자율주행 환경에서의 얼굴 익명화 모델 평가 기준 및 방법론에 관한 연구 = A Study on Evaluation Criteria and Methodology for Facial Anonymization Models in Autonomous Driving Environments

국문 초록 (Abstract)

본 연구는 자율주행 환경에서 촬영·수집되는 영상 데이터에 포함된 얼굴 정보를 안전하게 보호하기 위한 얼굴 익명화 모델의 객관적 평가 기준과 평가 방법론을 제안한다. 자율주행 차량은 외부 및 내부 카메라를 통해 운전자와 보행자 등의 개인정보를 지속적으로 수집하므로, 개인정보보호법 및 국제 규제(GDPR, CCPA, UN R.155 등)에 따라 얼굴 정보의 익명화는 필수적인 기술적 요구사항으로 대두되고 있다.
그러나 현재 얼굴 익명화 기술 분야는 평가 지표와 기준의 불일치로 인해 모델 간의 성능 비교가 어렵고, 객관적 검증이 이루어지지 않는 한계가 있다. 본 연구는 이러한 문제를 해결하기 위해 통계적 방법론에 기반한 표준화된 얼굴 익명화 평가 기준을 제시하고, 이를 통해 익명화 성능을 체계적으로 측정할 수 있는 방법론을 확립하였다. 제안한 평가 기준은 얼굴 익명화의 핵심 요소인 얼굴 특징점 변화, 시각적 유사도, 재식별 방지 능력을 중심으로 구성되며, 여러 익명화 모델을 대상으로 실험을 수행하여 기준의 타당성을 검증하였다. 이를 통해 제안된 기준이 다양한 기술적 접근법 간의 성능 차이를 객관적으로 구분할 수 있음을 확인하였다.
본 연구의 제안은 자율주행 환경에서 수집되는 시각 데이터의 개인정보보호 수준을 정량적으로 평가할 수 있는 기반을 제공하며, 향후 얼굴 익명화 기술의 성능 비교와 산업 표준화에 기여할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This study proposes evaluation criteria and a methodological framework for facial anonymization models aimed at protecting personal visual information collected in autonomous driving environments. As autonomous vehicles continuously capture and process visual data of drivers, passengers, and pedestrians through internal and external cameras, facial anonymization has emerged as a critical technical requirement to comply with privacy regulations such as the GDPR, CCPA, and UN Regulation No.155.
However, existing facial anonymization studies face limitations due to inconsistent evaluation indicators and the absence of standardized benchmarks, making it difficult to conduct objective comparisons and validations among models. To address these issues, this study establishes standardized, statistically grounded evaluation criteria that enable systematic and reproducible assessment of anonymization performance. The proposed criteria focus on three key aspects—facial landmark variation, visual similarity, and re-identification resistance—which collectively represent the core dimensions of anonymization effectiveness. Experiments with multiple anonymization models were conducted to verify the applicability and validity of the proposed framework, confirming that it can objectively distinguish models with different technical approaches.
The proposed evaluation framework provides a quantitative foundation for assessing the privacy protection level of visual data collected in autonomous driving systems. It is expected to contribute to fair performance comparison, benchmark standardization, and the secure utilization of personal data in the mobility domain.

목차 (Table of Contents)

• I. 서론 1
• II. 배경지식 및 선행 연구 5
• 2.1. 얼굴 익명화 기술 동향 및 평가 지표 동향 6
• 2.1.1. 컴퓨터 비전 알고리즘 기반 익명화 기법 6
• 2.1.2. 머신러닝 알고리즘 기반 익명화 기법 7
• 2.1.3. 얼굴 특징점 추출 알고리즘 8
• 2.1.4. 얼굴 익명화 모델 평가 지표의 현황 8
• 2.2. 자동차 사이버보안 평가 국제 표준 및 규제 프레임워크 11
• 2.2.1. 자동차 사이버보안 평가 관련 국제 표준 11
• 2.2.2. 인공지능 모델 성능 평가 프레임워크 연구 14
• III. 얼굴 익명화 모델 평가 기준 17
• 3.1. 평가 기준 개발 실험 세팅 17
• 3.1.1. 실험 데이터셋 구성 17
• 3.1.2. 통계적 평가 기준 설정 방법론 21
• 3.2. 제안하는 평가 기준 22
• 3.2.1. 얼굴 특징점 개수 감소율 평가 기준 22
• 3.2.2. 얼굴 유사도 평가 기준 25
• 3.2.3. 얼굴 재식별률 평가 기준 27
• 3.2.4. 알고리즘별 모델 평가 지표 29
• 3.2.5. 추가 정량적 평가 기준 30
• 3.3. 제안한 평가 기준에 대한 검증 실험 32
• 3.3.1. 검증 실험 설계 33
• 3.3.2. 검증 실험을 위한 익명화 모델 34
• 3.3.3. 검증 실험 결과 35
• 3.3.4. 종합적 평가 37
• 3.4. 검증 결과 분석 및 기여 41
• 3.4.1. 정량적 평가 기준 정리 41
• 3.4.2. 평가 기준의 유효성 및 학술적 기여 분석 42
• IV. 얼굴 익명화 평가 방법론 제안 44
• 4.1. 단계 1: 익명화 44
• 4.2. 단계 2: 점수 산출 46
• 4.3. 단계 3: 등급 산출 48
• V. 결론 50
• 참고 문헌 53
• ABSTRACT 61