통계적 요약 파라미터 기반 합성데이터 원격 재현 구조 설계 = Design of a Remote Synthetic Data Reproduction Framework Based on Statistical Summary Parameters

국문 초록 (Abstract)

통계적 요약 파라미터 기반 합성데이터 원격 재현 구조 설계

이 서 용
강원대학교 대학원 데이터사이언스학과

본 연구는 대규모 정형 데이터 환경에서 원본 데이터를 외부로 이전하지 않고도 합성데이터를 안전하게 활용할 수 있도록, 통계적 요약 파라미터 기반 원격 재현 구조를 제안한다. 기존 방식은 생성된 합성데이터 파일을 저장·전송·관리해야 하므로 저장 비용, 전송 지연, 비식별성 검증 부담이 반복적으로 발생하였다. 본 연구는 스키마, 단일 분포 요약, 상관·연관 구조, 결측 패턴, 버전·증분 정보를 포함한 요약 파라미터를 제공기관 내부에서 생성하고, 이를 외부 재현기로 전달하여 합성데이터를 필요 시점에 재현하는 구조를 설계하였다.

원격 재현기는 입력 요약 파라미터를 검증·정규화한 뒤 Copula 기반 시뮬레이션, 확률 모델, 기계학습 기반 생성기 등 적합한 알고리즘을 선택하여 데이터를 재현하며, delta summary 기반 증분 재현 메커니즘을 통해 전체 요약을 재계산하지 않고도 변경된 지표만 반영하여 최신 상태를 구성한다. 실험은 비식별 처리 된 기업의 ERP데이터를 활용하여 수행되었으며, 통계적 유사도(1·2차 분포), 분석 유용성(예측·군집 성능), 효율성(전송·저장 크기), 증분 재현 성능(업데이트 비용)의 네 측면에서 평가되었다. 그 결과, 제안된 구조는 기존 합성데이터 방식과 동등한 통계적·분석적 품질을 유지하면서도, 요약 파라미터 기반 처리로 전송·저장 비용 99% 이상, delta summary 기반의 업데이트 비용을 97~99% 절감하는 효과를 보였다.

본 연구는 데이터 보유기관의 보안·규제 요구를 충족하면서 AI 학습 데이터 구축과 데이터 기반 서비스 개발을 지원하는 경량·고효율·프라이버시 강화형 데이터 교환 모델을 제시한다. 이는 민감 데이터 이동 없이 분석 가능한 새로운 합성데이터 활용 구조로서, 기관 간 데이터 협력과 확장 가능한 데이터 생태계 구축의 실질적 기술 기반을 제공한다.

□ 핵심주제어
합성 데이터, 통계적 요약정보, 데이터 재현, 데이터 교환 프로토콜, 개인정보보호

다국어 초록 (Multilingual Abstract)

Design of a Remote Synthetic Data Reproduction Framework Based on Statistical Summary Parameters

Lee Seo-yong
Department of Data Science
Graduate School, Kangwon National University

Abstract
This study proposes a summary-parameter-based remote reproduction framework that enables safe utilization of synthetic data in large-scale tabular environments without transferring raw data outside the source organization. Conventional synthetic data workflows require generated datasets to be stored, transmitted, and managed, resulting in recurring inefficiencies such as storage overhead, transmission delays, and the continuous burden of re-validating privacy protection. To address these limitations, the proposed approach generates summary parameters—comprising schema information, univariate statistics, correlation and association structures, missingness patterns, and versioned delta summaries—within the provider’s internal environment, and delivers only these summaries to an external reconstructor for on-demand synthetic data generation.

The remote reconstructor validates and normalizes the received summary parameters, and regenerates data by selecting an appropriate algorithm such as copula-based simulation, probabilistic modeling, or machine-learning-based generators. A delta-summary-based incremental reproduction mechanism is further incorporated to update the synthetic dataset to the latest statistical state without recomputing the full summary. Experiments conducted using de-identified ERP data from an enterprise system evaluated the proposed framework across four dimensions: statistical fidelity (univariate and multivariate distributions), analytical utility (predictive and clustering performance), efficiency (transmission and storage size), and incremental reproduction cost. The results show that the proposed model maintains statistical and analytical quality comparable to conventional synthetic data approaches while reducing transmission and storage costs by over 99%, and lowering update costs by 97–99% through delta-summary processing.

This study presents a lightweight, efficient, and privacy-enhancing data exchange model that satisfies organizational security and regulatory requirements while supporting AI training data construction and data-driven service development. The proposed structure enables safe analysis without moving sensitive data, providing a practical technical foundation for cross-organizational data collaboration and scalable data ecosystems.

□ keywords
Synthetic Data, Statistical Summary Information, Data Reconstruction, Data Exchange Protocol, Privacy Protection

목차 (Table of Contents)

• Ⅰ. 서론 1
• Ⅱ. 관련 연구 5
• 1. 합성데이터 생성 기술 개요 5
• 2. 차등 프라이버시(Differential Privacy) 기반 보호 기법 6
• 3. 데이터 제공유통 구조의 한계 7
• 4. 합성데이터 전송 및 재현 관련 선행 연구 비교 9
• 5. 기술적 공백(Technical Gap) 정리 10
• 6. 본 연구의 차별성 12
• Ⅲ. 통계적 요약 파라미터 기반 원격 재현 모델 제안 14
• 1. 제안 모델 개념적 개요 14
• 2. 구성요소 정의 15
• 3. 재현기(Reconstructor)의 알고리즘 상세화 18
• 4. 요약 파라미터 구조 정의 22
• Ⅳ. 시스템 설계 및 구현 25
• 1. 전체 시스템 아키텍처 설계 25
• 2. End-to-End 데이터 흐름 설계 26
• 3. Summary Generator 구현 (Provider 측) 27
• 4. Remote Reconstructor 설계 28
• 5. API-level 구조 29
• 6. 보안 및 프라이버시 설계 29
• 7. 증분 재현(Incremental Reproduction) 알고리즘 설계 30
• Ⅴ. 성능평가 및 분석 32
• 1. 실험 환경 32
• 2. 실험 데이터셋 33
• 3. 실험 방법 34
• 4. 실험 1: 통계적 유사도 평가 34
• 5. 실험 2: 분석 유용성 평가 (설계 관점) 39
• 6. 실험 3: 효율성 평가 (Transmission & Storage Efficiency) 40
• 7. 실험 4: 증분 재현 성능 평가 41
• 8. 종합 분석 42
• Ⅵ. 결론 45
• 1. 연구 결과 요약 45
• 2. 기대 효과 46
• 3. 연구의 한계 47
• 4. 향후 연구 과제 48
• 5. 전체 결론 48
• 참고문헌 49
• Abstract 51