Synthesis of count data using a saturated one-inflated Poisson model
Abstract
공공데이터 개방이 확대되면서 통계적 활용이 높아지는 동시에 개인정보 유출 위험도 함게 증가하고 있다. 이에 따라 통계 구조를 유지하면서 안전하게 배포할 수 있는 합성 데이터의 필요성이 더욱 중요해지고 있다. 특히 행정 데이터는 다차원 교차표 형태의 계수 데이터로 구성되며, 이 중 빈도 1 셀은 특정 개인을 직접 식별할 가능성이 있어 높은 수준의 유출 위험을 가진다. 기존 포화 모형 기반 합성기는 음이항 분포의 분산 모수를 활용해 교란을 유도하지만, 사용자가 목표하는 위험 수준을 직관적으로 설정하기 어렵다는 한계가 있다. 본 연구는 이러한 문제를 해결하기 위해 일 광잉 포아송 포화 모형 (Saturated one-inflated Poisson; SOIP) 합성기를 제안한다. SOIP는 빈도 1 생성 확률을 제어하는 매개변수 π를 도입하고, 이를 위험 지표 τ4(1)과 함수적으로 연결함으로써 목표 위험 수준에 대응하는 매개변수를 사전에 도출할 수 있도록 한다. 두 종류의 실제 행정 데이터를 활용한 평가 결과, SOIP 합성기는 기존 포아송 합성기보다 τ4(1)을 안정적으로 낮추면서도 분포 기반 지표에서는 더 높은 유용성을 유지했으며, 모형 기반 분석에서도 기존 방법과 동등학나 우수한 성능을 보였다.
Fields of Study & Subjects
Privacy-Preserving Technologies in Data
Statistical Methods and Bayesian Inference
demographic modeling and climate adaptation
Publication details
- Journal / source
- Journal of the Korean Data and Information Science Society
- Volume
- 37
- Issue
- 1
- Pages
- 61–73
- Publication date
- 31 January 2026
- Language
- EN