와이즈스톤 와이즈스톤

기술인사이트

기술리포트

인공지능 학습용 인물 영상 및 인물 이미지 데이터 구축 시 개인정보보호 사례
  • 작성자
    더테스트 최윤석 선임연구원
  • 작성일
    2026-02-24




1. 서론

최근 인공지능 기술이 다양한 서비스에 적용되면서 인공지능 학습 데이터 구축 시 개인정보 침해로 인한 법적 및 윤리적 이슈가 중요한 과제로 떠오르고 있습니다.

인공지능 기술이 발전하면 할수록 크고 작은 개인정보 관련 사고가 지속되어 개인정보보호 정책을 강화해야 한다는 사회적 요구가 지속되고 있으며, 특히 인물의 영상과 이미지 데이터는 개인의 사생활 침해 가능성이 높아 데이터 구축 단계에서의 개인정보보호가 필수적입니다.
따라서 인공지능이 학습을 하기 위한 데이터 구축 시 개인정보의 처리에 대한 안전성과 신뢰성 확보가 필요합니다.

본 포스팅에서는 인공지능 학습을 위한 인물 영상 및 인물 이미지 데이터 구축 시 개인정보보호에 대한 가이드를 설명하고, 수행 사례에 대해 알아보는 시간을 갖도록 하겠습니다.



2. 인공지능 학습용 영상 및 이미지 데이터 구축 시 개인정보보호 가이드


2.1 인공지능 학습용 데이터 획득(수집) 단계 개인정보보호 가이드

인공지능 학습용 데이터 수집 단계에서는 『개인정보 보호법』에 따라 개인정보 수집/이용에 대한 정보주체의 사전 동의가 필수적입니다.

특히 민감정보 및 고유식별정보가 포함되는 경우, 관련 법령에서 정한 요건에 따라 해당 사실을 개인정보 수집 동의서에 명확히 고지해야 하며, 정보주체가 수집되는 데이터의 유형과 활용 범위를 충분히 이해할 수 있도록 동의 과정에서 구체적인 설명이 요구됩니다.

○ 개인정보 수집 동의

- 개인정보는 필수/선택 동의로 구분하여 필요한 최소한의 개인정보를 수집한다.
- 개인정보 처리에 대해 정보주체의 동의를 받을 때에는 각각의 동의 사항을 구분하여 알리고 수집/이용 목적, 수집/이용하려는 항목, 기간 등에 관한 내용을 명확히 알려야 한다.
- 개인정보 수집/이용 동의를 받았더라도 목적 외 이용인 경우에는 정보주체의 추가적 동의가 필요하다.
- 만 14세 미만 아동의 개인정보 수집 시 법정대리인의 동의가 필요하다.
※ 인공지능 학습용 데이터 구축 시 개인정보의 수집/이용 동의를 받는 경우 정보주체가 충분히 이해 및 예측할 수 있도록 ‘인공지능 학습용 데이터’의 의미, 개인정보 이용 범위 및 목적 등을 구체적으로 알려야 한다.


아래 표 예시는 인공지능 학습용 데이터 수집 시 개인정보 수집/이용 동의서에 포함되어야 할 주요 항목의 예시입니다.


<인공지능 학습용 데이터 수집/이용 예시>



○ 민감 정보와 고유식별정보




2.2 인공지능 학습용 데이터 정제/라벨링 단계 개인정보보호 가이드


인공지능은 패턴 인식과 예측을 위해 다양한 데이터를 학습합니다. 이를 통해 자연어 처리, 컴퓨터 비전, 추천 시스템 등 여러 작업을 수행하여 우리 생활의 문제를 해결해주는 편리함을 제공합니다.

인공지능이 학습하는 과정에서 개인정보가 사용될 우려가 있어 인공지능 학습용 데이터 정제/라벨링 시 비식별화는 개인정보보호를 위해 반드시 진행되어야 하는 과정입니다.


○ 개인정보 비식별화

- 개인정보 비식별화 조치
· 개인정보에서 개인식별 요소를 제거하여 특정 개인을 알아볼 수 없는 형태로 만드는 조치
· 식별자 삭제 등 일련의 조치를 통한 식별 방지와 프라이버시 모델 기반 추론 방지
· 정보에 포함되어 있는 개인정보의 일부 또는 전부를 삭제하거나 다른 정보로 대체함으로써 다른 정보와 결합하여도 특정 개인을 식별하기 어렵도록하는 일련의 조치



그림 1. 개인정보 비식별화 정의 (출처 : 개인정보 비식별 조치 가이드라인(비식별 조치 기준 및 지원·관리체계 안내), 2016.06 관계부처합동)


○ 개인정보 비식별 조치 및 사후관리 절차


그림 2. 개인정보 비식별화 조치 및 사후 절차
(출처 : 개인정보 비식별 조치 가이드라인(비식별 조치 기준 및 지원·관리체계 안내), 2016.06 관계부처합동)


특히 인공지능이 학습을 위한 이미지 및 영상 데이터의 경우 비식별화가 미흡할 경우 재식별 가능성이 높아 사후관리 단계까지 고려해야 하는 체계적인 절차가 중요합니다. 위 절차는 이미지 내에 포함된 사람의 얼굴을 가리는 작업에 그치지 않고 다른 정보와 결합했을 때 재식별 가능성까지 고려해야 함을 의미합니다.


- 1단계(사전검토) : 개인정보에 해당하는지 여부를 검토 후, 개인정보가 아닌 것이 명백한 경우 법적 규제 없이 자유롭게 활용
- 2단계(비식별조치) : 정보 집합물(데이터셋)에서 개인을 식별할 수 있는 요소를 전부 또는 일부 삭제하거나 대체하는 등의 방법을 활용, 개인을 알아볼 수 없도록 조치
- 3단계(적정성 평가) 다른 정보와 쉽게 결합하여 개인을 식별할 수 있는지를 「비식별 조치 적정성 평가단」을 통해 평가
-4단계(사후관리) : 비식별 정보 안전조치,재식별 가능성 모니터링 등 비식별 정보 활용 과정에서 재식별 방지를 위해 필요한 조치 수행



○ 영상 및 이미지 데이터 비식별화 처리

- 비식별화 범위 : 인물 얼굴, 자동차 번호판
- 개인정보에 해당하는 얼굴 부분, 자동차의 번호판을 흐림 효과(blur) 처리를 통해 비식별화


3. 인공지능 학습용 인물 영상 및 인물 이미지 데이터 구축 시 개인정보보호 수행 사례


3.1 개요

본 수행 사례는 실종 신고로 접수된 사람의 인상착의를 토대로 지자체 CCTV를 통해 실종된 사람을 식별하고 실종된 사람의 위치를 추적하는 시스템에서 사용되는 인공지능의 학습을 목적으로 인물의 인상착의와 같은 외형적 특징과 동작 정보를 포함한 영상 및 이미지 데이터를 구축한 사례입니다.

해당 데이터는 실제 인물의 외관, 동작, 이동경로 등이 포함되는 데이터로써 개인정보에 해당되는 정보들이 포함되어 이에 따라 『개인정보 보호법』에 근거한 적법한 수집 및 처리가 필수적으로 요구됩니다.

본 사례에서는 지자체(시/군/구)에서 운영 중인 CCTV를 통해 실종자를 연기하는 액터(인물)를 활용한 영상 및 이미지 데이터를 수집 및 구축을 하였습니다.


3.2 수행 절차



3.2.1 지자체 CCTV 수집 위치 선정

본 사례에서는 5개의 지자체의 CCTV 중 원시 데이터 수집을 위한 위치를 선정 하였으며, 선정된 위치는 불특정 다수의 개인정보 수집을 최소화하기 위해 사람과 차량의 통행이 비교적 적은 장소를 우선적으로 고려하였으며, 각 지자체 담당 주무관의 사전 검토 및 승인 절차를 거쳐 최종 수집 위치를 확정하였습니다.

3.2.2 원시 데이터 수집 및 동의 절차

5개 지자체 별로 선정된 CCTV 위치에서 사전에 정의된 영상 수집 시나리오에 따라 원시 데이터를 수집하였습니다. 이때 시나리오에 등장하는 액터(인물)에 대해서는 『개인정보 보호법』제15조 및 제22조에 따라 개인정보 수집/이용 동의서를 사전에 동의를 받아 데이터 수집을 위한 촬영을 진행하였습니다.

3.2.3 수집 데이터 비식별화 처리

수집된 CCTV의 원시 데이터에 대한 액터(인물)의 얼굴, 일반인의 얼굴, 차량 번호판 등 개인 및 차량을 식별할 수 있는 요소를 대상으로 비식별화 작업을 수행하였습니다.
비식별화는 영상 편집 도구를 활용하여 흐림(Blur) 효과를 적용하는 방식으로 진행하였으며, 이를 통해 특정 액터(인물)와 일반인 얼굴 및 차량 번호 등 특정할 수 있는 정보들을 식별할 수 없도록 비식별화 작업을 수행하였습니다.

3.2.4 비식별화 데이터 검수 및 반출

비식별화 작업이 완료된 데이터는 각 지자체 담당 주무관의 검수 절차를 거친 후 반출하였습니다. 검수 과정에서 식별 가능 요소가 적절히 비식별화되었는지를 중점적으로 확인하였으며, 검수가 승인되어 반출된 원시 데이터를 통해 인공지능 학습용 데이터로 활용하였습니다.


3.3 시사점


본 수행 사례를 통해 인공지능 학습용 인물 영상 및 이미지 데이터 구축 과정에서 개인정보보호는 선택 사항이 아닌 법적으로 준수해야 하는 필수 요소임을 확인할 수 있었습니다.
특히 공공 CCTV 영상과 같이 개인을 식별할 수 있는 정보가 포함될 가능성이 높은 데이터의 경우 『개인정보 보호법』제15조(개인정보의 수집/이용), 제23조(민감정보의 처리 제한), 제24조(고유식별정보의 처리 제한)에 따라 수집 목적의 명확화, 최소 수집 원칙, 비식별화 조치가 반드시 요구됩니다.

또한 『개인정보 보호법』제28조의2에 따라 가명정보 또는 비식별화된 정보라 하더라도 재식별 가능성을 고려한 사후 관리와 안전 조치가 중요하며, 이를 위해 수집 단계부터 비식별화, 검수 및 반출에 이르는 전 과정에서 체계적인 개인정보보호 절차를 적용하는 것이 필요합니다.

따라서 인공지능 학습용 데이터 구축 시에는 기술적 요구사항뿐만 아니라 관련 법령을 충분히 고려한 개인정보 체계를 함께 설계하는 것이 바람직합니다.




4. 결론

지금까지 인공지능 학습용 인물 영상 및 인물 이미지 데이터 구축 시 개인정보보호 수행 사례에 대해 살펴보았습니다.

인공지능 학습용 인물 영상 및 이미지 데이터에는 개인의 얼굴, 차량 번호판 등 개인을 식별할 수 있는 정보가 포함될 수 있으며, 이를 적절히 비식별화하지 않을 경우 『개인정보 보호법』제15조, 제23조 및 제 24조에 따른 법적, 윤리적 문제를 초래할 수 있습니다. 이는 개인의 사생활 침해뿐만 아니라 데이터 유출 및 재식별로 인한 보안 위협으로 이어질 수 있습니다.

따라서 인공지능 학습용 인물 영상 및 인물 이미지 데이터 구축 시에는 수집 목적을 명확히 하고, 개인정보 최소 수집 원칙을 준수하며, 얼굴 및 차량 번호판과 같은 식별 가능 요소에 대해 비식별화 처리를 철저히 수행하는 것이 필요합니다. 아울러 비식별화된 데이터라 하더라도 재식별 가능성을 고려한 검수 및 사후 관리 절차를 적용함으로써, 관련 법령을 준수하고 신뢰할 수 있는 인공지능 학습용 데이터를 구축하는 것이 바람직하다고 판단됩니다.