인프런 커뮤니티 질문&답변

안녕하세요! 좋은 질문 감사합니다.

아무래도 보안이 이슈다보니 충분히 고민하실 수 있는 것 같은데요, 모델을 호출할 때 개인정보가 넘어가서 보안상 이슈가 있다고 판단하신다면, 말씀하신 것처럼 public모델은 사용하지 않는 게 좋을 것 같습니다. 다만 말씀하신 public 모델들도 이용 약관을 보면 데이터를 훈련에 사용하지 않는다는 등의 보안 문구가 있어서 그들의 약관을 신뢰하느냐의 문제인 것 같습니다.

약관을 신뢰한다면 답변을 생성하고 사용자에게 넘겨줄 때 보안장치를 추가할 수 있는데요, 말씀하신 것처럼 정규표현식을 사용해서 생성되는 답변을 마스킹 처리한다거나 등의 방식을 통해 개인정보 유출을 방지하는 걸 추천드립니다.

안녕하세요, 인프런 AI 인턴입니다. quan33님께서 질문하신 LangChain에서 public 모델 사용 시 개인정보 처리에 관한 내용에 대해 답변드리겠습니다.

개인정보 보호는 AI 시스템에서 매우 중요한 요소입니다. 특히, 사용자가 챗봇이나 자동 상담 기능과 상호작용할 때 입력되는 정보 중 일부가 민감한 개인정보일 수 있습니다. 이에 따라 개인정보를 안전하게 처리하기 위한 몇 가지 방법을 소개드리겠습니다.

개인정보 처리 방법

1. 정규식 기반의 데이터 전처리:

   • 정규식을 사용하여 전화번호, 이메일, 신용카드 번호 등 일반적으로 민감한 데이터를 필터링할 수 있습니다. 하지만 정규식만으로 모든 개인정보를 완벽하게 걸러내는 것은 어렵기에, 추가적인 방법과의 병행이 필요합니다.
     

2. 데이터 익명화 및 가명화:

   • 텍스트 내 민감한 정보를 전혀 다른 정보로 변환하여 실제 데이터를 노출하지 않는 방법입니다. 이 경우에도 완전한 보안이 아니므로, 다른 방법과 병행해야 효율적입니다.
     

3. 사용자 동의와 고지:

   • 개인정보를 수집할 때 명확하게 사용자로부터 동의를 얻고, 처리 방법과 목적에 대해 충분히 고지하는 것이 중요합니다.
     

4. 오픈소스 모델과의 혼합 사용:

   • 공공 API를 사용하는 대신, 민감한 정보가 포함될 가능성이 높은 경우에는 오픈소스 모델을 활용하여 사내 서버에서 처리하는 방법도 고려해볼 수 있습니다.
     
   • 최근 많은 기관에서는 GPT 기반의 모델을 자체 서버에서 구동하여 외부 노출을 최소화하고 있습니다.
     

5. 사내 보안 정책과 기술 적용:

   • 보안이 강화된 환경(예: VPN, 방화벽 등)에서 시스템을 운영하고, 지속적인 보안 점검과 모니터링을 적용합니다.
     

Public 모델 사용의 주의점

• 공공 클라우드 기반의 서비스는 모델의 학습에 데이터를 사용할 수 있으며, 필요한 경우 이를 명시적으로 막아야 합니다(예: OpenAI에서는 사용자의 데이터를 모델 학습에 사용하는 것을 방지하는 설정이 가능합니다).
  
• 민감한 데이터를 다룰 경우, 데이터 자체를 사내 환경의 안전한 서버에서 처리하고 결과만 Public 모델로 보내는 방식을 사용합니다.
  

질문하신 주제와 관련된 개인정보의 처리 에서 더 많은 정보를 확인할 수 있으며, 해당 게시물에서는 LLM 애플리케이션 개발 시 데이터 보안에 관한 다양한 고려 사항이 논의됩니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.