| 1 |
1
어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 제반 정보 수집부;상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 프라이버시 제어 추천부;상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 인터페이스부; 및상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 프라이버시 제어 처리부를 포함하는, 프라이버시 제어 추천 장치
|
| 2 |
2
청구항 1에 있어서,상기 제반 정보는상황 정보 및 상기 어플리케이션의 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 장치
|
| 3 |
3
청구항 2에 있어서,상기 상황 정보는상기 개인정보 요청에 상응하는 시간 정보, 장소 정보 및 사용자 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 장치
|
| 4 |
4
청구항 3에 있어서,상기 프라이버시 제어 추천부는상기 제반 정보의 근접도 산정을 통해, 상기 프라이버시 제어 패턴에서 상기 제반 정보에 가장 근접한 상황을 선정하여 상기 추천 프라이버시 제어를 선택하는 것인, 프라이버시 제어 추천 장치
|
| 5 |
5
청구항 4에 있어서,상기 프라이버시 제어 선택을 이용하여 상기 프라이버시 제어 패턴을 업데이트하는 프라이버시 제어 패턴 업데이트부를 더 포함하는, 프라이버시 제어 추천 장치
|
| 6 |
6
청구항 5에 있어서,상기 프라이버시 제어 패턴 업데이트부는강화 학습(Reinforcement Learning)을 통하여 상기 프라이버시 제어 선택을 상기 프라이버시 제어 패턴에 반영하는 것인, 프라이버시 제어 추천 장치
|
| 7 |
7
청구항 6에 있어서,상기 강화 학습은상기 프라이버시 제어 선택에 따른 효용을 최대화하도록 학습하는 것이고,상기 효용은상기 프라이버시 제어 선택을 상기 추천 프라이버시 제어와 비교하여 산출되는 정확도에 상응하는 값인 것인, 프라이버시 제어 추천 장치
|
| 8 |
8
청구항 7에 있어서,상기 프라이버시 제어 패턴 업데이트부는강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정하는 것인, 프라이버시 제어 추천 장치
|
| 9 |
9
청구항 8에 있어서,상기 프라이버시 제어 패턴 업데이트부는상기 프라이버시 제어 선택이 상기 추천 프라이버시 제어가 아닌 경우에 상기 프라이버시 제어 패턴을 업데이트하는 것인, 프라이버시 제어 추천 장치
|
| 10 |
10
청구항 9에 있어서,상기 인터페이스부는상기 사용자에게 상기 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공하는 것인, 프라이버시 제어 추천 장치
|
| 11 |
11
어플리케이션의 사용자에 대한 개인정보 요청에 대하여, 프라이버시 제어를 추천하기 위한 제반 정보를 수집하는 단계;상기 사용자의 프라이버시 제어 패턴으로부터 상기 제반 정보를 이용하여 상기 개인정보 요청에 상응하는 추천 프라이버시 제어를 선택하는 단계;상기 사용자에게 상기 개인정보 요청에 상응하는 정보 및 상기 추천 프라이버시 제어를 제공하고, 상기 사용자의 프라이버시 제어 선택을 입력받는 인터페이스를 제공하는 단계; 및상기 프라이버시 제어 선택에 따라 상기 사용자의 개인정보를 가공하여 상기 어플리케이션에 제공하는 단계를 포함하는, 프라이버시 제어 추천 방법
|
| 12 |
12
청구항 11에 있어서,상기 제반 정보는상황 정보 및 상기 어플리케이션의 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 방법
|
| 13 |
13
청구항 12에 있어서,상기 상황 정보는상기 개인정보 요청에 상응하는 시간 정보, 장소 정보 및 사용자 정보 중에서 적어도 하나 이상을 포함하는 것인, 프라이버시 제어 추천 방법
|
| 14 |
14
청구항 13에 있어서,상기 추천 프라이버시 제어를 선택하는 단계는상기 제반 정보의 근접도 산정을 통해, 상기 프라이버시 제어 패턴에서 상기 제반 정보에 가장 근접한 상황을 선정하여 상기 추천 프라이버시 제어를 선택하는 것인, 프라이버시 제어 추천 방법
|
| 15 |
15
청구항 14에 있어서,상기 프라이버시 제어 선택을 이용하여 상기 프라이버시 제어 패턴을 업데이트하는 단계를 더 포함하는, 프라이버시 제어 추천 방법
|
| 16 |
16
청구항 15에 있어서,상기 프라이버시 제어 패턴을 업데이트하는 단계는강화 학습(Reinforcement Learning)을 통하여 상기 프라이버시 제어 선택을 상기 프라이버시 제어 패턴에 반영하는 것인, 프라이버시 제어 추천 방법
|
| 17 |
17
청구항 16에 있어서,상기 강화 학습은상기 프라이버시 제어 선택에 따른 효용을 최대화하도록 학습하는 것이고,상기 효용은상기 프라이버시 제어 선택을 상기 추천 프라이버시 제어와 비교하여 산출되는 정확도에 상응하는 값인 것인, 프라이버시 제어 추천 방법
|
| 18 |
18
청구항 17에 있어서,상기 프라이버시 제어 패턴을 업데이트하는 단계는강화 학습을 수행할 때 학습 데이터의 발생 시간이 늦을수록 가중치를 높게 설정하는 것인, 프라이버시 제어 추천 방법
|
| 19 |
19
청구항 18에 있어서,상기 프라이버시 제어 패턴을 업데이트하는 단계는상기 프라이버시 제어 선택이 상기 추천 프라이버시 제어가 아닌 경우에 상기 프라이버시 제어 패턴을 업데이트하는 것인, 프라이버시 제어 추천 방법
|
| 20 |
20
청구항 19에 있어서,상기 인터페이스를 제공하는 단계는상기 사용자에게 상기 추천 프라이버시 제어를 항목으로 포함하고 적어도 하나 이상의 제어 등급으로 구분된 프라이버시 제어 선택 목록을 제공하는 것인, 프라이버시 제어 추천 방법
|
