← 목록

개인정보 컨설팅 산출물 준거성 분석툴 — 기능 명세서

문서 버전 v1.0 · 2026-08-04
목적 본 세션에서 수작업으로 수행한 「수행안내서 ↔ 마사회 제안서」 분석을 재현 가능한 도구로 구현하기 위한 기능 정의
코드명 PIA-Auditor (가칭)

---

0. 이 명세서가 나온 경위 — 실제 분석 과정의 역설계

기능 명세는 상상이 아니라 실제로 수행한 분석 절차를 그대로 분해해서 도출했다. 아래가 실행된 절차이며, 각 단계가 그대로 모듈이 된다.

설계 원칙 1 — 추적성 우선. 모든 변환 산출물은 <!-- page:N --> 마커를 보존한다. 마커가 없으면 어떤 판정도 검증할 수 없고, 검증할 수 없는 판정은 컨설팅 산출물로 쓸 수 없다.

설계 원칙 2 — 룰과 LLM의 역할 분리. 기계적으로 판정 가능한 것(요구사항 코드 누락, 미기입 필드, 산출물 대조)은 결정론적 룰로, 의미 판단이 필요한 것(방법론 정합성)은 LLM + 근거 인용 강제로 처리한다.

설계 원칙 3 — 미발견을 발견으로 위장하지 않는다. 판정은 PASS / FAIL / INSUFFICIENT_EVIDENCE 3값이다. 요약본만 분석했는데 "누락"이라고 단정하면 오탐이 된다.

---

1. 시스템 개요

1.1 한 문장 정의

공공기관 개인정보보호 컨설팅 사업의 제안요청서·제안서·수행 산출물을, 개인정보보호위원회 『개인정보 영향평가 수행안내서』를 비롯한 준거 기준과 자동 대조하여 커버리지·방법론 정합성·문서 품질의 격차를 근거와 함께 리포팅하는 도구.

1.2 사용자

1.3 파이프라인

 [입력]  PDF/HWP/PPTX/XLSX
   │
   ├─ M1 수집·판별 ──── 문서유형·텍스트레이어 판별 → 경로 분기
   │       ├→ 텍스트 有 → M2 텍스트 정규화·구조복원·표추출
   │       └→ 텍스트 無 → M3 렌더링 + 이미지 판독 → M2 후처리
   │
   ├─ M4 기준 지식베이스 (안내서·고시·법령 → 지표 121 / 체크리스트 12)
   ├─ M5 요구사항 추출   (RFP → 요구사항 42항목 + 산출정보)
   │
   ├─ M6 커버리지 매핑   (제안서 ↔ RFP ↔ 안내서 3자 대조)
   ├─ M7 룰 엔진         (방법론 정합성 룰 카탈로그 실행)
   ├─ M8 문서위생 검사   (미기입·과거일자·표기불일치)
   │
   ├─ M9 근거 추적       (모든 Finding에 원문 위치 부착)
   └─ M10 리포팅         (Markdown / XLSX / JSON)

---

2. 모듈별 기능 명세

M1. 문서 수집 및 판별

판정 기준 근거: 본 세션에서 발표자료는 50쪽에 총 1,618자(평균 32자/쪽)로 이미지 문서였고, RFP는 81쪽 74,798자(평균 923자/쪽)로 텍스트 문서였다. 임계값 50은 이 관측에 기반한다.

---

M2. 텍스트 정규화 및 구조 복원

이 모듈이 전체 분석 품질을 결정한다. 여기서 깨진 텍스트는 이후 모든 단계에서 복구되지 않는다.

M2-F01 한글 띄어쓰기 복원 (필수)

문제: 상당수 한글 PDF는 공백 문자를 인코딩하지 않고 글자 위치로만 표현한다. 단순 추출 시 사업명:정보보안및개인정보보호실태점검·관리체계강화 처럼 붙어 나온다. 이 상태로는 키워드 매칭·LLM 판독 모두 실패한다.

알고리즘:

라인 내 글자들의 bbox 수집 (공백 문자 제외)
글자 폭의 중앙값 aw 계산
연속한 두 글자의 간격 gap > aw × 0.22 이면 공백 삽입

검증 결과: 사업명:정보보안및개인정보보호실태점검·관리체계강화 → 사업명 : 정보보안 및 개인정보보호 실태점검·관리체계 강화

M2-F02 자간 벌림 재결합

문제: 제목이 사 업 명 처럼 자간이 벌어져 조판되면 F01이 글자마다 공백을 넣는다.

알고리즘: 한 글자 토큰이 4개 이상 연속하고 그중 3개 이상이 한글인 구간만 결합. (및 그 외 같은 정상 문장 파괴 방지 — 이 가드가 없으면 본문이 손상된다)

M2-F03 제목 계층 복원 — 페이지 단위 기준선

문제: 문서 전체의 최빈 폰트를 본문으로 잡으면, 표가 많은 문서에서 표 글자 크기가 본문으로 오인된다. 본 세션 RFP에서 실제로 발생: 전체 최빈 11.0pt(요구사항 정의서 표) vs 서술 본문 15.0pt → 본문 전체가 h3로 승격되어 문서가 제목 목록처럼 변했다.

해결: 텍스트 라인이 8개 이상인 페이지는 해당 페이지의 최빈 폰트 크기를 본문 기준선으로 사용한다. 라인이 적은 표지·간지는 문서 전체 기준선을 사용한다.

승격 규칙:
| 조건 | 레벨 |
|---|---|
| ^제N장, ^[ⅠⅡⅢ…], ^Part | H1 |
| ^제N절 | H2 |
| 크기비 ≥ 1.5 / ≥ 1.3 / ≥ 1.18 | H1 / H2 / H3 |
| 크기비 ≥ 1.05 + 굵기 + 40자 이하 | H3 |
| 굵기 + ^N. ^가. ^(N) + 40자 이하 | H4 |
| 60자 초과 또는 종결어미(~다./~음/~함)로 끝남 | 승격 금지 |

M2-F04 표 추출

• 표 영역 검출 후 GFM 표로 변환, 셀 내 개행은 공백으로, |는 이스케이프
• 본문 라인이 표 영역 안에 있으면 본문 출력에서 제외하여 중복 방지
• 본문과 매칭되지 않은 표도 페이지 말미에 출력하여 누락 방지 (요구사항 정의서 손실 시 M5 전체가 무력화됨)

M2-F05 페이지 마커 삽입 (필수)

모든 페이지 경계에 <!-- page:N --> 를 삽입한다. 슬라이드 문서는 <!-- slide:N -->. M9 근거 추적의 유일한 기반이며, 생략 불가.

M2-F06 노이즈 제거

• 머리말/꼬리말의 페이지 번호 단독 라인 제거
• 목차 점선(············)을 … 로 축약
• 3줄 이상 연속 공백 → 1줄

---

M3. 이미지 문서 판독

---

M4. 준거 기준 지식베이스

기준문서를 구조화된 지식으로 변환한다. 매 분석마다 안내서를 다시 읽는 낭비를 없애는 것이 목적.

M4-F01 평가지표 카탈로그

수행안내서 §Ⅱ-4.1(p.57~59)에서 다음 스키마로 추출한다.

- indicator_id: "3.1.1"
  area: "3. 개인정보 처리단계별 보호조치"      # 5개 평가영역
  field: "3.1 수집"                             # 28개 평가분야
  subfield: "개인정보 수집의 적합성"
  question: "개인정보를 수집하는 경우 정보주체의 동의를 받거나…"
  legal_basis: ["개인정보 보호법 제15조", "표준 개인정보 보호지침 제6조"]
  mandatory: true                               # 법적 필수 여부
  conditional_on: null                          # 예: "보유 10만명 이상", "공공시스템"
  source: {doc: "guide-2025.10", page: 152}

• 총 121개 지표 / 28개 분야 / 5개 영역
• 조건부 적용 지표 플래그: 10만명 이상 공공기관 → 안전성 확보조치 기준 제7조6항(암호키 관리)·제11조(재해재난), 공공시스템 → 제15~17조

M4-F02 품질검토 체크리스트 카탈로그

안내서 p.78~81의 12개 항목을 자가진단 룰로 변환. 이것이 M7 룰 엔진의 골격이다.

M4-F03 절차·산출물 카탈로그

안내서의 단계별 필수 산출물을 등록.

- stage: "개인정보 흐름 분석"
  guide_ref: {page: 34}
  required_outputs:
    - 개인정보 영향도 등급표
    - 개인정보 처리업무표
    - 개인정보 처리업무 흐름도
    - 개인정보 흐름표
    - 개인정보 흐름도
    - 정보시스템 구조도

M4-F04 산식 카탈로그

- formula_id: "risk_score"
  expr: "영향도 + (발생가능성 × 법적준거성) × 2"
  params:
    영향도: {1등급: 5, 2등급: 3, 3등급: 1}
    법적준거성: {법적_준수사항: 1.5, 법률_외_요건: 1.0}
  guide_ref: {page: 66}

M4-F05 버전 관리

기준문서는 개정된다(안내서: '11.12 발간 → '17.12 → '18.4 → '20.12 → '24.4 → '25.10). 지식베이스는 버전 태그를 갖고, 개정 시 지표 diff(신설/삭제/변경)를 산출한다.

예: 2025.10 개정에서 5.7 인공지능(AI) 신설 → 이 diff가 있으면 2025.10 이후 사업 제안서에 AI 평가항목이 없을 때 자동으로 Finding 발생. 본 세션 §3.5가 정확히 이 룰의 결과다.

---

M5. 요구사항 추출 (RFP)

---

M6. 커버리지 매핑 (3자 대조)

이 모듈이 도구의 핵심 산출물을 만든다.

M6-F01 요구사항 ↔ 제안서 커버리지

각 RFP 요구사항에 대해 제안서에서 대응 구간을 찾아 판정한다.

매칭 방식: ① 요구사항 명칭 정확 일치 → ② 세부내용 키워드 집합 유사도 → ③ 임베딩 유사도 상위 후보를 LLM이 판정. 모든 판정에 제안서 슬라이드/페이지 번호 인용을 강제한다.

M6-F02 요구사항 ↔ 안내서 평가영역 매핑

RFP 요구사항이 안내서 5개 평가영역 중 어디에 해당하는지 매핑하여, "안내서 기준으로 봤을 때 이 RFP가 비워둔 영역" 을 산출한다.

본 세션 결과: 영역 1~3은 CNR-011/014/015가 커버, 영역 4는 CNR-012가 얇게 커버, 영역 5는 대응 요구사항 자체가 없음 → §2 매핑표.

M6-F03 산출물 대조

RFP 산출정보 × 제안서 산출물 목록 × 실제 납품 산출물 3자 대조표.

본 세션 결과: RFP는 CNR-015/016/017 산출정보를 상세히 규정(위탁 실태점검 이행실적 증빙, 교육 동영상, 카드뉴스 15종, 퀴즈 10문항, X배너 등)했으나 제안서 슬라이드 44 산출물 목록에는 3개 과업 산출물이 누락 → §4-4.

M6-F04 인력 요건 대조

RFP 인력 요건 vs 제안서 투입인력표.

• PM 자격 충족 여부 (ISMS-P 심사원 or PIA 자격)
• 상주 요건 충족 여부 (최소 1명 이상 주3일 이상, 사업총괄책임자 사업기간 내 상주)
• 안내서 요건 추가 검사: PM은 평가기관 소속만 가능, 프리랜서·타사 인력 50% 미만, 평가수행 인력 상주 / 품질관리 담당자만 비상주 가능(안내서 p.25, p.28)
• M/M 합계 검산 (본 세션: 6.0+5.0+4.0+4.0+1.0+1.0 = 21.0 ✓)

---

M7. 룰 엔진 — 방법론 정합성

M4 지식베이스를 근거로 실행되는 룰 카탈로그. 각 룰은 id / 근거 / 검사 / 판정 / 심각도 / 권고 를 갖는다.

룰 카탈로그 (v1.0, 본 세션에서 실제로 발화한 룰)

R-DOMAIN-01 상세 — 가장 가치 있는 룰

기관 속성으로부터 반드시 점검되어야 할 평가분야를 역추론한다. 본 세션에서 위치정보·CCTV 누락을 잡아낸 룰이며, 사람이 놓치기 가장 쉬운 유형이다.

핵심: 신호는 제안서 자신의 실적·수탁사 목록에서도 추출한다. 본 세션에서 위치정보 신호는 제안사가 자기 실적으로 적은 한국마사회 위치정보사업자 정기실태점검 대비 사전 컨설팅(25.04~25.05) 에서 나왔다. 제안사가 그 사실을 알면서 과업에 반영하지 않은 것이므로 지적의 설득력이 매우 높다.

---

M8. 문서 위생 검사 (결정론적 룰)

LLM 없이 정규식·구조 검사만으로 판정 가능한 항목. 오탐이 거의 없고 즉시 수정 가능하여 실무 효용이 가장 크다.

---

M9. 근거 추적

---

M10. 리포팅

M10-F01 산출 형식

M10-F02 Finding 스키마

{
  "id": "F-031",
  "rule_id": "R-METH-01",
  "severity": "HIGH",
  "verdict": "FAIL",
  "title": "개인정보 영향평가 방법론(C.PIAM)을 보유했으나 본 사업에 미적용",
  "evidence": [
    {"doc": "03_제안서_발표자료", "slide": 23,
     "quote": "C.PIAM  Privacy Impact Assessment Methodology 개인정보영향평가 방법론"}
  ],
  "criterion": {"doc": "guide-2025.10", "ref": "§Ⅱ 전반"},
  "impact": "개인정보 과업이 정보보안 방법론으로 처리되어 흐름분석·침해요인·법적준거성 가중치가 파이프라인에 부재",
  "recommendation": "CNR-011~015에 C.PIAM 병행 적용. 보유 자산이므로 추가 비용 없음",
  "confidence": 0.9
}

M10-F03 보고서 구성 (고정 템플릿)

0. 분석의 전제와 한계        ← 필수. 요약본 분석 여부·판독 한계 명시
1. 종합 판정 (축별 등급)
2. 커버리지 매핑
3. 방법론 격차 (룰별 상세)
4. 문서 위생 이슈
5. 강점                      ← 필수. 결함만 나열하면 의사결정에 못 씀
6. 권고사항 (우선순위)
7. 근거 추적표

§5 "강점" 섹션은 선택이 아니라 필수다. 결함만 나열된 보고서는 "이 제안사를 쓸 것인가"라는 실제 의사결정에 답하지 못한다. 본 세션에서 제안사의 PIA 인력 풀 52명·영향평가기관 지정·선행사업 연속성이 강점 섹션에 없었다면, 권고 1번("보유한 C.PIAM을 적용하라 — 추가 비용 없음")이라는 가장 실행 가능한 권고가 도출되지 않았을 것이다.

M10-F04 심각도 정의

---

3. 데이터 모델

Document ─┬─ id, role(기준/RFP/제안서/산출물), version, pages
          └─ Page ─┬─ number, text_md, tables[], render_path
                   └─ Block ─ type(heading/para/list/table), level, bbox, text

Criterion ─┬─ Indicator (121)  : area, field, subfield, question, legal_basis, mandatory
           ├─ QualityCheck (12): category, question, evidence_doc
           ├─ StageOutput      : stage, required_outputs[]
           └─ Formula          : expr, params

Requirement ─ code, category, name, definition, details[], outputs[], source_ref

Finding ─ id, rule_id, severity, verdict, title, evidence[], criterion, impact,
          recommendation, confidence

CoverageCell ─ requirement_code × proposal_section → verdict, evidence[]

---

4. 비기능 요구사항

---

5. 검증 계획

V3의 골든셋이 이 도구의 존재 근거다. 본 세션에서 사람이 찾아낸 13개 Finding(§3.1~3.7 방법론 격차 7건, §4 문서 위생 6건 + 확인필요 1건)을 도구가 자동 재현하지 못하면 도구를 쓸 이유가 없다.

---

6. 개발 로드맵

Phase 2를 먼저 내는 이유: 미기입 필드·결번·산출물 누락은 오탐이 없고 즉시 수정 가능하다. 본 세션에서 발견한 §4의 6건은 전부 Phase 2 범위이며, 제안서 제출 전 셀프체크만으로도 도구 값어치를 한다.

---

7. 알려진 한계

1. 요약본과 본 제안서의 구분 — 도구는 입력 문서가 요약본인지 본 제안서인지 자동 판별할 수 없다. 사용자가 지정해야 하며, 요약본이면 모든 MISSING 판정이 INSUFFICIENT_EVIDENCE 로 강등된다.
2. 의미적 동등성 — 제안서가 안내서와 다른 용어로 같은 절차를 기술한 경우(예: "개인정보 처리 현황 매핑" = 흐름표) 임베딩 매칭으로 상당수 잡히나 완전하지 않다. MISSING 판정은 사람 확인을 거쳐야 한다.
3. 기준문서 해석 여지 — "충실히 작성되었는가"(체크리스트 3) 같은 정성 기준은 자동 판정 불가. 도구는 존재 여부까지만 판정하고 충실성은 사람에게 넘긴다.
4. 개정 추종 지연 — 법령·고시는 수시 개정된다. M4-F05 버전 관리가 있어도 지식베이스 갱신 자체는 사람의 일이다.

---

부록 A. 현재 구현 자산

부록 B. 용어