미국 인구조사의 차분 프라이버시 — 합계만 내보내면 안전하다는 믿음이 무너진 뒤

10년마다 모든 사람을 세는 나라

미국은 10년에 한 번, 나라 안에 사는 모든 사람을 셉니다. 이 일이 인구조사이고, 연방 정부 기관인 미국 인구조사국이 맡습니다. 인구조사는 미국 헌법이 정한 일입니다. 그 숫자로 연방 하원의 의석을 주마다 다시 나누고, 나라 안의 모든 선거구를 다시 긋습니다 (DOI: 10.1145/3219819.3226070, 인구조사국 측의 1쪽 발표 초록). 연방 예산을 어디에 얼마나 나눌지도 이 숫자를 바탕으로 정합니다 (PMID 41191500). 사람들은 나이·성별·인종 같은 항목에 답하고, 인구조사국은 그 답을 비밀로 지키겠다는 약속을 걸고 받습니다 (DOI: 10.2478/jos-2023-0018).

결과는 표로 나옵니다. 2010년 인구조사는 표 묶음 180개에 1,500억 개가 넘는 숫자를 실었습니다. 그 표 대부분은 인구조사가 쓰는 가장 작은 구역 단위로 나왔고, 그런 구역에는 한 사람만 사는 곳도 있습니다 (DOI: 10.1162/99608f92.4a1ebf70). 몇 사람 살지 않는 구역마다 성별과 나이대별 인원까지 공개됐다는 뜻입니다.

「이 구역에 여자 몇 명」 같은 합계에는 이름이 없습니다. 그래서 합계만 내보내면 개인은 거의 드러나지 않는다고 여기기 쉽습니다. 통계 기관들도 반세기 동안 합계 표는 사람별 기록보다 본래 덜 드러낸다고 보고, 표에는 사람별 기록보다 약한 보호를 썼습니다. 2010년 미국 인구조사도 이 전제에 따라 표와 사람별 기록에 서로 다른 규칙을 썼습니다 (DOI: 10.1162/99608f92.4a1ebf70).

2020년 인구조사에서 인구조사국은 이 전제를 버렸습니다. 2017년에 발표한 대로, 발표하는 숫자에 일부러 무작위 값을 더하고 그 오차가 얼마나 되는지를 자료 이용자에게 알리기로 했습니다 (DOI: 10.21428/2c646de5.7ec6ab93, 2022년 사례 연구). 이 글은 그 결정이 무엇을 막았는지, 무엇을 대가로 치렀는지, 그 크기를 누가 정했는지를 따라갑니다.

이미 손을 본 숫자들

2010년 인구조사의 표도 날것의 숫자는 아니었습니다. 공개 회피(disclosure avoidance)는 통계 기관이 결과를 내보내기 전에, 그 결과로 응답한 사람 하나하나가 드러나지 않도록 손을 쓰는 일 전체입니다. 2010년까지의 공개 회피는 교환에 기댔습니다. 데이터 교환(data swapping)은 눈에 띄기 쉬운 가구의 응답을 다른 가구의 응답과 맞바꿔 싣는 방법입니다. 인구조사국은 1990년부터 2010년까지 이 방법을 썼고, 구체적인 방식은 상당 부분 비밀로 지켰습니다 (DOI: 10.1145/3709025.3712210).

수십 년 동안 인구조사국은 표와 공개용 사람별 자료에 일부러 오차를 넣으면서도, 얼마나 넣었는지와 정확한 방식은 밝히지 않았습니다 (DOI: 10.21428/2c646de5.7ec6ab93). 2020년 이전의 인구조사 숫자도 일부러 바꾼 숫자였고, 2020년에 새로 생긴 것은 그 오차를 넣는 방식과 크기를 밝힌다는 점이었습니다.

교환에는 지키는 숫자가 있었습니다. 가구를 맞바꾸더라도 가장 작은 구역의 인구 총수는 그대로 남았습니다 (DOI: 10.1162/99608f92.abc2c765). 구역마다 정확한 인구가 공개된다는 점은 다음 절의 공격이 기대는 조건의 하나입니다.

표 34개로 다시 짠 사람들

인구조사국은 2018년에 이미, 2000년과 2010년 인구조사의 보호 장치에 심각한 약점이 있다는 내부 연구 결과를 밝혔습니다. 그 약점은 2003년에 나온 「데이터베이스 재구성 정리」라는 수학 결과가 드러낸 것이었습니다 (DOI: 10.1145/3219819.3226070). 그 약점이 실제로 얼마나 큰지를 잰 모의 공격은 그 뒤에 나왔습니다.

재구성 공격(reconstruction attack)은 공개된 집계 숫자만 가지고, 그 숫자를 만들어 낸 사람별 기록을 거꾸로 짜 맞추는 공격입니다. 존 에이보드 등 연구진이 2010년 인구조사를 상대로 이 공격을 모의로 해 보고, 결과를 기밀 원자료와 맞대어 확인했습니다. 이 연구는 2023년 전미경제연구소(NBER) 워킹페이퍼로 나왔고 (DOI: 10.3386/w31995), 2025년 학술지에 실렸습니다 (DOI: 10.1162/99608f92.4a1ebf70). 발표된 표 묶음 180개 가운데 34개만으로 사람별 기록의 다섯 항목, 곧 사는 구역·성별·나이·인종·히스패닉 여부를 다시 짰습니다.

더 무거운 결과는 공격자가 스스로 답을 맞춰 볼 수 있다는 점입니다. 공개된 자료만 가지고, 공격자는 전체 구역의 70%, 9,700만 명이 사는 구역에서 모든 기록이 완벽하게 재구성됐음을 확인할 수 있었습니다 (DOI: 10.1162/99608f92.4a1ebf70). 정답지를 보지 않고도 어느 동네의 재구성이 맞았는지 안다는 뜻입니다.

연구진은 재식별, 곧 누구의 것인지 지운 기록을 다시 특정한 사람에게 이어 붙이는 일(「개인정보와 익명화 — 이름을 지워도 사람은 남는다」)까지 시험했습니다. 재구성이 완벽한 구역 안에서, 그 구역의 대다수와 인종·민족이 다른 340만 명이 인종·민족 항목에 실제로 무엇이라 답했는지를 95% 정확도로 맞힐 수 있었습니다. 이 정확도는 기밀 원자료로 맞힐 때와 같았고, 통계적 기준선보다 훨씬 높았습니다 (DOI: 10.3386/w31995). 동네에서 인종·민족이 남과 다른 사람의 그 응답이 드러날 수 있었다는 뜻입니다. 연구진은 2010년 체계의 결함이 「합계로 묶으면 정확한 재구성은 안 된다」는 가정에 있었다고 결론지었습니다.

다른 연구진의 결과도 같은 방향을 가리켰습니다. 무작위성을 쓰는 최적화 방법으로 집계 숫자에서 사람별 기록 전체를 다시 짰고, 다시 짠 기록마다 실제 자료에 있을 가능성의 순위까지 매겼습니다. 2010년 인구조사 자료와, 인구조사에서 파생된 다른 조사 자료 양쪽에서 확인된 결과입니다 (PMID 36800385). 저자들은 이 순위가 신원 도용이나 증오 범죄 같은 다음 행동의 표적을 고르는 데 쓰일 수 있다고 적었습니다.

세 사람이 사는 구역

어느 구역에 세 사람이 산다고 해 보겠습니다. 표 하나는 이 구역의 남녀 수를 셉니다. 다른 표는 나이대별 수를, 또 다른 표는 성별과 나이대를 겹쳐 셉니다. 표 한 장만 보면 세 사람이 각각 어떤 기록인지 알 수 없습니다. 그러나 같은 세 사람을 여러 각도에서 정확히 센 숫자들을 한꺼번에 만족하는 기록 조합은 몇 개뿐이고, 표가 늘수록 하나로 좁혀질 수 있습니다. 이렇게 되찾는 것은 이름 없는 기록이고, 그 기록이 누구인지 잇는 일은 또 한 단계입니다.

어디서 위험이 생기는지에 대해서는 보는 쪽마다 짚은 곳이 다릅니다. 인구조사국은 재구성 정리가 드러낸 약점을 들었습니다 (DOI: 10.1145/3219819.3226070). 다른 연구진은 큰 자료의 집계 숫자를 정밀하게 내보내는 일의 위험을 결론으로 적었습니다 (PMID 36800385). 재구성 위협 주장을 반박한 쪽은 재구성이 그렇게 쉽지 않다고 보면서도, 정확한 숫자를 어느 지리 단위까지 내보내느냐가 어떤 보호 방법을 쓰느냐보다 보호에 더 중요하다고 봤습니다 (DOI: 10.2478/jos-2023-0017). 세 쪽은 정확한 숫자를 내보내는 방식이 위험을 가른다는 데서 겹칩니다.

「개인정보와 익명화」에서 정의한 대로, 차분 프라이버시는 결과에 일부러 잡음을 섞어, 어느 한 사람의 자료가 들어 있든 빠져 있든 내보낸 결과가 거의 달라지지 않게 만드는 방식입니다. 세 사람 구역의 표마다 충분한 크기의 무작위 값을 더하면, 숫자들에 맞는 조합을 찾아내더라도 그것이 실제 세 사람이라고 믿을 근거가 약해집니다. 에이보드 등 연구진은 2020년 체계가 재구성에 기댄 공격을 막는다고도 보고했습니다 (DOI: 10.1162/99608f92.4a1ebf70).

다른 연구는 구체적인 피해 하나를 놓고 두 방식을 비교했습니다. 정부 지원 주택에 사는 사람은 허락받지 않은 아이나 동거인을 적발과 퇴거가 두려워 응답에서 빼고 답할 수 있습니다. 인구조사와 주택 당국의 공개 통계를 합친 간단하고 값싼 재구성 공격으로, 2010년에 거주 기준을 어기고 살던 지원 가구를 찾아낼 수 있음을 보였습니다. 합성 자료 실험에서 2010년식 무작위 교환은 이 공격의 정밀도를 크게 떨어뜨리지 못했고, 2020년식 차분 프라이버시는 떨어뜨렸습니다 (DOI: 10.1162/99608f92.39d8bfa4).

잡음의 크기를 정하는 숫자

잡음을 섞는다면 얼마나 섞을지를 정해야 합니다. 프라이버시 예산(privacy budget)은 차분 프라이버시에서 보호를 얼마나 내줄지를 정하는 숫자로, 값이 클수록 잡음이 작아 숫자는 정확해지고 보호는 약해집니다. 흔히 그리스 문자 엡실론(ε)으로 적습니다 (DOI: 10.1145/3267323.3268949). 「예산」이라 부르는 데는 이유가 있습니다. 차분 프라이버시 체계는 기밀 자료에 여러 번 질문하면서 쌓이는 프라이버시 손실을 합산해 정해 둔 한도 안에 묶을 수 있습니다 (DOI: 10.1145/3294052.3322188, 학회 강연 초록). 예산은 주·카운티 같은 지리 단위와 표의 종류 사이에 나눠 쓰고, 정확도는 예산의 전체 크기와 그 나눔에 따라 달라집니다 (DOI: 10.1162/99608f92.5cd8024e).

예산의 크기를 몸으로 느낄 비교가 하나 있습니다. 2018년 시험판 체계를 1940년 인구조사 자료에 돌려 보니, 예산 1.0일 때의 오차와 노출은 미국 인구의 50%를 무작위로 뽑아 센 표본과 비슷했습니다. 예산 4.0일 때는 90% 표본과 비슷했습니다. 실제로 잰 프라이버시 손실은 이론이 보장하는 상한보다 상당히 작았고, 저자들은 이 결과를 정확도와 보호의 균형에 관한 논의의 시작으로 봤습니다 (PMID 32478311).

잡음을 섞은 숫자는 그대로 쓰기 어렵습니다. 인구가 음수로 나오거나, 동네 숫자를 더해도 시 숫자가 안 맞을 수 있습니다. 인구조사 통계는 다른 차분 프라이버시 응용과 달리 잡음을 넣은 뒤 반드시 다듬어야 쓸 수 있습니다 (DOI: 10.1126/sciadv.abk3283). 후처리(post-processing)는 잡음을 섞은 숫자를 음수가 없고 위아래 합이 맞는, 쓸 수 있는 표로 다시 다듬는 단계입니다. 2020년 체계는 잡음 섞인 숫자들을 후처리해 한 사람당 기록 하나씩을 만들고, 그것으로 선거구 획정용 표를 냈습니다. 일부 숫자는 인구조사국이 정책으로 정해 잡음 없이 그대로 두었습니다 (DOI: 10.1162/99608f92.529e3cb9, 인구조사국 측 설명).

후처리는 쓸모를 되살리지만 대가도 있습니다. 후처리 전의 잡음 섞인 숫자는 오차 모형 없이 바로 쓰기엔 잡음이 너무 컸고, 히스패닉과 여러 인종 집단에서 특히 그랬습니다. 후처리를 거치면 잡음이 줄어 교환 때와 비슷한 정확도가 나왔습니다 (DOI: 10.1126/sciadv.adl2524). 반면 음수를 없애는 후처리는 그 자체로 집단 사이의 정확도 차이를 낳고, 예산이 엄격할수록 그 차이가 심하다는 분석도 있습니다. 호주 인구조사 등으로 시험한 이 연구는 집단마다 예산을 달리 주면 그 차이를 크게 줄일 수 있다고도 보고했습니다 (DOI: 10.1109/tifs.2025.3528222).

짜 맞춘 기록과 찾아낸 사람 사이

재구성 위협이 부풀려졌다는 반론이 있습니다. 연구자 크리시 무랄리다르와 주제프 도밍고페레르는 2023년에, 정확한 통계를 내보내면 자료 전체가 재구성될 가능성이 높다는 주장, 곧 내보내기만 하면 자동으로 재구성에 노출된다는 주장의 뿌리를 따라가 그 주장이 틀렸다고 결론지었습니다. 기존 공개 회피 기법을 제대로 쓰면 재구성을 피할 수 있다고 봤고, 재구성의 질을 재식별의 척도로 쓰면 재식별 위험 수치가 부풀려진다고도 경고했습니다 (DOI: 10.2478/jos-2023-0017). 다시 짠 기록이 맞는 것과 그 기록이 누구인지 아는 것은 서로 다른 단계라는 지적입니다.

같은 학술지에 실린 응답은 반대로 봤습니다. 이 응답은 에이보드 등의 모의 공격 논문 공저자인 심슨 가핑클이 썼고, 그는 앞에서 인용한 2022년 사례 연구의 저자이기도 합니다. 응답의 주장은 2020년 인구조사를 지키는 데 현실적인 선택은 차분 프라이버시뿐이었고, 기존 기법은 선택지가 아니었다는 것입니다 (DOI: 10.2478/jos-2023-0018). 에이보드 등 연구진도 이 물음을 따졌습니다. 정확도가 비슷한 강화된 교환은 비밀을 지키지 못했고, 재구성을 부분적으로 막는 숫자 감추기 방식은 선거구 획정이라는 법정 용도를 무너뜨렸다고 보고했습니다 (DOI: 10.3386/w31995).

차분 프라이버시로도 남는 노출이 있습니다. 시험판 체계를 거친 자료로도 개인의 인종을 정확히 짐작하는 일은 막지 못했습니다 (DOI: 10.1126/sciadv.abk3283). 성씨와 사는 곳으로 인종을 추정하는 방법은 차분 프라이버시를 어기는 것이 아니지만, 인구조사국이 지키려던 정보의 노출 위험을 크게 높인다는 지적입니다 (DOI: 10.1162/99608f92.abc2c765). 「개인정보와 익명화」가 짚은 대로, 차분 프라이버시는 그 사람이 자료에 들어갔다는 이유로 더 드러나는 것을 막을 뿐, 동네 통계로 개인을 짐작하는 일까지 막겠다고 약속하지 않습니다.

엇갈림의 뿌리는 위험을 무엇으로 재느냐에 있습니다. 위험 측정 방식을 미리 정한 기준들로 따져 보면, 모든 기준을 채우는 방식은 없었습니다. 차분 프라이버시가 쓰는 「그 사람이 빠졌을 때와 비교하는」 방식이 가장 많은 기준을, 절대 위험을 재는 방식이 가장 적은 기준을 채웠습니다 (PMID 37831744). 저자들은 차분 프라이버시에 쏟아진 비판 상당수가 기밀 자료를 제한 없이 직접 보는 것과 같지 않은 모든 기술에 똑같이 쏟아질 비판이라고 적었습니다.

작은 숫자가 흔들릴 때

2010년 자료에 새 체계를 미리 돌려 본 시험에서, 보호의 대가는 작은 숫자에서 먼저 드러났습니다. 실제 코로나19 사망 곡선으로 따져 보니, 잡음 섞인 인구수를 분모로 쓰면 사망률이 크게 왜곡되고 때로는 100%를 넘을 것으로 나왔습니다. 왜곡은 1,000명 미만 집단에서 특히 컸고, 그런 집단이 카운티 단위 나이·성별 묶음의 40%, 인종 묶음의 60%였습니다 (DOI: 10.1177/2378023121994014). 저자들은 인구조사국이 더 큰 예산을, 자료 이용자는 자료를 묶어 쓰는 쪽을 고려해야 한다고 적었습니다.

비슷한 결과가 여럿 나왔습니다. 제안 단계의 체계로는 사망률 추정이 비히스패닉 백인보다 비히스패닉 흑인과 히스패닉에서 더 크게 흔들릴 것으로 나왔고, 인구가 적고 도시화가 덜 된 지역일수록 변화가 컸습니다. 저자들은 인종 간 사망률 격차 연구가 영향을 받을 수 있다고 봤습니다 (PMID 32467167). 최종판 시연 자료로는 카운티 단위 메디케이드 가입률, 곧 저소득층 공공 의료보험 가입률에 최대 10%의 오차가 생겼고, 작은 하위 집단과 소수 인종 집단에서 특히 그랬습니다. 주 단위에서는 작아 무시할 만했습니다 (PMID 35524543). 확정된 체계로는 카운티 단위 인구수와 증가율이 이 연구가 살핀 흑인·히스패닉·아메리카 원주민 집단 모두에서 이전 방식보다 크게 어긋났고, 도시에서 농촌으로 갈수록 어긋남이 급격히 커졌습니다 (PMID 38770012). 카운티 순이동 추정은 다섯 살 단위 나이 묶음으로는 카운티의 절반 정도에서만 쓸 만큼 정확했고, 저자들은 앞으로의 정확도가 인구조사국의 예산 배분에 달려 있다고 결론지었습니다 (PMID 39421854).

반대 방향의 결과도 같은 무게로 있습니다. 매사추세츠의 동네 단위 조기 사망률은 원래 인구수, 차분 프라이버시를 적용한 인구수, 다른 표본 조사의 인구수 어느 것을 분모로 써도 10만 명당 166.4, 166.4, 166.3이었고, 성별·인종으로 나눠도 비슷했습니다. 저자들은 동네 단위 건강 불평등 추정이 영향을 받지 않을 수 있다고 결론지었습니다 (PMID 33351654). 시연 자료 세 가지로 매사추세츠와 조지아의 동네 단위 불평등을 따져 보니, 인종 집단과 경제적 박탈 수준에 따른 불평등의 전체적인 모양은 무너지지 않았습니다. 매사추세츠에서 초기 판의 흑인 인구 사망률 오차가 비히스패닉 백인보다 컸던 문제도 새 판에서 줄었습니다 (PMID 37595037). 성씨와 사는 곳으로 인종을 추정하는 방법의 정확도는 아메리카 원주민과 알래스카 원주민에서 조금 떨어졌고, 다른 집단에서는 거의 변하지 않았습니다 (PMID 38742620).

두 묶음은 주로 서로 다른 것을 쟀습니다. 흔들렸다는 연구는 대개 카운티 단위 작은 집단의 숫자와 그 숫자로 낸 비율을 봤고, 버텼다는 연구는 대개 한 주 안의 여러 동네를 함께 본 불평등의 전체 양상을 봤습니다. 다만 불평등을 잰 연구끼리도 갈렸고, 시험한 체계의 판이 달랐습니다. 인구조사국은 마지막 시연 자료와 실제 발표 사이에 체계를 크게 바꿨습니다 (DOI: 10.21428/2c646de5.7ec6ab93). 비교의 기준인 2010년 공식 숫자도 교환을 거친 숫자라 참값이 아니라는 지적이 있고, 그 지적을 받은 연구진은 참값 없이도 정책 평가는 의미가 있다고 답했습니다 (DOI: 10.1162/99608f92.abc2c765). 독립 평가는 두 방식의 오차가 대체로 인구조사의 다른 오차보다 크지 않지만, 전체 인구가 작은 지역에서는 상당할 수 있다고 정리했습니다 (DOI: 10.1126/sciadv.adl2524). 오차의 크기가 비슷해도 어느 쪽으로 틀리는지는 두 방식이 다를 수 있습니다 (DOI: 10.1145/3709025.3712210). 오차가 분석을 망치는지는 무엇을, 어느 크기에서, 체계의 어느 판으로 재느냐에 달려 있습니다.

선거구를 긋는 자리

선거구 획정에서는 결론이 정면으로 갈렸습니다. 선거구는 인구를 거의 같게 맞춰야 하고, 미국에서는 이를 「한 사람 한 표」 원칙이라 부릅니다. 2021년 연구는 시험판 체계가 인종이 섞인 투표구와 지지 정당이 섞인 투표구의 인구를 체계적으로 적게 세어, 예측하기 어려운 인종·정당 치우침을 낳는다고 보고했습니다. 지금의 해석대로라면 「한 사람 한 표」 기준을 어길 가능성이 높다고도 봤습니다 (DOI: 10.1126/sciadv.abk3283).

다른 연구진은 안심할 만한 근거를 찾았습니다. 텍사스와 애리조나의 아홉 지역을 자세히 보니, 2020년 체계가 선거구 인구를 맞추는 일, 선거구의 인구 구성을 정확히 그리는 일, 인종에 따른 투표 양극화의 신호를 찾는 일을 위협하지 않았습니다 (DOI: 10.1162/99608f92.22fd8a0e). 2026년 연구는 주 의회 선거구 계획 수백만 개를 기계로 만들어 비교했습니다. 법이 정한 날카로운 문턱이 잡음의 영향을 키울 수 있고 큰 어긋남도 실제로 생겼지만, 간단한 모형으로 잘 잡혀 보정할 수 있어 보였습니다. 저자들은 적어도 주 의회에 대해서는 차분 프라이버시가 「공정한 선을 그을 주의 권리를 막는다」는 앨라배마주의 주장이 근거가 부족하다고 결론지었습니다 (DOI: 10.1177/15331296261434381).

세 결론은 서로 다른 지역을 서로 다른 잣대로 봤습니다. 2021년 연구는 시험판 체계가 낳는 치우침 자체를 쟀고, 2026년 연구는 2010년 시연 자료와 2010년 공식 자료를 맞대어 그 어긋남을 보정할 수 있는지까지 따졌습니다. 이 논쟁은 미국 상무부를 상대로 한 소송으로도 번졌습니다 (DOI: 10.2478/jos-2023-0017).

예산은 누가 정했나

예산의 값은 계산이 아니라 결정으로 정해졌습니다. 2022년의 한 사례 연구에 따르면, 인구조사국은 2020년 선거구 획정용 자료의 프라이버시 예산 값을 어떻게 정했는지 공개하지 않았습니다 (DOI: 10.21428/2c646de5.7ec6ab93). 공개되지 않은 것은 값을 고른 과정이고, 값에 따른 공식 보장은 발표됐습니다 (PMID 41191500). 인구조사국이 차분 프라이버시를 실제로 들여오며 부딪힌 어려움에도 이 값을 정하는 일이 들어 있었습니다 (DOI: 10.1145/3267323.3268949). 2014년 기준으로는 엡실론을 고르는 엄밀한 방법이 아직 없었고, 그 선택은 자료에서 무언가를 알고 싶은 분석가와 자기 자료를 내줄지 정해야 하는 참여자 사이의 이해를 저울질하는 일이었습니다 (DOI: 10.1109/csf.2014.35).

예산의 크기와 나눔에 정확도가 크게 좌우되므로, 이 정책 결정은 근본적으로 중요합니다. 1940년 인구조사로 분리 지표를 따져 본 연구의 결론이고, 저자들은 인구조사국이 이용자와 함께 예산을 나눌 곳을 정하고 공개된 통계의 신뢰도를 가늠할 문서와 도구를 내놓아야 한다고 권했습니다 (DOI: 10.1162/99608f92.5cd8024e).

정해진 예산을 다 쓰지 않았다는 분석도 나왔습니다. 프라이버시 손실을 더 정밀하게 합산해 보니, 2020년 인구조사는 여덟 지리 단위 모두에서 공식 보장보다 상당히 강한 보호를 주고 있었습니다. 저자들은 인구조사국이 필요 이상으로 잡음을 넣었고, 거의 같은 보호를 유지하면서 잡음의 분산을 15.08~24.82% 줄일 수 있었다고 보고했습니다 (PMID 41191500). 거의 같은 보호에서 더 정확한 숫자가 가능했다는 뜻입니다. 같은 보장 아래 후처리를 바꿔 카운티와 동네 단위 정확도를 크게 높였다는 공개 서버 판본도 있습니다 (DOI: 10.48550/arxiv.2603.10099, 프리프린트).

사람의 문제도 남았습니다. 2021년 8월에 나온 선거구 획정용 자료는 10년 주기 인구조사의 선거구 획정용 자료로는 처음으로 형식을 갖춘 보호 보장과 함께 나왔습니다 (DOI: 10.48550/arxiv.2209.03310, 프리프린트). 그 무렵 수천 명의 이해관계자가 차분 프라이버시가 숫자를 쓸 수 없을 만큼 흐릴까 걱정했습니다 (DOI: 10.21428/2c646de5.7ec6ab93). 기술적 불확실성이 이용자의 신뢰를 흔들었고, 신뢰를 되살리는 일은 기술 수리나 소통 개선 이상을 요구한다는 분석이 있습니다 (DOI: 10.1162/99608f92.66882f0e). 소외된 집단에 공정한 결과를 내려면 알고리즘 설계만큼 모든 이용자 집단을 포함하는 소통이 필요하다는 주장도 있습니다 (PMID 39220199).

가핑클의 응답은 차분 프라이버시의 비용을 이렇게 적었습니다. 차분 프라이버시에는 사회적 비용이 있고, 그 비용은 공식 통계의 쓸모와 응답자의 프라이버시 손실 사이에 피할 수 없는 맞바꿈이 있음을 실무자가 인정해야 한다는 데 있다는 것입니다 (DOI: 10.2478/jos-2023-0018). 2021년 선거구 연구의 저자들도 정책 결정자가 자료의 쓸모와 프라이버시 보호 사이의 맞바꿈을 마주해야 한다고 적었습니다 (DOI: 10.1162/99608f92.abc2c765). 서로 결론이 갈린 양쪽이 이 문장에서는 만납니다.

합계가 안전한 범위와 그렇지 않은 범위

「합계만 내보내면 개인은 드러나지 않는다」는 믿음에는 맞는 범위가 있습니다. 숫자를 크게 묶고 적게 낼수록 그 믿음에 가까워집니다. 2010년 인구조사처럼 가장 작은 구역 단위로 수많은 표를 정확한 숫자로 내면, 개인 기록을 거의 다시 짤 수 있었습니다. 합계로 묶었다는 사실만으로 보호가 보장되지는 않고, 얼마나 작은 단위로 얼마나 많은 숫자를 얼마나 정확하게 내느냐가 위험을 크게 좌우합니다.

차분 프라이버시는 그 재구성을 막는 대신 작은 집단의 숫자에 오차를 남겼습니다. 그 오차가 연구를 망쳤는지는 분석마다 달랐습니다. 작은 카운티의 소수 집단 숫자가 크게 흔들렸다는 결과가 많았고, 동네 단위 불평등의 전체 양상은 버텼다는 결과도 여럿이었습니다. 어느 쪽이 나오느냐는 무엇을, 어느 크기에서, 체계의 어느 판으로 쟀느냐에 따라 달랐습니다. 선거구에 대한 결론은 지역과 잣대에 따라 갈렸습니다. 그 사이 어디에 설지는 프라이버시 예산의 크기와 나눔이 크게 좌우하고, 그 값을 고르는 일은 계산이 아니라 선택으로 남았습니다.

이름을 지운 사람별 기록이 다시 사람을 가리키는 길은 「비식별 데이터의 재식별 — 문패를 뗀 집은 누가 찾아올 수 있나」가 이어서 다룹니다. 잡음·무리 속에 숨기기·덜 모으기라는 세 도구의 기초는 「개인정보와 익명화 — 이름을 지워도 사람은 남는다」에 있습니다.

근거 논문

• "The U.S. Census Bureau Adopts Differential Privacy" (2018, 1쪽 발표 초록) — DOI: 10.1145/3219819.3226070 — 인구조사는 하원 재배분·모든 선거구 재획정에 쓰이는 헌법상 조사. 내부 연구로 2000·2010 보호 장치가 Dinur–Nissim(2003) 재구성 정리에 드러난 심각한 취약성을 확인, 차분 프라이버시 공개 체계 설계.
• "The 2020 US Decennial Census is more private than you (might) think." (2025) — PMID 41191500 — 연방 예산 배분·선거구의 기초. 정밀한 손실 합산으로 여덟 지리 단위 모두 공식 보장보다 강한 보호, 잡음 분산 15.08~24.82% 감축 가능.
• "Comment to Muralidhar and Domingo-Ferrer (2023) – Legacy Statistical Disclosure Limitation Techniques Were Not An Option for the 2020 US Census of Population And Housing" (2023, 심슨 가핑클 단독 — 모의 공격 논문 공저자) — DOI: 10.2478/jos-2023-0018 — 차분 프라이버시만이 현실적 선택. 사회적 비용은 쓸모와 프라이버시 손실의 맞바꿈을 인정하는 것.
• "A Simulated Reconstruction and Reidentification Attack on the 2010 U.S. Census" (2025) — DOI: 10.1162/99608f92.4a1ebf70 — 180개 표 묶음·1,500억 개 숫자, 대부분 블록 단위. 34개 표로 다섯 항목 재구성, 블록 70%(9,700만 명) 완벽 재구성 검증 가능, 340만 명 인종·민족 95% 추론. 2020 체계는 재구성 공격을 막음.
• "A Simulated Reconstruction and Reidentification Attack on the 2010 U.S. Census: Full Technical Report" (2023, 존 에이보드 등, 전미경제연구소(NBER) 워킹페이퍼) — DOI: 10.3386/w31995 — 38구간 나이 사용 시 최대 20.1%만 한 값이라도 다름. 기밀 자료와 같은 정밀도. 강화된 교환은 보호 실패, 불완전한 감추기는 선거구 획정 용도 파괴.
• "Differential Privacy and the 2020 US Census" (2022, 가핑클의 사례 연구) — DOI: 10.21428/2c646de5.7ec6ab93 — 2017년 발표, 교환 대신 잡음+후처리. 수십 년간 오차를 넣고도 크기·방식 비공개. 2020엔 오차 크기 고지. 마지막 시연 자료와 공식 발표 사이 큰 변경, 예산 결정 과정 비공개.
• "Evaluating the Impacts of Swapping on the US Decennial Census" (2025) — DOI: 10.1145/3709025.3712210 — 1990~2010 교환 사용, 세부 비공개. 오차 크기가 비슷해도 치우침 방향은 TopDown과 다를 수 있음.
• "Comment: The Essential Role of Policy Evaluation for the 2020 Census Disclosure Avoidance System" (2023) — DOI: 10.1162/99608f92.abc2c765 — 기준 자료는 참값이 아니지만 정책 평가는 유효. 교환 하 블록 인구 불변. 성씨·지리 기반 인종 추정은 차분 프라이버시 위반은 아니나 노출 위험을 크게 높임. 쓸모-보호 맞바꿈을 정책 결정자가 마주해야.
• "Confidence-ranked reconstruction of census microdata from published statistics." (2023) — PMID 36800385 — 집계 통계로 전체 행 재구성과 신뢰 순위. 2010 인구조사와 ACS에서 확인. 정밀한 집계 공개의 위험.
• "Database Reconstruction Is Not So Easy and Is Different from Reidentification" (2023) — DOI: 10.2478/jos-2023-0017 — 재구성이 자동으로 된다는 주장은 틀렸다. 전통 기법으로 피할 수 있고, 정확한 숫자를 공개하는 지리 수준이 더 중요. 재구성 품질을 재식별 척도로 쓰면 위험 과장. 법적 소송 언급.
• "Quantifying Privacy Risks of Public Statistics to Residents of Subsidized Housing" (2025) — DOI: 10.1162/99608f92.39d8bfa4 — 공개 통계 결합의 값싼 재구성 공격으로 2010년 거주 기준 위반 지원 가구 식별 가능. 합성 자료에서 교환은 정밀도를 크게 못 줄이고 차분 프라이버시는 줄임.
• "Issues Encountered Deploying Differential Privacy" (2018) — DOI: 10.1145/3267323.3268949 — 인력·계산 환경, 모든 쓰임 헤아리기, 엡실론 값 설정, 검증 도구 부족.
• "Differential Privacy and the US Census" (2019, 강연 초록) — DOI: 10.1145/3294052.3322188 — 여러 상호작용에 걸친 누적 프라이버시 손실을 엄밀히 묶고 통제.
• "Assessing the Impact of Differential Privacy on Measures of Population and Racial Residential Segregation" (2022) — DOI: 10.1162/99608f92.5cd8024e — 1940 인구조사로 비교. 정확도는 전체 예산과 지리·질의 간 배분에 좌우, 정책 결정의 근본적 중요성. 이용자 협력·문서·도구 권고.
• "Differential privacy in the 2020 US census: what will it do? Quantifying the accuracy/privacy tradeoff." (2019) — PMID 32478311 — 1940 자료에 E2E 체계. 예산 1.0은 50% 표본, 4.0은 90% 표본과 비슷. 실측 손실이 이론 보장보다 상당히 작음. 논의가 더 필요.
• "The use of differential privacy for census data and its impact on redistricting: The case of the 2020 U.S. Census" (2021) — DOI: 10.1126/sciadv.abk3283 — 잡음 뒤 후처리 필요. 혼합 투표구 과소 집계·예측 불가 치우침, 한 사람 한 표 위반 가능성, 개인 인종 예측은 못 막음.
• "The 2020 Census Disclosure Avoidance System TopDown Algorithm" (2022) — DOI: 10.1162/99608f92.529e3cb9 — 잡음 측정값과 정책으로 정한 불변량을 후처리해 사람·주택당 한 기록 파일을 만들고 선거구 획정용 표 생성.
• "Evaluating bias and noise induced by the U.S. Census Bureau's privacy protection methods" (2024) — DOI: 10.1126/sciadv.adl2524 — 잡음 측정 파일은 오차 모형 없이 쓰기엔 잡음 과다(히스패닉·다인종). 후처리 뒤 교환과 비슷한 정확도. 오차는 대체로 다른 오차 원천보다 크지 않으나 인구 적은 지역에서 상당.
• "Privacy and Fairness Analysis in the Post-Processed Differential Privacy Framework" (2025) — DOI: 10.1109/tifs.2025.3528222 — 음수 금지 후처리는 본질적으로 공정성 문제를 낳음. 엄격한 예산에서 심각한 불공정. 호주 인구조사 등으로 시험, 집단별 예산으로 차이를 크게 줄임.
• "Differential Privacy in the 2020 Census Will Distort COVID-19 Rates" (2021) — DOI: 10.1177/2378023121994014 — 잡음 섞인 분모로 사망률 크게 왜곡, 때로 100% 초과. 1,000명 미만 집단(카운티 나이·성별 묶음 40%, 인종 묶음 60%)에서 특히 큼. 더 큰 예산·자료 묶기 고려.
• "How differential privacy will affect our understanding of health disparities in the United States." (2020) — PMID 32467167 — 제안된 알고리즘으로 비히스패닉 흑인·히스패닉 사망률 추정이 더 크게 변하고, 인구 적고 덜 도시화된 지역에서 변화가 큼.
• "The effect of differential privacy on Medicaid participation among racial and ethnic minority groups." (2022) — PMID 35524543 — 2010 시연 자료로 카운티 단위 최대 10% 오차, 소집단·소수 인종에서 특히. 주 단위는 작고 무시할 만함.
• "The 2020 US Census Differential Privacy Method Introduces Disproportionate Discrepancies for Rural and Non-White Populations." (2022) — PMID 38770012 — 확정 알고리즘으로 카운티 인구수·증가율이 전체·비히스패닉 백인 외 모든 집단에서 크게 어긋나고, 농촌으로 갈수록 급증.
• "Differential Privacy and the Accuracy of County-Level Net Migration Estimates." (2022) — PMID 39421854 — 2020 공개 시연 자료 기준 5세 나이 묶음 순이동 추정은 카운티 절반 정도에서만 쓸 만함. 5만 명 미만 카운티·65세 이상·히스패닉에서 큼. 예산 배분에 달림.
• "Impact of Differential Privacy and Census Tract Data Source (Decennial Census Versus American Community Survey) for Monitoring Health Inequities." (2021) — PMID 33351654 — 매사추세츠 동네 단위 조기 사망률 166.4/166.4/166.3(10만 명당). 불평등 추정은 영향받지 않을 수 있음.
• "Impacts of census differential privacy for small-area disease mapping to monitor health inequities." (2023) — PMID 37595037 — 시연 자료 세 종류, 매사추세츠·조지아. 불평등의 전체 양상은 훼손되지 않음. 초기 판의 흑인 오차 확대는 새 판에서 개선.
• "Differential Privacy Protections in 2020 U.S. Decennial Census Data Do Not Impede Measurement of Racial and Ethnic Disparities." (2024) — PMID 38742620 — 성씨·지리 기반 인종 추정 정확도가 아메리카 원주민·알래스카 원주민에서 조금 감소, 다른 집단은 거의 영향 없음.
• "Private Numbers in Public Policy: Census, Differential Privacy, and Redistricting" (2022) — DOI: 10.1162/99608f92.22fd8a0e — 텍사스·애리조나 아홉 지역, 인구 균형·인구 구성·인종 양극화 신호 탐지를 위협하지 않음.
• "Understanding and Mitigating the Impacts of Differentially Private Census Data on State-Level Redistricting" (2026) — DOI: 10.1177/15331296261434381 — 아주 많은 주 의회 선거구 계획. 문턱이 잡음 영향을 증폭, 큰 어긋남도 있으나 간단한 모형으로 포착·보정 가능. 주 의회에선 앨라배마 주장 근거 부족.
• "Differential Privacy: An Economic Method for Choosing Epsilon" (2014) — DOI: 10.1109/csf.2014.35 — 엡실론을 고르는 엄밀한 방법 부재. 분석가와 참여자의 이해 균형.
• "Denoising the US Census: Succinct Block Hierarchical Regression" (2026, 프리프린트) — DOI: 10.48550/arxiv.2603.10099 — 같은 보장·제약 아래 새 후처리로 카운티·동네 단위 정확도 크게 개선.
• "Bayesian and Frequentist Semantics for Common Variations of Differential Privacy: Applications to the 2020 Census" (2022, 프리프린트) — DOI: 10.48550/arxiv.2209.03310 — 2021년 8월 12일 공개된 선거구 획정용 요약 파일은 처음으로 형식적 프라이버시 보장과 함께 생산.
• "Differential Perspectives: Epistemic Disconnects Surrounding the U.S. Census Bureau's Use of Differential Privacy" (2022) — DOI: 10.1162/99608f92.66882f0e — 기술·절차 불확실성이 이용자의 자료·기관 신뢰를 약화. 신뢰 회복은 기술 수리·소통 개선 이상을 요구.
• "Equitable differential privacy." (2024) — PMID 39220199 — 공정한 결과를 위해 알고리즘 설계에 더해 모든 단계의 포용적 소통이 필요.
• "An in-depth examination of requirements for disclosure risk assessment." (2023) — PMID 37831744 — 모든 기준을 채우는 위험 측정 틀은 없음. 반사실 비교가 가장 많이, 절대 위험이 가장 적게 충족. 비판 상당수는 직접·무제한 접근이 아닌 모든 기술에 해당.