데이터 보호에 대한 거시적 접근법 완성

데이터 보호를 보는 조직의 문화적 시각은 데이터 프라이버시 및 보안 정책의 제정 및 실행 방식을 결정합니다. Harvard Business School은 "데이터 윤리"를 개인 식별 정보의 수집, 보호, 사용과 관련된 도덕적 책임 그리고 이러한 행위가 끼치는 영향으로 정의합니다.³ 책임성 있는 방식으로 데이터 관련 결정을 내리고 신뢰할 수 있는 AI를 장려하려면 다음과 같은 데이터 윤리 원칙을 고려하십시오.

데이터 윤리는 데이터 관리를 위해 원칙에 기초하여 행동하고 관행을 따르는 기업 문화를 확립하고자 합니다. 이러한 윤리 및 데이터 리터러시의 문화가 조직 전반에서 채택되고 제품과 운영에 반영되는 것이 이상적입니다. 반면 데이터 프라이버시는 사람, 비즈니스 프로세스, 기술을 통해 이러한 원칙에 기초한 행위를 활성화하는 정책과 관행을 정의하고, 이들을 수집부터 저장까지 데이터 라이프사이클 전반에 걸쳐 작동시키고자 합니다. 이 방법은 데이터 패브릭 접근법의 일환으로 견고한 데이터 거버넌스 프레임워크를 생성하고 자동화하는 일의 핵심을 구성합니다.

데이터 거버넌스는 프라이버시를 위해 데이터에 대한 액세스를 제한하는 것과 분석 향상을 위해 데이터에 대한 액세스를 넓히는 것 사이의 균형을 유지하는 데 도움을 줍니다. 데이터를 원활하게 사용하도록 지원하는 동시에 무단 액세스로부터 보호하려면 데이터 액세스 제어와 같은 적절한 데이터 프라이버시 툴을 활용해야 합니다. 그리고 이러한 툴을 AI와 결합하십시오. 예를 들면, 중요한 데이터를 식별하지 않고 사용할 수 있도록 익명화하거나 데이터에 태그를 지정하여 정책 실행을 지원하십시오.

철저한 데이터 관리가 적용된 데이터 패브릭과 같이 올바른 데이터 아키텍처를 보유하면 개인 데이터를 비밀로 보호하면서 데이터 사용자가 이러한 데이터에서 인사이트를 얻을 수 있도록 지원하는 데 유용합니다.

"규정 변경, 타사 데이터, AI 규정을 비롯하여 향후 25가지 상황이 무엇이 되든 그와 관련된 알 수 없는 상황에 대처하려면 매우 탄력적이고 대응력이 뛰어난 데이터 보호 프레임워크를 갖추어야 합니다."라고 IBM의 서비스, 규정 준수 및 연구 부문 부사장이자 최고 프라이버시 책임자인 Lee Cox는 말합니다. "프라이버시, 윤리, 데이터 거버넌스의 시너지 효과는 예상한 것보다 훨씬 더 큽니다. 그러나 기술 덕분에 이제 우리는 그 어느 때보다 더 효율적으로 규모에 맞게 데이터에 확신을 갖고 의존할 수 있습니다."

"기술이 발전하고 있지만, 위협이 기하급수적으로 증가하고 있습니다."라고 IBM의 데이터 플랫폼 서비스 부문 수석 엔지니어 겸 글로벌 CTO인 Mehdi Charafeddine은 말합니다. "다행스럽게도 데이터 보호를 적용하고 데이터 프라이버시를 지원할 수 있는 정교한 방법이 더 많아지고 있습니다."

Gartner에 따르면, 데이터 보안은 이동 중이거나 사용되지 않는 중요한 정보 자산을 보호하는 프로세스와 관련 방법론으로 구성됩니다. 그렇기 때문에 데이터 보안 유지에는 결국 암호화, 다단계 인증, 마스킹, 삭제 또는 데이터 복원력 등 데이터 프라이버시 보호에 사용되는 툴과 소프트웨어가 매우 중요한 역할을 수행합니다. 그러나 적절한 제어와 정책을 실행하려면 적절한 앱과 알고리즘을 활용하는 것만큼 조직의 문화를 적절하게 조성하는 것이 중요합니다.

기술적 관점에서 보면 데이터 패브릭 아키텍처로 데이터를 보호할 수 있습니다. 즉, 사용자가 애플리케이션이라는 지점에서 데이터와 상호작용하는 "프론트 도어"와 데이터가 생성 및 저장되는 소스, 즉 "백 도어", 그리고 그 사이의 모든 지점에서 데이터를 보호합니다. 이러한 프론트 도어 및 백 도어 접근법은 적절한 데이터 보안 정책과 제어를 시행하려면 반드시 필요합니다.

"많은 고객이 여러 지리적 위치에서 사업을 운영합니다."라고 IBM의 데이터 거버넌스, 데이터 프라이버시 및 데이터 사이언스 부문 제품 관리 디렉터인 Priya Krishnan은 말합니다. "그래서 이러한 고객의 데이터 사이언티스트들은 여러 지리적 위치에서 분석을 실행하려고 했습니다. 그러나 사일로 때문에 또는 중앙집중식 관리가 부재했기 때문에 데이터를 공유할 수 없는 경우가 많습니다. 이들이 기존에 택한 해결책은 '데이터를 상상하고 시뮬레이션하여 모델을 수립하는 것'이었습니다. 그러나, 데이터 패브릭을 활용하면 조직은 적절한 거버넌스 및 프라이버시 규칙이 적용된 상태에서 데이터 사이언티스트들에게 데이터를 제공할 수 있습니다. 그래서 이들은 정말로 전사적인 이니셔티브를 실행할 수 있습니다."

데이터 보안 조치를 엔드투엔드 데이터 관리에 적용하는 것은 특히 중요한 데이터의 보안과 프라이버시 모두를 지원하는 데 중요합니다. 예를 들면, 의료 연구를 수행하는 병원을 생각해 보십시오. 이 병원은 규제 정보 또는 개인 식별 정보를 확인할 수 없는 상태로 특정 데이터나 애플리케이션을 사용해야 하는 타사 전문가 또는 데이터 사이언티스트와 협력해야 할 수 있습니다. 자동화된 역할 기반 데이터 정책은 다양한 당사자와의 협력을 지원하는 동시에 애플리케이션 수준에서 프라이버시 및 규정 준수를 위해 데이터를 보호할 수 있습니다. 신뢰할 수 있는 AI를 구현하려면 이와 동시에 이러한 데이터를 소스에서 보호해야 합니다. 소스란 데이터가 저장되는 곳으로, 데이터가 처음 수집된 온프레미스 데이터베이스가 한 예입니다. 그러나 사이버 범죄자가 이러한 시스템에 침입하려고 한다면 환자 정보는 여전히 취약합니다.

데이터 보안을 올바르게 구현하려면 사람, 프로세스, 기술을 통합하고 AI에서 신뢰를 구축해야 합니다. 엔터프라이즈의 모든 영역에서 정보 보안을 우선시하려면 다음과 같은 모범 관행에 대해 알아보십시오.