동일한 정보주체에 대하여 관측값이 시간축으로 이어지면, 개별 시점보다 패턴 자체가 식별 단서가 될 수 있으므로, 다른 공개된 데이터와의 결합을 쉽게 만든다는 점에서 가명처리의 취약지점이 됩니다. 예를 들어서 드문 시간대의 반복 행동등이 있을 수 있습니다. 그래서, 시계열 데이터는 좀 더 가명처리 수준을 높여야 합니다.

개인정보처리자는 통계작성, 과학적 연구, 공익적 기록보존을 위해 동의없이 가명정보를 처리할 수 있습니다. 다만, 제3자 제공시 특정 개인을 알아볼 수 있는 정보를 포함하는것을 금지하고 있는 법적요건이 있습니다. 가명처리 절차에 대해서는 개인정보보호위원회의 가명정보 처리 가이드라인에 따라 안전조치 절차를 마련하여야 합니다.

시계열 분석을 위한 반복 결합의 경우, 2회차부터는 심사를 간소화하는 의견이 있습니다. 단, 최초에 심사 받은 데이터의 대상, 처리 방법과 이용환경이 동일한 경우에 해당됩니다. 즉, 동일 목적의 반복적 시계열 반출은 절차를 간소화하여 처리하자는 의견입니다. 그러나, 시계열 분석은 현재 제공되는 데이터셋이 이전에 받은 데이터셋과 연계하여 분석을 수행하는것을 고려하여 식별위험성검토를 해야 합니다. 연속된 데이터의 활용가치가 있는만큼 유용한 데이터를 활용할 수 있도록 하는것과 시계열 분석에 따른 위험성이 모두 존재하기 때문입니다.

따라서, 안전조치 의무사항을 준수하는것이 중요합니다. 가명정보는 재식별 방지를 위한 지속적인 모니터링을 실시하고 기술적, 관리적, 물리적 보호 조치를 취해야 합니다.

시계열 데이터 분석에서는 세밀한 타임스탬프를 사용하는 경우 희귀 패턴이 생겨 유일도가 높아질 수 있으며, 긴 관측 기간으로 개별 이용자의 행태가 구분되는 경우가 발생할 수 있습니다. 반복제공되는 데이터로 외부자로 부터 차분으로 식별 단서를 찾을수도 있는 공격이 있으며, 소수 집단이나 희귀 이벤트는 빈도가 낮아 연결 위험이 높아질 수 있습니다. 위치정보나 결제정보가 반복적으로 누적될 경우 식별성이 높아질 수 있습니다.

가명정보는 익명정보와 달리, 데이터에 대한 위험성을 이용환경에 대한 관리로 통제하는 특징이 있습니다. 시계열 분석의 경우 특별히 관리되는 안전한 관리환경이 기본적인 분석환경이 되어야 할것 입니다.

시계열 분석은 데이터의 시간, 연결성 때문에 가명처리 난이도가 높습니다. 그래서 시간 해상도 조정, 희귀 데이터 제어, 반복 반출을 위한 관리, 내부 분석 우선 같은것이 핵심사항입니다. 국내 개인정보보호법과 가명정보 처리 가이드라인은 이 흐름을 전제로 절차와 안전조치를 제시하고 있습니다. 그 틀 안에서 목적에 맞는 최소한의 연속성만 남기는 것이 중요합니다. 가명처리 절차에 따라 안전성을 확보하여 정보주체의 프라이버시를 보호할 수 있도록 해야 합니다.