1 전희주 ; 이현지 ; 연규필 ; 김동례, "통계모형의 정확도에 기반한 비식별화 데이터의 품질 측정" 한국콘텐츠학회 19 (19): 553-561, 2019
2 류영하 ; 정강수 ; 박석, "통계 배경 지식을 이용한 추론 공격에서 프라이버시를 지키는 익명화 기법" 한국정보과학회 17 (17): 195-199, 2011
3 강준영 ; 정수용 ; 홍도원 ; 서창호, "차분 프라이버시를 만족하는 안전한 GAN 기반 재현 데이터 생성 기술 연구" 한국정보보호학회 30 (30): 945-956, 2020
4 강주성 ; 강진영 ; 이옥연 ; 홍도원, "익명성 관련 측도에 기반한 데이터 프라이버시 확보 알고리즘에 관한 연구" 한국정보보호학회 21 (21): 149-160, 2011
5 정강수 ; 박석 ; 최대선, "온라인 상에 공개된 부분 익명화된 빅데이터의 프라이버시 침해 가능성 분석" 한국정보보호학회 28 (28): 665-679, 2018
6 김승환 ; 전성해, "오토인코더를 이용한 데이터 비식별화" 한국지능시스템학회 30 (30): 228-235, 2020
7 문혜정 ; 조현석, "빅 데이터 시대 위험기반의 정책 - 개인정보침해 사례를 중심으로 -" 한국지능정보사회진흥원 19 (19): 63-82, 2012
8 황치광 ; 최종원 ; 홍충선, "데이터 유용성 향상을 위한 서비스 기반의 안전한 익명화 기법 연구" 한국정보과학회 42 (42): 681-689, 2015
9 성민경 ; 정연돈, "데이터 스트림에서 프라이버시 보호를 위한 익명화 기법" 한국정보과학회 41 (41): 8-20, 2014
10 김정연 ; 박민정, "다중대체와 재현자료 작성" 한국통계학회 32 (32): 83-97, 2019
1 전희주 ; 이현지 ; 연규필 ; 김동례, "통계모형의 정확도에 기반한 비식별화 데이터의 품질 측정" 한국콘텐츠학회 19 (19): 553-561, 2019
2 류영하 ; 정강수 ; 박석, "통계 배경 지식을 이용한 추론 공격에서 프라이버시를 지키는 익명화 기법" 한국정보과학회 17 (17): 195-199, 2011
3 강준영 ; 정수용 ; 홍도원 ; 서창호, "차분 프라이버시를 만족하는 안전한 GAN 기반 재현 데이터 생성 기술 연구" 한국정보보호학회 30 (30): 945-956, 2020
4 강주성 ; 강진영 ; 이옥연 ; 홍도원, "익명성 관련 측도에 기반한 데이터 프라이버시 확보 알고리즘에 관한 연구" 한국정보보호학회 21 (21): 149-160, 2011
5 정강수 ; 박석 ; 최대선, "온라인 상에 공개된 부분 익명화된 빅데이터의 프라이버시 침해 가능성 분석" 한국정보보호학회 28 (28): 665-679, 2018
6 김승환 ; 전성해, "오토인코더를 이용한 데이터 비식별화" 한국지능시스템학회 30 (30): 228-235, 2020
7 문혜정 ; 조현석, "빅 데이터 시대 위험기반의 정책 - 개인정보침해 사례를 중심으로 -" 한국지능정보사회진흥원 19 (19): 63-82, 2012
8 황치광 ; 최종원 ; 홍충선, "데이터 유용성 향상을 위한 서비스 기반의 안전한 익명화 기법 연구" 한국정보과학회 42 (42): 681-689, 2015
9 성민경 ; 정연돈, "데이터 스트림에서 프라이버시 보호를 위한 익명화 기법" 한국정보과학회 41 (41): 8-20, 2014
10 김정연 ; 박민정, "다중대체와 재현자료 작성" 한국통계학회 32 (32): 83-97, 2019
11 김현일 ; 박철희 ; 홍도원 ; 최대선, "금융 데이터 상에서의 차분 프라이버시 모델 정립 연구" 한국정보보호학회 27 (27): 1519-1534, 2017
12 LATANYA SWEENEY, "k-anonymity : a model for protecting privacy" 10 (10): 557-570, 2012
13 Neha Patki, "The Synthetic data vault" 399-410, 2016
14 Cynthia Dwork, "The Algorithmic Foundations of Differential Privacy" 9 (9): 211-407, 2014
15 Keith Bonawitz, "TOWARDS FEDERATED LEARNING AT SCALE: SYSTEM DESIGN" 2019
16 Narayanan, A, "Robustde-anonymization of larg sparsedatasets" 111-125, 2008
17 Surim Lee, "Raising Risk and Suggesting Solution about Personal Information De-identification in Big-Data Environment" 23 (23): 297-300, 2016
18 "LendingClub Statistics"
19 "Google AI, Federated learning"
20 Qiang Yang, "Federated Machine Learning: Concept and Applications" 10 (10): 12:1-12:19, 2019
21 Yue Zhao, "Federated Learning with Non-IID Data"
22 Xin Yao, "Federated Learning with Additional Mechanisms on Clients to Reduce Communication Costs"
23 Tian Li, "Federated Learning : Challenges, methods, and future directions" 37 (37): 50-60, 2020
24 Jakub Konecny, "FEDERATED LEARNING:STRATEGIES FOR IMPROVING COMMUNICATION EFFICIENCY"
25 Andrew Hard, "FEDERATED LEARNING FOR MOBILE KEYBOARD PREDICTION"
26 Taewhan Kim, "Differentially Private Synthetic Data Generation Methods for Online Community Data" 209-211, 2018
27 Bowen, C. M., "Comparativestudy of differentially private datasynthesis methods"
28 H. Brendan, "Communication-Efficient Learning of Deep Networks from Decentralized Data" 54 : 1273-1282, 2017
29 Cynthia Dwork, "Calibrating Noise to Sensitivity in Private Data Analysis" 2006
30 DongHyun Kang, "A Study on the Preservation of Similarity of privated Data" 285-288, 2017