개인정보 마스킹 도구

두 단계: 패턴과 모델

민감한 값은 대부분 정해진 형식이 있고, 형식은 검증할 수 있습니다. 카드 번호는 Luhn 체크섬으로, IBAN은 ISO 13616 mod 97 검사로, IPv4 주소는 옥텟 단위로, IPv6 주소는 서브넷 계산기와 같은 파서로 확인합니다. API 키는 발급처가 공개한 접두사로 알아봅니다. GitHub, AWS, Stripe, Slack, Google, npm, 그리고 AI 서비스에서 쓰는 sk- 형식 키가 그렇고, 개인 키 블록, Authorization 헤더, DB_PASSWORD= 같은 설정값도 대상입니다. 이 단계는 입력할 때마다 실행되며 내려받을 것이 없습니다.

이름, 도로명 주소, 각종 번호에는 그런 형식이 없습니다. '하늘'이 사람 이름인지 그냥 하늘인지는 앞뒤 문맥으로만 알 수 있기 때문에 두 번째 단계는 패턴이 아니라 모델입니다. National Design Studio가 CC BY 4.0으로 공개한 작은 토큰 분류 모델 Rampart를 사용합니다. 6층 트랜스포머에 약 15 MB이며, 이름, 성, 도로명 주소, 납세자·여권·운전면허 번호 등을 구분하도록 학습되었습니다. 켰을 때만 기기의 백그라운드 워커에서 실행됩니다.

두 단계가 같은 글자를 두고 다르게 판단하면 패턴이 우선합니다. 체크섬을 통과한 번호는 모델의 추측보다 확실한 증거이기 때문입니다. 또한 값은 항상 통째로 바꿉니다. 이메일 주소의 절반만 남는 것은 어느 쪽 결과보다도 나쁩니다.

놓치는 것

자동 마스킹에 완벽한 것은 없고, 이 도구도 마찬가지입니다. 모델이 직접 공개한 평가에 따르면 라틴 문자 테스트 데이터에서의 재현율은 약 98%입니다. 학습 데이터와 비슷한 글이라도 개인정보 60건 가운데 1건 정도는 빠져나간다는 뜻입니다. 라틴 문자가 아닌 글자로 쓴 이름에는 훨씬 약해서, 모델 카드에 따르면 일본어 이름은 약 46%, 한국어는 15%, 중국어는 9%에 그칩니다. 패턴 단계는 어느 언어에서나 작동하지만 이름은 패턴이 아닙니다.

사람을 특정하는 정보가 늘 하나의 값 형태인 것은 아닙니다. 직함, 작은 동네 이름, 날짜만 있어도 가릴 단어 하나 없이 한 사람을 가리킬 수 있습니다. 또 다른 사각지대는 조직 내부 식별자입니다. 고객 번호, 사건 번호, 호스트 이름, 프로젝트 코드명은 그 조직 안에서만 의미가 있어 외부 도구는 알아볼 수 없습니다. 이런 것은 이 도구를 쓰기 전이나 후에 직접 바꿔 주세요.

그래서 결과에 강조 표시를 합니다. 바뀐 곳에는 모두 표시가 붙고, 모델이 찾은 부분은 일치가 아니라 판단이므로 점선으로 둘러싸입니다. 어디에 붙여 넣기 전에 반드시 읽어 보세요. 이 도구의 목적은 확인을 없애는 것이 아니라 확인을 빠르게 하는 것입니다.

바꾸는 방식 고르기

기본값은 번호 붙은 태그입니다. 텍스트를 읽을 수 있는 상태로 유지해 주기 때문입니다. 같은 값은 대소문자와 관계없이 항상 같은 태그를 받으므로 로그의 흐름이 남습니다. 예를 들어 '[EMAIL_1]이 로그인에 세 번 실패한 뒤 같은 [IP_1]에서 [EMAIL_2]가 성공했다'처럼 읽힙니다. 마스킹된 글을 읽는 AI 어시스턴트도 누가 무엇을 했는지 추론할 수 있습니다. 모든 주소가 같은 단어로 바뀌면 그럴 수 없습니다.

번호 없는 태그는 그 연결마저 지웁니다. 사고에 관련된 고객이 몇 명인지처럼 반복되는 양상 자체가 민감할 때, 혹은 남는 정보를 최소로 하고 싶을 때 쓰세요.

별표는 원래 길이와 배치를 그대로 두므로 고정폭 출력이나 스크린숏에 알맞습니다. 대신 길이 자체가 작은 단서가 됩니다. 두 글자 이름과 네 글자 이름은 여전히 구분됩니다.

'익명'이라는 말은 조심해서 써야 합니다. GDPR이나 한국의 개인정보 보호법에서는 눈에 띄는 식별자만 지운 데이터를 보통 가명정보로 보며, 여전히 개인정보로 다룰 수 있습니다. 이 도구는 태그에서 원래 값으로 되돌리는 대응표를 전혀 보관하지 않지만, 남은 문맥만으로도 누군가를 알아볼 수 있습니다.

텍스트는 어디로 가나요

어디로도 가지 않습니다. 패턴 단계는 페이지 안에서 실행됩니다. 모델은 켤 때 이 사이트에서 한 번만 내려받아 브라우저에 캐시합니다. 크기는 약 30 MB이며 ONNX Runtime WebAssembly 엔진과 모델 가중치로 이루어져 있습니다. 이후에는 Web Worker 안에서 실행되며, 텍스트도 결과도 기기 밖으로 나가지 않습니다. 브라우저 개발자 도구의 네트워크 탭에서 확인할 수 있습니다. 내려받은 뒤에는 감지를 실행해도 요청이 하나도 생기지 않습니다.

이 점은 다른 도구보다 여기서 더 중요합니다. 텍스트를 가리는 이유는 대개 그것이 다른 곳, 즉 AI 어시스턴트, 공개 이슈 트래커, 커뮤니티 게시글, 업체 고객 지원 창구로 갈 예정이기 때문입니다. 가리기 위해 가리기 전의 원문을 업로드하는 도구라면 존재 이유가 없습니다.