- A사에서 개발한 인공지능 채용 프로그램이 지원자 중 남성 지원자를 더 우대

이유

- 이 프로그램이 여성보다 남성 직원 비율이 높은 회사의 직원 이력 사항을 학습한 결과 남성 지원자에게 더 높은 점수를 주었기 때문이다.

해결 방안

- 차별 금지법 마련하기

- 인간의 최종 결정권을 통해 검증, 보완하기

- AI에 학습되는 데이터가 편향되지 않도록 사회적 노력 기울이기

얼굴 인식 오류: 얼굴 인식 알고리즘이 백인 남성을 가장 정확하게 인식하는 반면, 피부색이 짙은 여성의 인식 정확도는 훨씬 낮게 나타났습니다.

검색 엔진: '교수'를 검색하면 백인 남성이 주로 나타나지만, '흑인 청소년'을 검색하면 교도소에 있는 모습이 나타나는 등, 편향된 데이터로 인해 왜곡된 결과가 생성됩니다.

데이터 다양성을 확보한다.

이유: 얼굴 인식 AI가 백인 얼굴 데이터 중심으로 훈련돼 흑인이나 유색인종에 대한 정확도가 현저히 낮은 것으로 드러났다.

해결방안

1. 공공기관에서의 얼굴 인식 기술 사용을 제한하거나 금지하는 법안

2.AI가 공정성을 유지하도록 정기적인 감사와 평가를 실시

3.편향성을 최소화하는 기술 개발

하지만 최근 의료 인공지능이 인종, 성별, 소득 등에 따라 편향된 치료법을 제시한다는 연구 결과가 나오면서 일각에서는 이에 대한 주의가 필요하다

미국의 한 의료기관에서 사용된 AI가 환자의 건강 수준을 예측할 때,

동일한 건강 상태라도 흑인 환자보다 백인 환자에게 더 많은 의료 자원을 배정했습니다.

채용 과정에서의 성차별

아마존 채용 도구: 아마존이 개발한 AI 기반 채용 도구는 남성 지원자에게 유리한 결과를 내놓아 폐기되었습니다. 과거 남성 중심이었던 기술 업계의 채용 이력 데이터를 학습하면서, '여성'을 의미하는 단어가 포함된 이력서에 불이익을 주도록 학습했기 때문입니다.

고소득 직군 광고: AI가 고소득 직업 광고를 남성에게 더 자주 노출하는 사례가 발견되기도 했습니다. 이는 AI가 학습한 기존 데이터에 성별에 따른 직업 고정관념이 반영된 결과입니다.

데이터 단계에서의 노력

다양한 데이터 수집 및 관리: 훈련 데이터가 특정 그룹에 편중되지 않도록 다양하고 대표성 있는 데이터를 적극적으로 수집하고 관리해야 합니다.

기고문은 미국 스탠퍼드대 연구진이 오픈AI의 이미지 생성 AI '달리'(DALLE)로 진행한 실험에 관한 것이었다.

달리는 아프리카와 빈곤을 연결해 이미지를 보여줬다. '아프리카 남자와 세련된 집'을 명령어로 입력하면 '진흙집 앞 흑인' 그림이 출력됐다. 가정부는 유색인종으로, 기내 승무원은 여성으로만 표현했다.

해결방안: 올바른 데이터 학습시키기

이미지 생성: '아프리카인 남성'을 묘사하는 이미지를 생성하라고 했을 때, 진흙집이 있는 배경과 흑인 남성이 등장하거나, 가정부는 백인 여성으로, 기내 승무원은 여성으로만 표현하는 등 성 역할 고정관념을 보여줍니다.

이유: 그걸 만든 사람이 데이터를 잘 학습시키지 않아서

해결 방안: 데이터를 잘 학습시킨다

-AI가 사용자의 신용 한도를 결정하는 과정에서 젠더 편향이 나타났습니다. 재산을 공동으로 관리하는 부부임에도 남편이 아내보다 훨씬 높은 신용 한도를 받은 사례가 있습니다.

해결방안

-차별 금지법 만들기

• 사례: 2020년 발표된 한 논문은 미국 병원에서 사용되는 AI 알고리즘이 흑인 환자보다 백인 환자를 더 우대한다는 사실을 밝혀냈다.

• 편향 원인: 이 알고리즘은 '의료비 지출'을 환자의 건강 상태를 대변하는 지표로 사용했습니다. 그러나 미국 사회에서 흑인 환자들은 역사적으로 의료 접근성이 낮아 백인 환자보다 의료비 지출이 적었고, 이로 인해 AI는 흑인 환자들의 건강 상태를 과소평가했습니다. 그 결과, 흑인 환자들은 더 심각한 질병을 앓고 있음에도 불구하고 불필요하게 낮은 위험군으로 분류되어 적절한 치료를 받지 못했다. 

AI회사 N회사에서 이미지 생성 도구 인종•성차별 결과를 만든다

이유

여성 흑인을 약자로 표현한 학습데이터를 학습했기 때문에

해결방안

인간이 마지막에 보안 검증하기

- 이미지 생성을 할 경우에 '의사'와 같은 직업을 검색하면 대부분 백인 남성 이미지가 나타나고, 다른 직업이나 인종의 이미지는 상대적으로 적게 나타나는 경우가 있다.

이유

- AI 이미지 생성 모델은 인터넷에서 수집한 수많은 이미지를 학습하는데,
그 이미지 대부분이 백인 남성 중심의 직업 이미지로 구성되어 있다. 예를 들어, “doctor(의사)”를 검색하면 실제보다 백인 남성 사진이 압도적으로 많기 때문ㅇㅣ다.

해결방안

- AI 개발 시 ‘편향 검증 단계’ 강화하기

- ‘공정성 알고리즘(Fairness Algorithm)’ 도입

- AI 투명성 강화

사례: "구글 모델이 여성의 정신적, 신체적 건강 문제를 특히 무시하는 경향이 있다"며 "받게 되는 돌봄의 양은 인지된 필요에 따라 결정되기 때문에, 편향된 모델이 실제로 사용된다면 여성들은 더 적은 돌봄을 받게 될 수 있다."

이유: 여성이기 때문에

해결방안: AI에 차별을 학습하지 않게 법 만들고 단속

이유:얼굴 인식 AI가 백인 얼굴 데이터 중심으로 훈련돼 흑인이나 유색인종에 대란 정확도가 현저히 낮은 것으로 드러났다

"백인은 의사, 흑인은 병자"…위험한 편견 답습하는 AI

이유

정작 만들어진 이미지는 백인 남성 의사가 흑인 어린이를 돌보는 사진이었다.(사진) 연구진은 300회 이상 명령어를 입력하고 '흑인 의사'가 '백인 아이'를 돌보는 사진을 만들어줄 것을 반복해서 요구했지만 원하는 이미지를 얻는 데 실패했다. AI는 그저 기존에 만들어진 편견 섞인 이미지를 흡수하고 학습할 뿐 기존 관념을 뛰어넘는 새로운 뭔가를 만들지는 못한다는 것을 보여준 것이다

해결방안

공정한 데이터 수집: 다양한 인종, 성별, 지역을 포함한 균형 잡힌 데이터를 확보해야 합니다.

의사는 백인,범죄자는 흑인으로 분류했다.

이유

-생성형AI의 무분별한 학습 과정에서 인간의 혐오 표현, 범죄, 정치적 편향성 등이 답변에 반영됬다.

해결 방안

-인공지능이 편향된 데이터를 학습하지 않도록 노력한다.

애플의 '시리', 구글의 '어시스턴트' 등 대부분의 AI 음성 비서가 기본적으로 여성 목소리를 사용하여, 비서나 고객 응대와 같은 서비스 직종은 여성의 역할이라는 성 고정관념을 심화시킬 수 있다는 우려가 제기되었다.

이유

과거 전화 교환원, 비서, 콜센터 상담원 등 서비스 및 보조 역할을 여성이 주로 담당했던 역사적, 사회적 배경이 AI 설계에 반영되었기 때문이다.

해결방안

• AI 학습에 사용되는 데이터셋 구성 단계에서부터 젠더 편향을 줄이기 위한 노력이 필요

• AI 윤리 권고안을 바탕으로 기술 개발 및 활용 과정에서 젠더 편향성 평가를 의무화하고 법제화

• 유네스코(UNESCO) 등 국제기구는 AI 비서가 인간이 아니라는 점을 명시하고, 기술 기업들이 성 편견을 조장하지 않도록 권고

기고문은 미국 스탠퍼드대 연구진이 오픈AI의 이미지 생성 AI '달리'(DALLE)로 진행한 실험에 관한 것이었다.

달리는 아프리카와 빈곤을 연결해 이미지를 보여줬다. '아프리카 남자와 세련된 집'을 명령어로 입력하면 '진흙집 앞 흑인' 그림이 출력됐다. 가정부는 유색인종으로, 기내 승무원은 여성으로만 표현했다.

업계는 빅데이터에 내재한 인간의 편향성에 따른 결과라고 본다고 한다.

:의료 인공지능이 여성 간질환을 놓치는 확률이 44%를 도달 남성은 23%

이유

: 여성의 건강 문제에 관한 임상 데이터 부족

해결방안

: 여성의 건강 문제 데이터를 수집해 AI학습

법적, 윤리적, 사회적 측면에서 알아보고

3가지 이상을 작성하시오.

얼굴 특징 가리기: 넓은 챙 모자, 선글라스, 마스크 등을 사용해 얼굴의 주요 특징(눈, 코 등)을 가리면 인공지능의 인식률을 낮출 수 있습니다

접근 제어 및 감사: 인공지능이 개인정보에 접근할 수 있는 권한을 통제하고, 데이터 접근 이력을 주기적으로 감사해야 합니다.

개인정보 보호 및 보안 강화

• 비밀번호 관리 도구와 2단계 인증을 활용해 계정 보안을 강화하세요. 

  1

• 출처가 불분명한 이메일, 링크는 클릭하지 않고, 백신 프로그램을 최신 상태로 유지해야 합니다. 

  1

• 공용 와이파이 사용은 자제하고, 개인정보 입력은 안전한 네트워크에서만 진행하세요. 

  1

윤리적·법적 사용 원칙

• AI 활용 시 인간 중심성, 투명성, 공정성을 지키고, 법적 규정을 반드시 준수해야 합니다. 

  2

   

  3

• AI의 결정 과정은 투명하게 설명되어야 하며, 편향이나 사생활 침해가 없도록 주의해야 합니다. 

  2

   

  3

안전한 활용을 위한 추가 팁

• AI가 생성한 결과물의 저작권은 원칙적으로 인간 창작자에게 귀속되며, AI는 보조적 역할로 간주됩니다. 

  4

• 의심스러운 활동이나 비정상적 계정 접근이 감지되면 즉시 조치를 취하세요. 

  1

이처럼 인공지능을 안전하게 사용하려면 기술적·윤리적·법적 기준을 모두 지키는 것이 중요합니다.

AI 인공지능 플랫폼 안전하게 사용하기: 개인정보 보호부터 보안 위협까지 완벽 가이드 - 잇쯔넷 - ITZZ.NET💻

1

잇쯔넷

AI 윤리강령, 법적준수! 올바른 인공지능 활용 방법은?

2

평화비둘기

네이버 블로그

인공지능(AI) 보안과 신뢰 구축: 위험 관리 및 윤리적 사용 가이드

3

Toolify

생성형 AI를 법적으로 안전하게 사용하는 방법

4

ITWorld

🔒 1. 개인정보 최소 제공

• 서비스 이용 시 이름, 주민등록번호, 전화번호, 위치 정보 등 불필요한 정보는 입력하지 않기

• 회원가입이나 AI 도구 사용 시 “선택 항목”은 가능하면 비워두기

• 예: “로그인 없이 체험하기” 옵션이 있으면 그걸 사용하기

🧠 2. 민감한 내용은 대화나 업로드에 포함하지 않기

• AI 챗봇, 번역기, 이미지 생성기 등은 대화 내용이 서버에 저장될 수 있음

• 따라서 주소, 학번, 계좌번호, 비밀번호, 얼굴 사진 등은 입력하지 말기

• 특히 업로드한 문서나 사진에 메타데이터(위치, 이름) 가 포함되어 있지 않은지 확인

🔐 3. 안전한 계정 관리

• AI 서비스 로그인 시 이중 인증(2단계 인증) 활성화

• 비밀번호 재사용 금지, 주기적 변경

• 소셜 로그인(Google, Kakao 등)을 사용할 때는 권한을 꼭 확인하고 최소화

🌐 4. 신뢰할 수 있는 AI 서비스만 사용하기

• 개인정보 처리방침이 명확히 제시된 서비스 사용

• “AI가 데이터를 학습에 사용할 수 있다”는 조항이 있으면 동의하지 않거나 제한 설정하기

🧰 5. AI 사용 기록 및 접근 권한 관리

• AI 앱이나 웹사이트의 카메라, 마이크, 파일 접근 권한을 필요한 경우에만 허용

• 사용 후에는 기록 삭제나 대화 내역 초기화 기능 활용

원하신다면, 위 내용을 초등학생 / 중학생 / 직장인 버전으로 각각 간단히 바꿔드릴 수도 있어요.
어떤 버전으로 해드릴까요?

• 신뢰할 수 있는 서비스 사용

  • **보안 인증(예: ISO/IEC 27001, GDPR 준수)**을 받은 AI 플랫폼이나 공식 앱을 사용하기.

  • 출처가 불분명한 AI 웹사이트나 무료 툴은 데이터 유출 위험이 있으므로 피하기.

• 접근 권한 및 설정 관리

  • AI 앱의 **권한(카메라, 마이크, 파일 접근 등)**을 꼭 필요한 수준으로만 허용하기.

  • 계정 비밀번호를 강력하게 설정하고, **2단계 인증(2FA)**을 활성화하여 계정 보호 강화하기.

- AI 챗봇 ‘이루다’를 개발한 스캐터랩은 카카오톡 대화문장 약 94억 건을 사용자 동의 없이 수집해 챗봇 학습에 활용했습니다.

- 특히 20대 여성의 사적인 대화가 포함된 데이터가 외부에 노출되었고, 일부 직원들이 이를 내부 채팅방에서 공유한 사실이 드러났습니다.

- 결과적으로 254명의 피해자가 집단 손해배상 소송을 제기했고, 개인정보보호위원회가 조사에 착수했습니다.

2. AI 응답에 고객정보 노출 사건 (2022년)

- 한 기업의 생성형 AI가 고객 응대 중 실제 고객의 이름, 주소, 계좌번호 등 민감 정보를 응답에 포함시킨 사례입니다.

- 이는 AI가 학습한 내부 데이터가 필터링 없이 출력된 결과로, 기업은 즉시 해당 기능을 중단하고 보안 강화 조치를 취했습니다.

3. 내부 코드 및 학습 데이터 유출 사건 (2023년)

- 개발 중이던 생성형 AI가 내부 소스코드와 민감한 학습 데이터를 외부로 유출한 사례가 보고되었습니다.

- 이 사건은 AI가 학습한 코드 일부를 외부 요청에 응답하면서 노출시킨 것으로, 기업의 보안 설계 미비가 원인이었습니다.

---

Sources

(2) 방화벽: 디지털 인프라를 악의적인 공격으로부터 격리하는 보호 장벽으로서 방화벽은 온라인 활동을 보호하기 위한 기본 보안 계층을 제공합니다.

(3) 침입 감지 시스템: 네트워크 또는 조직에 대한 잠재적인 보안 위협을 사전에 감지하고 완화할 수 있는 포괄적인 모니터링 및 실시간 경고를 제공합니다.

시스템을 정기적으로 업데이트하면 위험이 줄어들고 데이터 침해 및 무단 액세스 위협이 줄어듭니다. 데이터 수집 시 개인정보를 보호하려면 사전 동의와 투명성이 중요합니다. 조직은 AI 시스템이 개인 데이터를 수집, 처리 및 사용하는 방법에 대해 명확하고 간결한 설명을 제공해야 합니다.

데이터 사용에 대한 개인의 명시적인 동의를 얻고 데이터에 액세스하고 제어할 수 있도록 허용하는 것은 데이터 정책 공개 및 사전 동의의 핵심 측면입니다. 개인 정보 보호 기본 설정을 존중하는 것도 신뢰를 구축하고 개인 정보를 보호하는 데 중요합니다.

개인 데이터를 보호하는 것은 개인 정보 보호에 매우 중요하며, 이를 달성하려면 데이터 익명화 및 가명화와 ​​같은 방법이 중요합니다.

투명성 및 설명 가능성: AI 시스템이 개인정보를 어떻게 활용하고, 어떤 결정을 내리는지 사용자가 이해할 수 있어야 합니다. 그러나 복잡한 AI 모델의 경우, 투명성과 개인정보 보호가 상충될 수 있습니다.

사생활 침해 위험: AI는 위치 정보, 생체 정보, 활동 기록 등 민감한 정보를 지속적으로 수집하고 분석할 수 있습니다. 이는 개인의 사생활이 침해될 가능성을 높이며, 공공의 AI 수용에 걸림돌이 됩니다.

둘째, 기술적 보호조치를 통해 개인정보가 유출되지 않도록 해야 한다. 데이터 저장과 전송 과정에서는 반드시 암호화를 적용하고, 통계나 모델 학습 시에는 차등프라이버시(Differential Privacy) 기술을 활용하여 개인의 정보가 노출되지 않도록 노이즈를 추가할 수 있다. 또한 연합학습(Federated Learning) 같은 방식을 통해 데이터가 중앙 서버로 이동하지 않고 각 기기에서 학습되도록 함으로써 보안성을 높일 수 있다.

셋째, 관리적·제도적 보호조치가 필요하다. 이는 개인정보 접근 권한을 최소한으로 제한하고, 접근 기록을 지속적으로 감사하는 체계를 의미한다. 인공지능 시스템을 운영하는 조직은 개인정보 수집 목적과 이용 방법을 투명하게 공개하고, 사용자로부터 명확한 동의를 받아야 한다. 또한 사용자가 자신의 정보를 열람·수정·삭제할 수 있는 권리를 보장해야 하며, 개발자와 운영자를 대상으로 정기적인 보안 교육을 실시하여 개인정보 보호 의식을 강화해야 한다.

이처럼 인공지능의 개인정보 보호는 기술적, 관리적, 제도적 측면이 함께 이루어질 때 비로소 효과적으로 실현될 수 있다.

개인을 식별할 수 있는 정보(이름, 주민등록번호, 전화번호 등)를 제거하거나 변환하여 데이터가 특정 개인과 연결되지 않도록 하는 방방이다.

데이터 최소 수집 원칙(Minimization Principle)

2. 데이터 최소 수집

AI가 작동하는 데 꼭 필요한 최소한의 개인 정보만 수집하고, 불필요한 데이터는 저장하지 않거나 즉시 삭제한다.

3. 암호화 및 접근 통제

저장되거나 전송되는 개인정보를 암호화하여 외부에서 접근하더라도 내용을 알아볼 수 없게 하고, 접근 권한을 가진 사람만 데이터를 볼 수 있도록 제한한다.

2.개인정보 처리 방침 확인하기

3.사용자 동의 정보 확인하기

안전한 비밀번호 관리: 추측이 어려운 안전한 비밀번호를 사용하고, 주기적으로 변경합니다.

데이터 제공 신중: 친구에게도 개인정보를 함부로 알려주지 않듯, AI에 개인정보를 제공하는 것에 신중해야 합니다.

-비밀번호와 계정 보안 강화하기
→ 비밀번호를 정기적으로 바꾸고, 숫자·특수문자·대문자를 섞어 사용한다

-AI 서비스의 개인정보 처리방침 확인하기
→ 인공지능이 내 데이터를 어떻게 수집하고 활용하는지 개인정보 처리방침을 꼭 읽어보고, 동의하지 않는 항목은 사용하지 않는다

2. 접근 권한 및 보안 관리 강화

3. 데이터 유출 대응 체계

데이터 공유 설정 관리: AI 서비스의 개인정보 설정에서 데이터 공유 옵션을 확인하고 불필요한 정보는 공유되지 않도록 설정합니다.

최신 보안 업데이트 유지: AI 서비스 제공자의 보안 업데이트를 즉시 적용 하고, 사용 기기의 소프트웨어와 운영체제도 최신 상태로 유지하여 잠재적 취약점을 보완합니다.

프롬프트 입력 신중: 생성형 AI 사용 시 개인정보가 포함된 내용을 입력하지 않도록 주의하고, 필요한 최소한의 정보만 제공합니다. 입력한 내용이 AI 학습에 활용될 수 있음을 인지해야 합니다.

→ 인공지능을 활용해 불법적으로 개인정보를 수집하거나 유출하려는 행위를 자동 감시하고 차단할 수 있습니다.

예: 정부 기관이나 기업이 AI 감시 시스템을 통해 해킹 시도를 조기 발견.

2. AI의 투명한 사용과 개인정보 보호 기준 설정

→ 인공지능이 데이터를 다룰 때 어떤 정보를 사용했는지 사용자에게 공개하고, 윤리 지침을 따르도록 합니다.

3. AI 보안 시스템을 통한 사회적 신뢰 형성

→ 공공기관과 기업이 AI 보안 시스템을 활용해 개인정보 유출 사고를 예방하면, 사회 전반의 신뢰가 높아집니다.

다음은 절대 AI 서비스에 입력하면 안 되는 정보들입니다.

주민등록번호, 여권번호, 운전면허번호 등 식별번호

은행 계좌/카드 번호, 온라인 결제 비밀번호, OTP 코드

의료 기록(진료기록, 처방전 등) — 특히 식별 가능할 때

회사 내부 비밀(비밀번호, API 키, 비밀 문서 전문 등)

다른 사람의 민감한 개인정보(친구·직장동료의 연락처, 주소 등)

2) 프롬프트(질문) 안전하게 바꾸는 법 — 예시

직접 예시로 바꿔볼게요.

원래(위험):

"내 주민등록번호 123456-1234567로 대출 시나리오 만들어줘."

안전한 버전:

"개인 식별정보 없이, 일반적인 성인(나이 30대 남성)을 가정한 대출 상담 시나리오와 필요한 서류 목록을 알려줘."

원래(위험):

"우리 회사 내부 문서(영업기밀 포함)를 요약해줘. 파일 내용: ..."

안전한 버전:

"비밀정보를 제외한 공개 가능한 범위의 회의록 요약 예시를 만들어줘. 예: 회의 목적, 결론, 다음 단계(기밀 세부사항 제외)."

항상 실제 값 대신 역할/가명/일반화를 사용하세요 (예: 고객A, 고객B, 도시 이름 대신 국가).

3) 기술적 대책 — 더 안전하게 쓰는 방법

로컬 모델 사용: 인터넷으로 입력을 보내지 않고 내 컴퓨터/사내 서버에서 구동되는 모델을 사용하면 전송·저장 위험을 줄입니다.

프라이버시 모드/옵트아웃: 일부 상용 AI 서비스는 학습에 사용자 데이터를 사용하지 않도록 설정하는 옵션이 있습니다(이용 가능하면 활성화).

엔드투엔드 암호화(E2EE): 중요한 파일을 공유하거나 저장할 때 암호화 사용.

가명화·익명화 도구: 자동으로 이름, 이메일, 전화번호 등을 가려주는 전처리 도구를 활용.

접근 통제: 민감 데이터에 대한 권한 최소화(누가 볼 수 있는지 제한).

로그/이력 점검: 어떤 데이터가 전송·저장됐는지 서비스 로그를 확인하고 불필요하면 삭제 요청.

MFA(다단계 인증): 계정 보호에 필수.

윤리적 보호 방법: 투명성 확보. AI가 어떻게 데이터를 수집하고 활용하는지, 그리고 어떤 원리로 작동하는지 투명하게 공개하여 사용자의 신뢰를 확보해야 한다.

사회적 보호 방법: 국민 인식 제고. AI 기술이 개인정보에 미치는 영향에 대해 국민이 충분히 이해할 수 있도록 교육하고, 경각심을 높여야 한다.

1. 민감한 정보를 절대 입력하지 않기

2.신뢰할 수 있는 서비스·설정만 사용하기

3. 기기·계정 보안으로 노출 가능성 차단하기

이렇게 3가지다.

이용 제한의 원칙에 따라 목적 외 활용을 금지하고, 목적 달성 시 파기합니다.

투명성 원칙에 따라 통지·설명을 간결하고 이해하기 쉽게 제공합니다.

설명: 개인을 식별할 수 있는 정보(이름, 주민등록번호, 전화번호 등)를 제거하거나 변환하여 데이터가 특정 개인과 연결되지 않도록 하는 방법입니다.

예시:

이름을 “사용자 A”로 바꾸기

얼굴 이미지를 흐리게 처리하기

효과: AI가 학습할 때 개인정보 노출 위험을 최소화합니다.

2. 데이터 최소 수집 원칙(Minimization Principle)

설명: AI가 작동하는 데 꼭 필요한 최소한의 개인 정보만 수집하고, 불필요한 데이터는 저장하지 않거나 즉시 삭제합니다.

예시:

음성 비서가 명령어만 분석하고 대화 전체를 저장하지 않도록 설정

효과: 데이터 유출 시 피해를 최소화할 수 있습니다.

3. 암호화(Encryption) 및 접근 통제(Access Control)

설명: 저장되거나 전송되는 개인정보를 암호화하여 외부에서 접근하더라도 내용을 알아볼 수 없게 하고, 접근 권한을 가진 사람만 데이터를 볼 수 있도록 제한합니다.

예시:

클라우드 서버에 저장된 AI 학습 데이터를 AES 방식으로 암호화

관리자 계정에 다중 인증(MFA) 적용

효과: 해킹이나 내부 유출로부터 데이터를 보호합니다.

사회적 측면에서는 법적 규제를 넘어 사회적 신뢰와 책임을 지키는 것이 중요하다. AI가 어떤 데이터를 어떻게 활용하는지를 투명하게 공개해야 하며, 데이터 편향을 최소화하여 특정 집단에게 불리한 결과가 발생하지 않도록 해야 한다.

마지막으로 윤리적 측면에서는 법적으로 문제가 없더라도 인간의 존엄성과 도덕적 책임을 고려해야 한다. 개인이 자신의 정보를 스스로 통제할 수 있는 자율성을 존중하고, AI의 활용이 개인이나 사회에 해를 끼치지 않도록 해야 한다.