마이크로데이터 매스킹기법 실무 활용 안내서 paragraph_id 14066

세부 알고리즘으로는 먼저 각 변수별로 원래 자료의 평균과 분산을 가지는 정규 분포를 찾아 그 정규 분포에서 잡음을 발생시켜 더하는 것이 있으며, 이를 비상관(uncorrelated) 잡음 추가라고 한다. 다음으로 원래 자료에서 매스킹 처리를 하고자 하는 모든 변수들의 공분산 행렬에 비례하는 공분산을 가지는 분포에서 잡음을 발생시켜 원래 자료에 더할 수 있는데 이를 상관(correlated) 잡음 기법이라 한다(Brand, 2004). 비상관 잡음 추가보다는 상관 잡음 추가가 원래 자료의 구조를 더욱 잘 보존하는 것이 당연하나, 상관 잡음 추가 기법을 사용하여도 원래 자료에서 정규성 가정이 성립하지 않는다면 매스킹 후에 자료의 구조가 심각하게 왜곡될 수도 있다. 이에 따라 상관 잡음 기법의 로버스트한 알고리즘이 제시되었고(Templ과 Meindl, 2008), 이 알고리즘 역시 sdcMicro 패키지에 구현되어 있다.