고 있는 듯하다. 그러나 중국 정부는 해외 기업의 경우 엄격한 안전평가 등을 통해 데이터

를 최대한 중국 내에 저장하도록 하여 데이터의 국외 반출을 철저히 제한하겠다는 강경한

태도를 보이고 있다. 한편으로 자국 기업의 데이터 활용은 개인정보 규제의 집행을 완화하

여 적용함으로써 장려하고 있다.

그러나 최근의 입법 동향에 있어서 주목할 점은 자국 내에서의 인터넷 통제 및 개인정보 유출 및 침해에 대한 보호를 강화하려는 움직임이다. EU 등의 글로벌 스탠다드에 발맞추어 개인정보 보호 및 사이버 보안에 관한 구체적인 법률을 속속 제정하고, 그 집행력 또한 강화하고 있는 추세이다. 특히, 네트워크 안전법, 개인정보안전규범 등의 시행을 계기로 개인정보 보호에 대한 사회적 관심 또한 증가하고 있는 상황이다. 2018년 4월에는 알리바바(Alibaba)의 자회사로 모바일결제서비스 Alipay 등을 운영하는 Ant Financial이 개인정보 수집 원칙을 위반하여 고객의 금융정보를 부당하게 수집·이용하였다는 이유 등으로 중국 정부로부터 180,000위안(USD$28,525) 가량의 벌금을 부과 받아 주목을 받기도 하였다.

아울러 중국에서 행정상 처벌이나 민사소송 절차 보다 오히려 국가 표준 규범을 통한

법 집행이 더 큰 구속력이 있다는 점을 감안하면, 구체적인 규정이 포함된 개인정보안전규

ICT 신기술

정보통신기획평가원 25

범을 마련하여 개인정보를 취급하는 모든 기관에 적용하고 있는 것만 보아도 중국 정부의

정책적 의지를 확인할 수 있다. 특히, 개인정보안전규범은 복원 가능한 개인정보의 분리

보관 내용이나 민감정보 관리자의 신원 조사의무 등 국내법에서 규정하고 있지 않은 내용

도 포함되어 있다는 점에서 면밀한 검토가 필요할 것이다. 생각건대, 최근 중국 정부가

이러한 엄격한 법규를 제정하는 핵심적 이유는 EU GDPR과 같은 국제적 흐름 속에서

중국 내 다국적 기업들이 국제 표준을 따를 수 있도록 대응하기 위한 측면이 있다고 본다.

그럼에도 불구하고 중국 내 학자들은 일반법인 개인정보보호법의 부재, 전담기구 부재,

프라이버시에 대한 국민 의식 결여, 개인정보 개념 및 범위의 불명확성 등에 대해 지적하

고 있다[15]. 또한, 중국에서 민법상 개인정보 손해배상 청구를 위한 법적 구제 절차가

원활하게 이루어지는 것도 아니다.

중국의 개인정보 법제는 국내 법체계와는 너무 이질적인 제도적 환경으로 인해 특별히

유익한 시사점을 제공하고 있지는 않다고 판단된다. 다만, 2019년 5월 28일 중국 국가인

터넷정보판공실은 자국 이용자 데이터의 국외 전송을 금지하는 내용의 규정 초안을 공개

하는 등 인터넷 활동에 대한 정부의 개입 문제와 해외 기업에 대한 차별 취급 문제가

지속적으로 제기되고 있기 때문에, 이러한 문제는 향후 국제적 합의를 통해 해결할 필요가

있을 것이다.

[ 참고문헌 ]

[1] Center for Data Innovation, “Who Is Winning the AI Race: China, the EU or the United States?,” 2019. 8. 19.

[2] 연합인포맥스, “中, 알리바바 금융 자회사 개인정보 유출 문책”. 2018. 1. 11.[3] The Economist, “China may Match or Beat America in AI,” 2017. 7. 15.[4] 蒋平, “我国个人信息法律保护现状及完善途径,” 公安研究, 2013.[5] 严鸿雁, “论个人信息权益的民事权利性质与立法途径-兼评 个人信息保护法 专家建议稿 的不足”, 情报

理论与实践, 2013.[6] 손한기, “중국 개인정보보호법제 고찰”, 「강원법학」, 제53권, 2018.[7] 宁宣凤, 中国推进个人信息保护, 2017. 4. 10, visited Apr. 1, 2019.

<https://www.chinalawinsight.com/2017/04/articles/corporate/中国推进个人信息保护>.[8] 최해남 외, 「중국 내 한국인 개인정보 노출 대응방안 연구」, KISA-WP-2016-0022, 한국인터넷진

흥원, 2016. 11.[9] 关于加强网络信息保护的决定,

<http://www.npc.gov.cn/wxzl/gongbao/2013-04/16/content_1811077.htm>.

주간기술동향 2020. 1. 22.

26 www.iitp.kr

[10] 本规定所称用户个人信息，是指电信业务经营者和互联网信息服务提供者在提供服务的过程中收集的用户姓名、出生日期、身份证件号码、住址、电话号码、账号和密码等能够单独或者与其他信息结合识别用户的信息以及用户使用服务的时间、地点等信息.

[11] 中华人民共和国工业和信息化部, <http://www.miit.gov.cn/n1146295/n1146557/n1146619/c4700556/content.html>.

[12] Gabriela Kennedy and Xiaoya Zhang, “China: China Passes Cybersecurity Law,” 2016. 11. 15.

[13] 中华人民共和国网络安全法, <http://www.npc.gov.cn/npc/xinwen/2016-11/07/content_2001605.htm>.

[14] IT WORLD, “데이터 국외 이전 금지 법안, '19년 시행 예정”, 2018. 8. 3.[15] 参见杨震, “加快个人信息保护立法,促进信息社会健康发展”，中国人大, 2017.

ICT R&D 동향

정보통신기획평가원 27

*

I. 결과물 개요

II. 기술의 개념 및 내용

1. 기술의 개념

CCTV 또는 블랙박스로부터 수집된 열악 자동차 번호 이미지를 딥러닝 기법으로 학습

하므로 자동으로 열악 이미지의 패턴에 따른 복원과 인식을 제공하는 기술

* 본 내용은 김건우 책임연구원(☎ 042-860-5427)에게 문의하시기 바랍니다.** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.***정보통신기획평가원은 현재 개발 진행 및 완료 예정인 ICT R&D 성과 결과물을 과제 종료 이전에 공개하는 “ICT

R&D 사업화를 위한 기술예고”를 2014년부터 실시하고 있는 바, 본 칼럼에서는 이를 통해 공개한 결과물의 기술이전, 사업화 등 기술 활용도 제고를 위해 매주 1~2건의 관련 기술을 소개함

개발목표시기 2019. 12. 기술성숙도(TRL)개발 전 개발 후

TRL 5 TRL 7

결과물 형태 SW-System, Patent, Service 검증방법 Q-mark 인증

Keywords 번호판 복원

외부기술요소 100% 개발기술 권리성 특허, SW-IP

chapter 3-1

딥러닝 기반 열악 자동차 번호 이미지 복원 및 인식 기술

•••김건우 ‖ 한국전자통신연구원 책임연구원

ICT R&D 동향

주간기술동향 2020. 1. 22.

28 www.iitp.kr

- 열악 자동차 번호 이미지란, 저해상도 카메라, 카메라 렌즈의 노화, 빛의 산란, 눈·비 등의 날씨, 야간 촬영, 원거리 촬영, 움직이는 차량으로 인한 모션블러, 영상 압축 손실로 인해 사람의 판독이 어려운 번호 이미지를 의미

2. 기술의 상세내용 및 사업화 제약사항

기술의 상세내용

- 최근 자동차 번호 판독용 CCTV(고속 촬영 및 고해상도 촬영)의 보급으로 용의 차량 추적이 용이해지고 있는 상황이지만, 여전히 대부분 도로의 CCTV는 자동차 번호 판독 기능이 없고 사각지대가 많으며, 일반 CCTV가 있다 할지라도 카메라 렌즈의 노화, 빛의 산란, 눈·비 등의 날씨, 움직이는 차량으로 인한 모션블러, 영상 압축 손실로 인해 판독이 어려운 경우가 많으며, 또한 제보 영상인 블랙박스나 스마트폰 등의 영상의 경우 원거리 촬영, 야간 촬영 등 자동차 번호 판독이 불가능한 경우가 많음

- 다양한 이미지 향상 기법이 존재하지만, 지금까지는 이미지 열화 상태에 따라 전문

노하우가 있는 전문가가 적절한 처리를 달리 해주어야 하는 부분이라 이는 대부분

[그림 1] 기술 개념도

ICT R&D 동향

정보통신기획평가원 29

주관적인 판단에 의해 판독 결과가 좌우될 수 있기 때문에 객관적인 통계에 기반한

방법이라 할 수 없음

- 본 기술은 CCTV 또는 블랙박스로부터 수집된 열악 자동차 번호 이미지를 딥러닝

기법으로 학습하므로 자동으로 열악 이미지의 패턴에 따른 복원과 인식을 제공하는

기술임

기술이전 범위

- 딥러닝 기반 열악 자동차 번호 이미지 복원 기술

- 딥러닝 기반 열악 자동차 번호 이미지 인식 기술

- 요구사항 정의서, 시험절차서, 특허 및 S/W 프로그램

사업화 제약사항

- 열악 자동차 번호 이미지의 경우 일반적으로 화질 열화가 심하여 자동으로 개별 번호

를 추출하기가 불가능하므로 GUI를 통하여 수동으로 개별 번호 영역을 구분하는

작업이 필요함

- Rank-3까지 후보 번호를 보여주나 6자리 자동차 번호를 고려하면 여전히 많은 조합

의 번호가 가능함

III. 국내외 기술 동향 및 경쟁력

1. 국내 기술 동향

현재까지도 국과수의 경우 고전적인 방식의 영상 알고리즘(histogram equalizer, gamma correction 등)을 사용하여 열악 자동차 번호를 판독하고 있음

- 이러한 방식은 보통 1주일 이상의 판독작업을 요하고 있는데(멀티 프레임 분석의

경우), 특히 납치 또는 유괴 사건의 경우 초기 용의자 추적에 걸리는 시간에 따라

피해자의 생명이 좌우될 수 있기 때문에 최대한 빠르고 정확한 용의 차량 번호 인식

이 매우 중요함

ETRI에서 CCTV 뿐만 아니라 차량용 블랙박스, 스마트폰 등으로 촬영된 영상을 분석

주간기술동향 2020. 1. 22.

30 www.iitp.kr

해서 사람의 눈으로 식별이 어려운 차량번호판 복원(Number Plate Deep Resolution:

NPDR) 기술, 실시간 교통사고를 감지하는 기술 및 이로 인해 발생할 수 있는 사생활

침해와 같은 보안 역기능을 방지하기 위한 증강 프라이버시 마스킹/복원, 영상 경량

암·복호 기술 등을 개발함

한화테크윈과 그래픽칩(GPU) 제조 기업인 ‘엔비디아(NVIDIA)’는 인공지능 CCTV 개

발에 착수

2. 해외 기술 동향

MOSY 업체의 차량 탑재 카메라는 이미지 왜곡을 방지하는 소위 글로벌 셔터와 황혼

또는 야간에 작동할 수 있는 적외선 조명을 갖추고 있음

Open ALPR은 번호판 인식 기능이 내장된 응용 프로그램을 개발하는 소프트웨어 개발

자를 위해 설계되었으며, 이 솔루션에는 웹 서버, 자체 관리 데이터베이스 및 크로스

플랫폼 API에 대한 액세스가 포함됨

영국 경찰과 LEA(Law Enforcement Agencies)는 ANPR(Automatic Number Plate

Recognition) 기술을 사용하여 범죄자, 조직 범죄 단체 및 테러리스트를 포함하여

군대, 지역 및 국가 차원에서 용의 차량을 추적하는데 사용하며, 또한 ANPR 기술은

잉글랜드, 웨일즈, 스코틀랜드 및 북아일랜드의 법 집행 기관에서 범죄 수사에 관한

조사 및 증거를 제공하는데 사용

3. 표준화 동향

국내의 경우, TTA에서 지능형 CCTV 프로젝트 그룹 PG427에서 지능형 CCTV 장비

의 기술 성능, 설치, 관제·운영, 시스템 기능, 장비의 객관적인 시험방법, 시스템의 상호

연동, 장비 간 전송방식, CCTV 솔루션 성능 시험방법 등의 표준 개발을 진행하고 있음

해외의 경우, IEC TC 79 산하 WG 12에서 CCTV를 영상보안시스템으로 칭하고 관련

시스템 요구사항, 비디오 전송 프로토콜, 아날로그와 디지털 비디오 인터페이스, 응용

가이드라인 4개 부문에서 7개의 표준 개발을 진행하고 있음

ONVIF는 매년 IP 카메라나 NVR 등은 연결한 사용자 기반 시나리오를 통해 장비

ICT R&D 동향

정보통신기획평가원 31

간 호환성 테스트를 진행하여 표준을 만족하는지 확인할 수 있도록 테스트 툴을 제공

하고 ONVIF 인증 로고를 발행하고 있음

4. 관련 보유특허

5. 기술적 경쟁력

IV. 국내외 시장 동향 및 전망

1. 국내 시장 동향 및 전망

국내 보안 시장은 다른 산업군에 비해 고성장세를 유지할 것으로 예측되고 있으며, 특히 지능형 CCTV는 물리보안시장의 35%를 차지, 시장 성장을 견인할 것으로 예상됨

- “2019 국내외 보안시장 전망보고서”에서는 지능형 CCTV와 관련된 물리보안시장이

전년대비 4.2% 성장한 3조 8,144억 원 규모로 확대될 것으로 예측했으며, 그 중 통합

보안 관련 서비스의 시장규모가 1조 5,254억 원(40%), CCTV 영상감시 관련이 1조

3,438억 원(35.23%), 출입통제 관련이 3,978억 원(10.43%), 생체인식 관련이 2,834

억 원(7.43%), 알람·모니터링 관련이 2,640억 원(6.92%)이 될 것으로 전망하였음

2. 해외 시장 동향 및 전망

프라이버시 침해의 위험을 지적하는 부정적인 평가들에도 불구하고 ALPR(자동 번호판

No. 국가 출원번호(출원일) 상태 명칭

1 KOREA 2018-0153581(2018. 12. 03.) 출원 비교사 학습기반 열악 자동차 번호 영상 복구 방법

경쟁기술 본 기술의 우수성 및 차별성

각 나라마다 자동차 번호 규격이 상이하여 특정하기 어려움

국내 자동차 번호판 대상 실환경에서 촬영된 사람이 판독 불가한 번호판 영상기반 Rank-3 기준 80% 이상의 성능

주간기술동향 2020. 1. 22.

32 www.iitp.kr

인식) 시장은 매년 10% 이상 성장하여 2023년까지 425억 개에 달할 것으로 예상되고 있는데, 이는 2016 년에 비해 두 배 이상임

중국의 경우는 연평균 15% 이상 고성장 시장이 열릴 것으로 예상됨

- 중국산업연구원 조사 보고서에 따르면 중국 CCTV 시장규모는 2010년 242억 위안

에서 연평균 25.86% 증가세를 보이며 2017년에 이르러 1,063억 위안으로 7년 사

이에 500% 내외로 급속 성장함

- CCTV 사용 분야는 평안도시건설(18%), 금융(16%), 교통(15%), 공장산업구(11%),

빌딩(10%), 교육(8%), 소매(6%), 의료(5%), 기타(11%) 등이 있음

3. 제품화 및 활용 분야

V. 기대효과

1. 기술도입으로 인한 경제적 효과

국가마다 다른 차량 번호판 규격으로 해외 기술 도입이 불가함지능형 CCTV 검색 기술의 외국 기술에 대한 의존도를 낮추고 국내 지능형 CCTV

관제 기술의 확보로 글로벌 시장 경쟁력을 강화함

2. 기술사업화로 인한 파급효과

용의 차량 추적이 용이해져 사회적 안전 강화가 기대됨스마트시티 핵심 기술로 활용 가능

활용분야(제품/서비스) 제품 및 활용분야 세부내용

CCTV 영상감시 서비스 지능형 CCTV 서비스 플랫폼 개발, 통합관제센터 구축

알람·모니터링 서비스 관심 차량 추적 및 모니터링 서비스

통합보안 서비스 CCTV VMS 연동 서비스, ONVIF 표준 연동

지능형 CCTV Edge형 경량화된 지능형 CCTV

ICT R&D 동향

정보통신기획평가원 33

*

I. 결과물 개요

II. 기술의 개념 및 내용

1. 기술의 개념

본 기술은 정보 제공자가 동의한 수준 이상의 개인정보 추론을 방지하고 일정 수준의

데이터 유용성을 보장하기 위해 차분 프라이버시 기반의 비식별화 데이터 처리 알고리

* 본 내용은 박석 교수(☎ 02-396-2657)에게 문의하시기 바랍니다.** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.***정보통신기획평가원은 현재 개발 진행 및 완료 예정인 ICT R&D 성과 결과물을 과제 종료 이전에 공개하는 “ICT

R&D 사업화를 위한 기술예고”를 2014년부터 실시하고 있는 바, 본 칼럼에서는 이를 통해 공개한 결과물의 기술이전, 사업화 등 기술 활용도 제고를 위해 매주 1~2건의 관련 기술을 소개함

개발목표시기 2019. 12. 기술성숙도(TRL)개발 전 개발 후

TRL 2 TRL 4

결과물 형태 특허, 논문, SW 검증방법 TTA를 통한 인증

Keywords 데이터마켓, 차분 프라이버시, 비식별화 기술, 데이터 마켓

외부기술요소 100% 개발기술 권리성 특허, SW, 논문

chapter 3-2

차분 프라이버시 기반 비식별화 기술 개발

•••박석 ‖ 서강대학교 교수

ICT R&D 동향

주간기술동향 2020. 1. 22.

34 www.iitp.kr

즘과 이를 적용한 데이터 마켓 프레임워크임

- 사용자의 위치/경로 데이터, histogram 데이터와 같은 다양한 종류의 데이터와 추

천 시스템, Frequent item set mining, deep learning과 같은 데이터 분석 알고

리즘에 필요한 차분 프라이버시 기반 비식별화 기술을 확보

- 적정 수준의 프라이버시 보호와 데이터 가격을 평가하기 위한 게임이론 기반의 협상

기술을 개발

2. 기술의 상세내용 및 사업화 제약사항

기술의 상세내용

- (차분 프라이버시 기반 데이터 분석 알고리즘 개발) 현재의 데이터 분석 알고리즘은

유용한 정보를 얻기 위한 과정 중 개인정보침해가 발생할 가능성이 있으며, 이를

방지하기 위해 기존 데이터 분석 알고리즘에 차분 프라이버시 기법을 적용

- 개발하는 차분 프라이버시 기법은 제공자의 위치/경로, histogram과 같은 다양한

데이터 타입과 추천 시스템, 빈발항목집합 마이닝, 딥러닝 등의 데이터 분석 알고리

즘을 포함

- (차분 프라이버시 기반 데이터 마켓 프레임워크 구현) 개발한 질의 처리 API를 사용

하여 데이터 사용자와 데이터 제공자 사이에서 신뢰할 수 있는 정보 공유를 제공할

수 있는 데이터 처리 프레임워크를 개발

- 제안 데이터 처리 프레임워크는 웹 기반으로 개발되며, 다음과 같은 절차로 운영

[그림 1] 기술 개념도

ICT R&D 동향

정보통신기획평가원 35

※ Phase 1. Registration: 데이터 제공자와 구매자가 마켓 관리자에게 거래

프로필 입력

※ Phase 2. Negotiation: 입력된 프로필 기반으로 마켓 관리자가 매칭 및 협

상 수행

※ Phase 3. Data transaction: 매칭 및 협상이 완료된 후, 데이터와 보상 교환

기술이전 범위

- 독자적으로 개인정보보호 기술을 적용할 수 없는 기업

- 공공데이터 공개 필요가 있는 공공기관

사업화 제약사항

- 개인정보보호 관련 법률 미비로 인해 기업에서 차분 프라이버시가 요구하는 수준의

개인정보보호를 적용할 동기가 없으나, GDPR을 비롯한 강화되는 개인정보보호 요

구사항과 데이터 활용의 필요성 증가에 따라 차분 프라이버시를 적용한 개인정보

활용 기술이 필요할 것으로 여겨짐

III. 국내외 기술 동향 및 경쟁력

1. 국내 기술 동향

현재 국내의 비식별화 기술 연구는 주로 k-anonymity, l-diversity, t-closeness의

비식별화 기술에 초점이 맞춰져 있으며, 정부기관에서 발행하는 비식별화 가이드라인

역시 이에 기반하고 있는 반면, 차분 프라이버시에 대한 연구는 아직 초기 단계에 머물

러 있는 실정임

본 연구팀은 2015년과 2017년 한국정보과학회에서 주관하는 학술대회에 “차분 프라

이버시에서 추론 공격을 완화시키기 위한 상관 속성의 노이즈 파라미터 설정 기법”,

“도로 교통망에서 차분 프라이버시를 적용한 주기적 교통량 배포 기법”, “한정된 프라

이버시 예산에서 질의 전략을 통한 차분 프라이버시 질의 처리 기법”이란 제목의 논문

을 발표한 바 있으며, 국제학술대회인 2015년 ACM Symposium on Cloud Computing

주간기술동향 2020. 1. 22.

36 www.iitp.kr

과 2017년 Big Data and Smart Computing, International Conference on ICT

Convergence, IEEE International Conference on Big Data, 2018년 Big Data

and Smart Computing에 차분 프라이버시 관련 논문을 발표한 바 있음

- 또한, 2016년 한국연구재단의 한국형 SGER 연구 과제 “사물인터넷 환경에서 개인

데이터의 안전한 활용을 위한 P2P 기반 데이터 공유 프레임워크”의 세부 연구주제

로 사물인터넷 환경에서의 접근제어와 차분 프라이버시 접목 기법에 대한 연구를

수행하였으며, 2018년에는 SCI(E)급 학술지인 Journal of Advanced Transportation

에 “An adaptive window size selection method for differentially private data

publishing over infinite trajectory stream”이란 제목의 논문을 발표하였음

- 이외에도 2009년부터 현재까지 비식별화 관련 국내 학회와 학진 등재지에 20편 이상의 논문, 국제학술대회에 11편의 논문을 게재한 바 있으며, 이와 같은 연구를 통해 차분 프라이버시 및 비식별화 관련 국내 최고 수준의 연구 능력과 인력을 보유

2. 해외기술 동향

국외에서 차분 프라이버시는 이미 비식별화를 위한 사실상의 표준으로 여겨질 만큼 활발하게 연구가 이루어지고 있고, 상용 서비스에의 적용도 시도되고 있음- NIH의 지원을 받아 Emory University에서 수행한 의료 데이터에 대한 통계 질의에

차분 프라이버시를 적용한 SHARE(Statistical Health Information Release with Differential Privacy), University of Pennsylvania에서 수행한 차분 프라이버시 질의를 지원하는 소프트웨어 개발 프로젝트(DFuzz: Linear Dependent Types for Differential Privacy), The State University of New Jersey에서 수행한 비정상 사용자 탐색에 차분 프라이버시 기법을 적용하는 DPAD(Differentially Private Anomaly Detection) 등이 대표적인 차분 프라이버시 관련 프로젝트임

또한, 기업에서도 자사가 보유한 데이터 분석 시 불필요한 개인정보 침해를 방지하기 위해 차분 프라이버시를 적용하는 시도가 이루어지고 있음- 마이크로소프트의 경우 2009년 MS Research center에서 차분 프라이버시를 적용

한 질의 처리 엔진인 PINQ(Privacy Integrated Queries)를 개발하였으며, 구글은

2014년 RAPPOR (Randomized Aggregatable Privacy-Preserving Ordinal

ICT R&D 동향

정보통신기획평가원 37

Response), 2017년 PATE(Private Aggregation of Teacher Ensembles),

PROCHLO(Strong Privacy for Analytics in the Crowd)를 통해 개인정보를 보

호하는 통계질의 기술에 대한 연구를 수행하였음

- 특히, PATE와 PROCHLO는 현재 인공지능 분야에서 가장 각광받고 있는 딥러닝

적용을 위한 차분 프라이버시 개발과, 개인 사용자들로부터 데이터 수집 시 야기될

수 있는 개인 정보 노출 방지를 위한 차분 프라이버시 기술로서 차분 프라이버시가

데이터 처리의 최첨단에서 다루어지고 있는 이슈임을 보여줌

- 애플은 구글과 달리 차분 프라이버시 기술을 외부에 공개하진 않으나 2016년 연례

개발자회의(WWDC)에서 ios 10에 차분 프라이버시를 적용하기로 발표함으로써 데

이터 분석을 선도하는 세계 수준의 기업들이 모두 차분 프라이버시를 정보보호 기술

로 채택하고 있음을 보여주고 있음

3. 표준화 동향

본 기술/제품과 직접적으로 관련 있는 국내 표준화 현황

- 국내의 경우 행정자치부에서 2013년 “공공정보 개방·공유에 따른 개인정보 보호

지침”을 낸 바 있으며, 이후 2014년 방송통신위원회의 “빅데이터 개인정보보호 가이

드라인”, 2015년 미래창조과학부의 “빅데이터 활용을 위한 개인정보 비식별화 기술

활용 안내서”가 나온 바 있음

- 가장 최근에는 2016년 국무조정실, 행정자치부, 방송통신위원회, 금융위원회, 미래

창조과학부, 보건복지부가 합동으로 제시한 “개인정보 비식별 조치 가이드라인”이

존재하며, 개인정보의 사전검토와 개인식별 요소의 제거를 통한 비식별 조치,

k-anonymity 적용을 통한 비식별 적정성 평가, 그리고 비식별정보에 대한 사후

관리에 대해 정의하고 있음

본 기술/제품과 직접적으로 관련 있는 국외 표준화 현황

- 미국 및 캐나다: 의료 정보에 대해 HIPAA Privacy Rule에 따른 비식별화 가이드라

인(2012), EHR(Electronic Health Record)을 포함하는 의료 정보에 대한 프라이

버시, 접근, 그리고 데이터 보안 가이드라인(2014), De-identification Guidelines

주간기술동향 2020. 1. 22.

38 www.iitp.kr

for Structured Data(2016)

- EU: 익명화 규약에 관련된 Anonymisation: managing data protection risk

code of practice(2012), 빅데이터 분석에 따른 프라이버시 노출 위험과 개인정보

보호 가이드라인인 Big data and data protection(2014), EU에서 단일화된 개인

정보보호법인 GDPR(General Data Protection Regulation)(2016)

- 일본: IT 종합전략본부에서 개인정보보호법 제정(2015), 2017년 현재 비식별 가이

드라인 추진

4. 관련 보유특허

5. 기술적 경쟁력

IV. 국내외 시장 동향 및 전망

1. 국내/해외 시장 동향 및 전망

비식별화 기술은 암호화로 대표되는 보안 시장과는 별개이며, 현재 시장이 형성되어

있지는 않으나 개인정보누출로 인해 야기되는 피해액과 데이터를 거래하는 데이터 마

켓 시장 규모를 통해 비식별화 기술의 시장 규모를 간접적으로 추정할 수 있음

국가 출원번호(출원일) 상태 명칭

대한민국 10-2017-0160491 등록 차분 프라이버시를 적용한 교통량 배포 시스템 및 방법

경쟁기술 본 기술의 우수성 및 차별성

DatacoupDatacoup는 사용자가 자신의 데이터를 판매할 수 있는 웹기반 데이터 마켓 플랫폼 서비스이다. 제안 데이터 마켓은 Datacoup에서 고려하지 못한 개인정보보호를 위한 차분 프라이버시 기술을 적용하였다. 또한, 적정 가격 결정을 위한 게임이론 기반의 협상 기법을 포함한다.

Privatal프라이버시 보호를 위한 컨설팅 및 웹기반 프라이버시 보호 기술을 제공하는 기업이다. 제안 기법은 trust한 curator의 존재 없이도 개인 수준에서 노이즈를 삽입하여 개인의 프라이버시를 보호할 수 있는 local 차분 프라이버시를 제공한다.

ICT R&D 동향

정보통신기획평가원 39

- CareFirst, UCLA 헬스 등의 건강보험업체들의 1억 1,570만 건에 이르는 개인정보

누출, 홍콩의 장난감 제조업체 V테크의 1,120만 건 이상의 고객정보 누출, 미국 국

세청의 약 33만 건의 세금 정보 누출 등이 대표적인 개인정보누출 사건으로, 2015

년 기준 이와 같은 사이버범죄로 인한 피해액은 미국 1,080억 달러, 중국 600억

달러, 독일 590억 달러 등 전세계적으로 총 4,450억 달러에 달하는 것으로 보고되고

있음(참고자료: 2015 Allianx Global Corporate & Specialty 보고서)

국내에서도 2014년 1억 명분의 개인정보가 유출된 역대 최대 규모의 카드사 개인정보

유출 사건, 약 1,200만 명의 개인정보가 누출된 KT 사건, 약 1,000만 건의 고객 정보

가 유출된 인터파크 사건 등 대규모 개인정보누출 사례가 일어난 바 있으며, 이후 개인

정보보호를 위한 가이드라인을 국가 차원에서 개발하여 배포하고 있으나, 아직 암호화

를 비롯한 보안 기술이 아닌 비식별화 기술에 대한 인식이 부족하여 추가적인 사고

발생의 위험이 남아 있는 상황임

2. 제품화 및 활용 분야

V. 기대효과

1. 기술도입으로 인한 경제적 효과

차분 프라이버시 기반 비식별화 기술을 자체적인 개인정보보호 기술 개발이 어려운

중·소규모 업체에 제공함으로써 관련 산업 분야 부양에 기여

활용분야(제품/서비스) 제품 및 활용분야 세부내용

데이터 마켓 서비스 개인과 기업이 데이터를 거래하는 데이터 마켓에 차분 프라이버시 기법을 적용함으로써 개인정보침해 방지

데이터 분석 서비스 기업이 수집한 개인 데이터를 분석할 때 야기될 수 있는 개인정보침해를 차분 프라이버시 기법을 적용함으로써 방지

공공 데이터 제공 공공기관에서 수집한 데이터를 연구 목적으로 배포할 때 발생할 수 있는 개인정보침해를 차분 프라이버시 기법을 적용함으로써 방지

주간기술동향 2020. 1. 22.

40 www.iitp.kr

데이터의 안전한 활용이 가능한 비식별화 기술을 확보함으로써 산업체가 보유한 데이

터를 활용하여 새로운 부가가치를 창출할 수 있을 것으로 기대

데이터의 위험도와 유용성을 객관적으로 측정할 수 있는 근거를 마련함으로써 데이터

의 자유로운 거래가 이루어지는 데이터 마켓 시장 활성화에 기여

2. 기술사업화로 인한 파급효과

의식적/무의식적으로 제공하는 정보로부터 개인정보를 추출하고, 위험도를 평가함으로

써 프라이버시 침해에 대한 사회적 인식을 환기

자신이 제공하는 데이터의 위험도와 차분 프라이버시를 통한 비식별화로 보장되는 정

보보호 수준을 객관적 기준에 근거하여 명시함으로써 각 개인이 정보 활용에 따른 혜

택과 위험을 평가하는 것이 가능

사업책임자: 문형돈(기술정책단장)

과제책임자: 이성용(융합정책팀장)

참여연구원: 이재환, 이효은, 권요안, 김용균, 박주혁, 김우진, 전영미(위촉)

통권 1930호(2020-02)

발 행 년 월 일 : 2020년 1월 22일발 행 소 : 편집인겸 발행인 : 석제범등 록 번 호 : 대전 다-01003등 록 년 월 일 : 1985년 11월 4일인 쇄 인 : ㈜승일미디어그룹

(34054) 대전광역시 유성구 유성대로 1548(화암동 58-4번지)

전화 : (042) 612-8296, 8210 팩스 : (042) 612-8209

6

http://www.iitp.kr