# 용어 — 119 소방 AI 스튜디오 지식 그래프

AI 개념 용어입니다. 소방 관계 법령이 정의한 소방 업무 용어는 '소방 업무 용어' 파일에 따로 있습니다. 정의는 학습용 설명이며 표준 정의가 아닙니다. 용어사전은 미검토 · 위험도 미평가 상태입니다.
화면에서 보기: https://119-ai-studio.kr/glossary.html
이 파일: 전체 165건 중 73~102번째 (3/5)
지식 그래프 입구: https://119-ai-studio.kr/kg/index.txt

## 에이전트·도구·자동화

### 메모리
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-memory
- 카드 파일: https://119-ai-studio.kr/kg/card-c43331308ebe117d75b9.txt
- 요약: 세션 안이나 외부 저장소에 정보를 유지해 이후 모델 호출에 다시 제공하는 구성요소나 패턴.
- 영문·다른 이름: Memory · 에이전트 메모리
- 난이도: 실무
- 비유: 다음 작업에도 참고하도록 대화나 상태의 일부를 따로 보관하는 기록 장치.
- 업무 참고: 실제 사건 정보를 장기 메모리에 자동 저장하지 말고 목적·보유기간·삭제·접근권한을 정한다.
- 구분하기: 모델 파라미터에 학습된 지식과 실행 중 저장하는 메모리는 다르다.
- 연결:
  - 관련 용어: 상태 — https://119-ai-studio.kr/glossary.html#gl-state · 기존 관계 · 미검증
  - 관련 용어: 멀티턴 대화 — https://119-ai-studio.kr/glossary.html#gl-multi-turn · 기존 관계 · 미검증
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 20. 실전 n8n: 메모리·도구·앱 연동·프로덕션 — https://119-ai-studio.kr/learn/agentic-ai/20_n8n-production.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 멀티턴 대화 — https://119-ai-studio.kr/glossary.html#gl-multi-turn · 기존 관계 · 미검증
  - 관련 용어 ← 상태 — https://119-ai-studio.kr/glossary.html#gl-state · 기존 관계 · 미검증

### 상태
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-state
- 카드 파일: https://119-ai-studio.kr/kg/card-34c7fcbd8702a12fdec0.txt
- 요약: 워크플로나 에이전트 실행 중 유지되는 입력·중간 결과·분기·오류·승인 정보의 집합.
- 영문·다른 이름: State · 실행 상태
- 난이도: 실무
- 비유: 작업이 지금 어디까지 왔고 어떤 값과 승인 결과를 들고 있는지 적은 진행표.
- 업무 참고: 개인정보와 승인 상태를 분리하고 실패 후 재개할 때 오래된 상태를 그대로 쓰지 않는지 확인한다.
- 연결:
  - 관련 용어: 메모리 — https://119-ai-studio.kr/glossary.html#gl-memory · 기존 관계 · 미검증
  - 관련 용어: 워크플로 — https://119-ai-studio.kr/glossary.html#gl-workflow · 기존 관계 · 미검증
  - 관련 용어: 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 메모리 — https://119-ai-studio.kr/glossary.html#gl-memory · 기존 관계 · 미검증

### 오픈 소스
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-open-source
- 카드 파일: https://119-ai-studio.kr/kg/card-2083f45594499732390e.txt
- 요약: 소스 코드를 공개하고 라이선스로 이용·수정·재배포 조건을 정해 배포하는 방식. 공개돼 있다는 사실이 무료나 무조건 사용 허용을 뜻하지는 않는다.
- 영문·다른 이름: Open Source · 오픈소스
- 난이도: 입문
- 비유: 만든 사람이 설계도까지 함께 공개해, 정해진 조건 안에서 누구나 쓰고 고칠 수 있게 내놓은 소프트웨어.
- 업무 참고: 조달 절차를 밟기 전에 먼저 써 보고 판단하거나, 밖으로 내보내기 어려운 자료를 기관 안에서 다룰 때 선택지가 된다.
- 구분하기: 무료 프로그램은 값만 없을 뿐 안을 볼 수 없을 수 있다. 오픈 소스는 소스 코드 공개와 라이선스로 정한 이용 조건이 핵심이다.
- 연결:
  - 관련 용어: 라이선스 — https://119-ai-studio.kr/glossary.html#gl-license · 기존 관계 · 미검증
  - 관련 용어: 저장소 — https://119-ai-studio.kr/glossary.html#gl-repository · 기존 관계 · 미검증
  - 관련 용어: MCP 서버 — https://119-ai-studio.kr/glossary.html#gl-mcp-server · 기존 관계 · 미검증
  - 배경 학습: Git 완전 정복 · 17. 포크(Fork)와 오픈소스 기여 — https://119-ai-studio.kr/learn/git/17_포크와오픈소스기여.html
  - 관련 안내서: 온프레미스 LLM, 망분리 환경에서 안전하게 운영하기 — https://119-ai-studio.kr/on-prem-llm.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 국가·공공기관 AI보안 가이드북 — https://119-ai-studio.kr/ai-laws.html#law-nis-ai-security-guidebook
  - 관련 용어 ← 저장소 — https://119-ai-studio.kr/glossary.html#gl-repository · 기존 관계 · 미검증
  - 관련 용어 ← 라이선스 — https://119-ai-studio.kr/glossary.html#gl-license · 기존 관계 · 미검증

### 저장소
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-repository
- 카드 파일: https://119-ai-studio.kr/kg/card-100cee807fd5bbd6162e.txt
- 요약: Git이 관리하는 프로젝트 단위. 파일과 변경 이력, 브랜치가 함께 들어 있고 깃허브 같은 서비스에 올리면 이슈·풀 리퀘스트 같은 협업 기능이 붙는다.
- 영문·다른 이름: Repository · 레포 · 리포지터리
- 난이도: 입문
- 비유: 프로젝트 하나의 파일과 그동안의 변경 이력을 함께 담아 둔 보관함.
- 업무 참고: 공공기관이 공개한 코드도 저장소 단위로 올라온다. README로 무엇을 하는지, 라이선스로 쓸 수 있는 조건을, 최근 변경 이력으로 관리 상태를 확인한다.
- 구분하기: 단순 파일 공유함과 달리 누가 언제 무엇을 왜 바꿨는지가 이력으로 남는다.
- 연결:
  - 관련 용어: 오픈 소스 — https://119-ai-studio.kr/glossary.html#gl-open-source · 기존 관계 · 미검증
  - 관련 용어: 라이선스 — https://119-ai-studio.kr/glossary.html#gl-license · 기존 관계 · 미검증
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 정의 설명 학습 자료: Git 완전 정복 · 03. Git 저장소(Repository) — https://119-ai-studio.kr/learn/git/03_깃-저장소.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 오픈 소스 — https://119-ai-studio.kr/glossary.html#gl-open-source · 기존 관계 · 미검증
  - 관련 용어 ← 라이선스 — https://119-ai-studio.kr/glossary.html#gl-license · 기존 관계 · 미검증

## 평가·운영

### 평가
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-evaluation
- 카드 파일: https://119-ai-studio.kr/kg/card-bad674bdde342bce563e.txt
- 요약: 모델이나 AI 시스템의 출력이 목적·품질·안전 기준을 얼마나 충족하는지 자료와 절차를 정해 측정하는 과정.
- 영문·다른 이름: Evaluation · AI 평가 · 모델 평가
- 난이도: 입문
- 비유: 훈련이 끝난 장비를 실제 배치하기 전에 정해 둔 점검표와 상황으로 성능을 확인하는 일.
- 업무 참고: 요약·분류·검색처럼 용도가 다른 기능은 같은 점수 하나로 판단하지 말고 실제 사용 시나리오별 기준을 둔다.
- 연결:
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
  - 배경 학습: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 관련 안내서: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어 ← 강건성 — https://119-ai-studio.kr/glossary.html#gl-robustness · 자료 대조: 강건성을 평가하려면 유지해야 할 성능과 변화시킬 입력·환경 조건의 범위를 정해야 한다.
    - 편집 판단 근거: NIST AI RMF 1.0 — AI Risks and Trustworthiness — https://airc.nist.gov/airmf-resources/airmf/3-sec-characteristics/ (3.1 Valid and Reliable, 2026-10-24)

### 평가셋
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-evaluation-set
- 정의 근거: https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html#s3 (프롬프트·컨텍스트 엔지니어링 — 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 · 가장 가벼운 평가 — 누구나 할 수 있다; 무엇을 측정하나 — 작업별 지표 · 입력과 기준 답을 먼저 정한 비교, 분류 정확도의 기준 답 일치 비율. 정밀도·재현율 공식의 근거는 아닙니다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/rag-eval-ops.html#s3 (RAG 운영, 골든셋 회귀 평가와 가드레일 · 1. 골든셋 만들기; 2. 회귀 평가 · 질문·정답 근거·기대 요점의 평가 자료, 버전·확인일과 대표 표본의 한계. 원문의 수치 예시는 운영 문턱값으로 옮기지 않았습니다. · 원문 대조 2026-10-26)
- 정의 근거: https://developers.google.com/machine-learning/crash-course/overfitting/dividing-datasets#training_validation_and_test_sets (Google Machine Learning Crash Course — Datasets: Dividing the original dataset · Training, validation, and test sets; Additional problems with test sets · 학습과 평가 사례의 분리, 검증용 자료와 마지막 테스트 자료의 용도 차이 및 반복 사용의 한계. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-83fcdfadc5254fba9749.txt
- 요약: 모델이나 시스템의 품질을 반복해서 비교할 수 있도록 입력·기대 결과·판정 기준을 함께 관리하는 사례 집합.
- 영문·다른 이름: Evaluation Set · 평가 데이터셋 · 테스트 사례 모음
- 난이도: 입문
- 비유: 장비 성능을 비교할 때 매번 같은 조건을 재현하도록 준비한 표준 시험 상황 묶음.
- 학습 예시: 가상 신고 문장과 담당자가 검토한 분류 기준을 묶어 두고, 분류 설정을 바꿀 때 같은 자료로 결과를 비교한다.
- 업무 참고: 평가셋 가운데 담당자가 검토하고 승인한 사례 모음인 골든셋은 'RAG 운영, 골든셋 회귀 평가와 가드레일'과 '신고 전사 심화, 화자 결합과 품질 관리'에서 만든다. 학습 데이터셋의 FIRESENSE 영상 모음은 연기·불꽃 탐지 모델의 오탐률을 재는 평가용 자료다.
- 구분하기: 학습셋은 모델을 학습시키는 데 쓰이고 평가셋은 학습 뒤 성능을 확인하는 데 쓰이므로 서로 섞지 않는다.
- 심화 설명: 작동 방식 비교하려는 작업에서 대표 입력과 기대 결과 또는 판정 기준을 먼저 정합니다. 같은 평가 자료로 모델·프롬프트·검색 설정의 결과를 비교하면 변경 전후의 차이를 살필 수 있습니다. 쉬운 사례뿐 아니라 애매한 입력, 근거가 없는 질문과 실패 사례도 포함합니다. 자료와 기준에 버전·확인일을 남기고 기준이 바뀌면 평가 자료도 함께 갱신합니다. 학습 예시 다음은 가상 교육 문의를 분류하는 작은 평가셋입니다. 입력 미리 정한 기준 답 가상 출력 비교 결과 ------------ 교육은 어디서 하나요? 장소 문의 장소 문의 일치 물병을 가져가나요? 준비물 문의 준비물 문의 일치 수료증이 발급되나요? 자료 부족으로 확인 필요 발급됩니다 불일치 기준 답은 출력을 보기 전에 정합니다. 여기서 3건 중 2건이 일치했다는 결과는 이 작은 자료의 결과이며 일반 성능을 뜻하지 않습니다. 구분과 한계 학습에 사용한 사례를 그대로 평가에 쓰면 처음 보는 입력에 대한 성능을 확인하기 어렵습니다. 설정을 고르며 반복해 본 검증용 자료와 마지막 확인에 남긴 테스트 자료도 구분합니다. 평가셋 점수가 높아도 그 자료에 없는 상황까지 검증된 것은 아닙니다.
- 연결:
  - 관련 용어: 골든셋 — https://119-ai-studio.kr/glossary.html#gl-golden-set · 기존 관계 · 미검증
  - 관련 용어: 정답 기준 — https://119-ai-studio.kr/glossary.html#gl-ground-truth · 기존 관계 · 미검증
  - 관련 용어: 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 다음에 볼 개념: 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 자료 대조: 분류 정확도를 계산하기 전에 입력과 기준 답으로 평가 자료를 구성하면 무엇을 맞혔는지와 분모의 범위가 분명해집니다.
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html#s3 (가장 가벼운 평가 — 누구나 할 수 있다; 무엇을 측정하나 — 작업별 지표, 2026-10-24)
    - 편집 판단 근거: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
  - 정의 설명 학습 자료: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 관련 안내서: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← FIRESENSE database of videos for flame and smoke detection — https://119-ai-studio.kr/datasets.html#dataset-firesense-videos
  - 관련 용어 ← 신고 전사 심화, 화자 결합과 품질 관리 — https://119-ai-studio.kr/call-transcription-quality.html
  - 관련 용어 ← RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 관련 용어 ← 퓨샷 예시 — https://119-ai-studio.kr/glossary.html#gl-few-shot · 기존 관계 · 미검증
  - 관련 용어 ← Top-p — https://119-ai-studio.kr/glossary.html#gl-top-p · 기존 관계 · 미검증
  - 관련 용어 ← 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어 ← 합성 데이터 — https://119-ai-studio.kr/glossary.html#gl-synthetic-data · 기존 관계 · 미검증
  - 관련 용어 ← 데이터 라벨링 — https://119-ai-studio.kr/glossary.html#gl-data-labeling · 기존 관계 · 미검증
  - 관련 용어 ← 평가 — https://119-ai-studio.kr/glossary.html#gl-evaluation · 기존 관계 · 미검증
  - 관련 용어 ← 골든셋 — https://119-ai-studio.kr/glossary.html#gl-golden-set · 기존 관계 · 미검증
  - 관련 용어 ← 정답 기준 — https://119-ai-studio.kr/glossary.html#gl-ground-truth · 기존 관계 · 미검증
  - 관련 용어 ← 벤치마크 — https://119-ai-studio.kr/glossary.html#gl-benchmark · 기존 관계 · 미검증
  - 관련 용어 ← 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 관련 용어 ← 학습·검증·테스트 분할 — https://119-ai-studio.kr/glossary.html#gl-train-validation-test-split · 자료 대조: 검증용·테스트용 데이터는 평가에 쓰되 모델 선택과 최종 평가의 역할을 나누어 관리한다.
    - 원문에 명시: Google ML Crash Course — Dividing the original dataset — https://developers.google.com/machine-learning/crash-course/overfitting/dividing-datasets (Training, validation, and test sets, 2026-10-24)

### 골든셋
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-golden-set
- 카드 파일: https://119-ai-studio.kr/kg/card-aefd600e13a6c82716ac.txt
- 요약: 신뢰할 수 있는 담당자가 검토하고 승인한 입력·기대 결과·판정 근거로 구성된 고품질 평가 사례 집합.
- 영문·다른 이름: Golden Set · 기준 사례 모음 · 황금 표준 데이터
- 난이도: 실무
- 비유: 숙련자가 합의해 둔 모범 답안과 채점 근거를 반복 점검용으로 보관한 묶음.
- 업무 참고: 법령이나 절차가 바뀌면 골든셋의 답과 근거도 함께 갱신하고 변경 이력을 남겨야 한다.
- 구분하기: 모든 평가셋이 골든셋은 아니며 골든셋이라는 이름만으로 공식성이나 영구 정확성이 보장되지는 않는다.
- 연결:
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어: 정답 기준 — https://119-ai-studio.kr/glossary.html#gl-ground-truth · 기존 관계 · 미검증
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 정의 설명 학습 자료: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 관련 용어 ← 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어 ← 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증

### 정답 기준
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-ground-truth
- 카드 파일: https://119-ai-studio.kr/kg/card-68676fd82b60648af7d1.txt
- 요약: 관측·검증·합의된 자료를 바탕으로 평가에서 비교 기준으로 사용하는 값이나 라벨.
- 영문·다른 이름: Ground Truth · 참값 · 기준 답
- 난이도: 실무
- 비유: 평가자가 결과를 맞았다고 판정할 때 대조하는 확인된 기준 기록.
- 업무 참고: 판단이 갈리는 서술형 업무는 단일 문장을 절대 정답으로 두기보다 허용 범위와 판정 근거를 함께 기록한다.
- 연결:
  - 관련 용어: 데이터 라벨링 — https://119-ai-studio.kr/glossary.html#gl-data-labeling · 기존 관계 · 미검증
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 훈련 데이터 라벨 품질, 학습 전에 잡기 — https://119-ai-studio.kr/label-quality-check.html
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← EFFIS Burnt Areas — https://119-ai-studio.kr/datasets.html#dataset-effis-fire-data
  - 관련 용어 ← 신고 전사 심화, 화자 결합과 품질 관리 — https://119-ai-studio.kr/call-transcription-quality.html
  - 관련 용어 ← 데이터 라벨링 — https://119-ai-studio.kr/glossary.html#gl-data-labeling · 기존 관계 · 미검증
  - 관련 용어 ← 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어 ← 골든셋 — https://119-ai-studio.kr/glossary.html#gl-golden-set · 기존 관계 · 미검증
  - 관련 용어 ← WER 단어 오류율 — https://119-ai-studio.kr/glossary.html#gl-wer · 자료 대조: WER를 계산하려면 정답 단어열과 단어 분할 규칙이 필요하다.
    - 원문에 명시: Hugging Face Evaluate — WER metric card — https://huggingface.co/spaces/evaluate-metric/wer/blob/main/README.md (Metric description / Output values, 2026-10-24)
  - 관련 용어 ← IoU 교집합 대 합집합 비율 — https://119-ai-studio.kr/glossary.html#gl-iou · 자료 대조: 객체 탐지 평가에서는 예측 영역과 정답 라벨 영역의 겹침을 IoU로 비교할 수 있다.
    - 원문에 명시: Ultralytics — Intersection over Union — https://www.ultralytics.com/glossary/intersection-over-union-iou (Intersection over Union — definition, 2026-10-24)
  - 관련 용어 ← 감식 — https://119-ai-studio.kr/glossary.html#gl-law-a34de63f
  - 관련 용어 ← 감정 — https://119-ai-studio.kr/glossary.html#gl-law-dbe241c4

### 벤치마크
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-benchmark
- 카드 파일: https://119-ai-studio.kr/kg/card-65ceccfc489719d398bd.txt
- 요약: 모델·시스템·설정의 성능을 같은 과제와 측정 방법으로 비교하기 위한 공개 또는 내부 평가 체계.
- 영문·다른 이름: Benchmark · 비교 평가 기준
- 난이도: 입문
- 비유: 여러 장비나 설정을 같은 시험 코스에서 비교하는 공통 시험.
- 업무 참고: 일반 벤치마크 점수가 높아도 소방 업무 자료와 조건에서 같은 품질이 나온다고 단정하지 않는다.
- 연결:
  - 관련 용어: 기준선 — https://119-ai-studio.kr/glossary.html#gl-baseline · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← Next Day Wildfire Spread — https://119-ai-studio.kr/datasets.html#dataset-next-day-wildfire-spread
  - 관련 용어 ← WildFire VQA — https://119-ai-studio.kr/datasets.html#dataset-wildfire-vqa
  - 관련 용어 ← Mesogeos: A multi-purpose dataset for data-driven wildfire modeling in the Mediterranean — https://119-ai-studio.kr/datasets.html#dataset-mesogeos
  - 관련 용어 ← 기준선 — https://119-ai-studio.kr/glossary.html#gl-baseline · 기존 관계 · 미검증

### 기준선
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-baseline
- 카드 파일: https://119-ai-studio.kr/kg/card-9fc928e3862846c28dde.txt
- 요약: 변경이나 새 시스템의 효과를 판단하기 위해 비교 대상으로 정한 기존 방식·단순 모델·이전 버전의 성능.
- 영문·다른 이름: Baseline · 베이스라인 · 비교 기준
- 난이도: 입문
- 비유: 새 장비의 효과를 보기 전에 현재 방식의 시간과 오류율을 먼저 재어 둔 출발점.
- 업무 참고: AI 도입 전 수작업 절차의 정확도와 소요 시간을 기준선으로 남겨 실제 개선인지 확인한다.
- 연결:
  - 관련 용어: 벤치마크 — https://119-ai-studio.kr/glossary.html#gl-benchmark · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어: 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 배경 학습: 안전한 AI 운영 도구 — 검증·비식별·추적 — https://119-ai-studio.kr/ai-ops-toolkit.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← D-Fire: an image dataset for fire and smoke detection — https://119-ai-studio.kr/datasets.html#dataset-d-fire
  - 관련 용어 ← 벤치마크 — https://119-ai-studio.kr/glossary.html#gl-benchmark · 기존 관계 · 미검증
  - 관련 용어 ← 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 관련 용어 ← 드리프트 — https://119-ai-studio.kr/glossary.html#gl-drift · 기존 관계 · 미검증

### 평가지표
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-metric
- 카드 파일: https://119-ai-studio.kr/kg/card-c58cdbab91f09d627e19.txt
- 요약: 시스템의 특정 품질을 일관된 방식으로 수치화하거나 등급화하기 위해 정의한 측정 기준.
- 영문·다른 이름: Metric · 측정 지표 · 평가 척도
- 난이도: 입문
- 비유: 속도·정확성·누락처럼 서로 다른 품질을 각각 재는 계기판.
- 업무 참고: 정확도 하나만 보지 말고 누락 위험·오탐·검토 시간·출처 제시율처럼 업무 피해와 연결된 지표를 함께 본다.
- 연결:
  - 관련 용어: 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 기존 관계 · 미검증
  - 관련 용어: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
  - 정의 설명 학습 자료: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 관련 용어 ← 평가 — https://119-ai-studio.kr/glossary.html#gl-evaluation · 기존 관계 · 미검증
  - 관련 용어 ← 벤치마크 — https://119-ai-studio.kr/glossary.html#gl-benchmark · 기존 관계 · 미검증
  - 관련 용어 ← 기준선 — https://119-ai-studio.kr/glossary.html#gl-baseline · 기존 관계 · 미검증
  - 관련 용어 ← 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 기존 관계 · 미검증
  - 관련 용어 ← F1 점수 — https://119-ai-studio.kr/glossary.html#gl-f1-score · 기존 관계 · 미검증
  - 관련 용어 ← 모니터링 — https://119-ai-studio.kr/glossary.html#gl-monitoring · 기존 관계 · 미검증
  - 관련 용어 ← 지연시간 — https://119-ai-studio.kr/glossary.html#gl-latency · 기존 관계 · 미검증
  - 관련 용어 ← 편향 — https://119-ai-studio.kr/glossary.html#gl-bias · 기존 관계 · 미검증

### 정확도
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-accuracy
- 정의 근거: https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics · Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics? · 분류 정확도·정밀도·재현율의 서로 다른 분모, 불균형 자료의 한계와 분모 0의 미정의. · 원문 대조 2026-10-24)
- 정의 근거: https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics (scikit-learn — Metrics and scoring: quantifying the quality of predictions · Accuracy score; Precision, recall and F-measures — Binary classification · 분류 지표의 정확한 계산식과 TP·FP·FN·TN 구분. 패키지 설치나 API 사용법은 이 노트의 범위가 아닙니다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html#s3 (프롬프트·컨텍스트 엔지니어링 — 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 · 가장 가벼운 평가 — 누구나 할 수 있다; 무엇을 측정하나 — 작업별 지표 · 입력과 기준 답을 먼저 정한 비교, 분류 정확도의 기준 답 일치 비율. 정밀도·재현율 공식의 근거는 아닙니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-e4713a3a79d6af27946c.txt
- 요약: 모든 평가 사례 중 예측이 기준 답과 일치한 사례의 비율로 계산하는 분류 지표.
- 영문·다른 이름: Accuracy · 정분류율
- 난이도: 실무
- 의미 범위: 분류 평가 지표
- 비유: 전체 문제 가운데 맞게 판정한 문제가 차지하는 비율.
- 학습 예시: 가상 사진 100장에서 양성 15장과 음성 70장을 맞혔다면 정확도는 85%입니다. 전체 100장이 분모입니다.
- 업무 참고: 위험 구역을 미리 예측하는 '지역별 화재 위험도 예측 모델 구축'은 화재가 드문 자료에서 모두 위험 없음으로 답하는 모델도 정확도가 높게 나오는 예를 들어 재현율·정밀도로 평가하게 한다. '화재 영상에서 화염·연기 탐지하기'도 탐지 성능을 정확도 한 숫자로 보고하지 않고 미탐과 오탐을 나눠 보고한다.
- 구분하기: 정확도는 전체 사례, 정밀도는 예측 양성, 재현율은 실제 양성을 분모로 삼습니다.
- 심화 설명: 작동 방식 먼저 평가할 사례마다 기준 답과 예측 답을 한 쌍으로 맞춥니다. 양성과 음성을 모두 포함해 맞힌 수를 셉니다. 그 수를 전체 평가 사례 수로 나누며, 무엇을 맞힌 것으로 볼지 같은 기준을 적용합니다. 양성·음성의 비중이 크게 다르면 자주 등장하는 쪽만 맞혀도 값이 높아질 수 있습니다. 학습 예시 가상 사진 100장에서 연기 있음을 양성으로 정합니다. 정답의 양성은 20장이고 모델은 25장을 양성으로 표시했습니다. 결과 사진 수 ------: 양성을 양성으로 맞힘 15 음성을 양성으로 잘못 표시 10 양성을 음성으로 놓침 5 음성을 음성으로 맞힘 70 정확도는 (15 + 70) ÷ 100 = 85%입니다. 이 숫자는 가상의 분류 계산이며 실제 영상 탐지 성능이 아닙니다. 구분과 한계 정밀도·재현율과 달리 전체 사례가 분모입니다. 평가 사례가 0건이면 계산할 수 없습니다. 높은 정확도만 보고 드문 양성의 누락이 적다고 판단하지 않습니다.
- 연결:
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 함께 비교: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 자료 대조: 전체 사례를 분모로 쓰는 정확도와 예측 양성을 분모로 쓰는 정밀도를 함께 읽어 전체 정답률과 표시한 양성의 정확성을 구분합니다.
    - 원문에 명시: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 함께 비교: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 자료 대조: 전체 정답률이 높아도 드문 양성의 누락이 많을 수 있으므로 정확도와 실제 양성 기준의 재현율을 비교합니다.
    - 원문에 명시: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 영상에서 화염·연기 탐지하기 — https://119-ai-studio.kr/fire-smoke-detection.html
  - 먼저 볼 개념 ← 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 자료 대조: 분류 정확도를 계산하기 전에 입력과 기준 답으로 평가 자료를 구성하면 무엇을 맞혔는지와 분모의 범위가 분명해집니다.
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html#s3 (가장 가벼운 평가 — 누구나 할 수 있다; 무엇을 측정하나 — 작업별 지표, 2026-10-24)
    - 편집 판단 근거: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 관련 용어 ← 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어 ← 혼동행렬 — https://119-ai-studio.kr/glossary.html#gl-confusion-matrix · 자료 대조: 혼동행렬의 맞춘 양성·맞춘 음성·오탐·미탐 수를 이용해 분류 결과의 정확도와 오류 구성을 살펴볼 수 있다.
    - 편집 판단 근거: Google ML Crash Course — Thresholds and the confusion matrix — https://developers.google.com/machine-learning/crash-course/classification/thresholding (Classification threshold / Confusion matrix, 2026-10-24)

### 정밀도
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-precision
- 정의 근거: https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics · Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics? · 분류 정확도·정밀도·재현율의 서로 다른 분모, 불균형 자료의 한계와 분모 0의 미정의. · 원문 대조 2026-10-24)
- 정의 근거: https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics (scikit-learn — Metrics and scoring: quantifying the quality of predictions · Accuracy score; Precision, recall and F-measures — Binary classification · 분류 지표의 정확한 계산식과 TP·FP·FN·TN 구분. 패키지 설치나 API 사용법은 이 노트의 범위가 아닙니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-fce4adc58eb52dafd0c0.txt
- 요약: 양성으로 예측한 사례 가운데 실제 양성인 사례의 비율로 오탐이 많을수록 낮아지는 지표.
- 영문·다른 이름: Precision · 양성 예측도
- 난이도: 실무
- 의미 범위: 분류 평가 지표
- 비유: 위험하다고 표시한 항목 중 실제로 위험한 항목이 얼마나 되는지 보는 비율.
- 학습 예시: 모델이 양성으로 표시한 가상 사진 25장 중 실제 양성이 15장이면 정밀도는 15 ÷ 25 = 60%입니다.
- 업무 참고: 정밀도는 '지역별 화재 위험도 예측 모델 구축'에서 위험 구역으로 고른 곳 가운데 실제로 화재가 난 비율로 나온다. 이 안내서는 예방점검에서 재현율을 먼저 보고 점검 인력이 감당할 만큼 정밀도를 챙긴다고 적는다. '화재 영상에서 화염·연기 탐지하기'에서는 화재가 아닌데 울리는 오탐을 관리하는 지표로 쓴다.
- 구분하기: 재현율은 실제 양성이 분모이며 정밀도는 예측 양성이 분모입니다. 숫자를 저장하는 비트 수와 관련된 수치 정밀도와도 구분합니다.
- 심화 설명: 작동 방식 먼저 어떤 상태를 양성이라고 부를지 정합니다. 모델이 양성으로 표시한 사례만 모아 그중 기준 답도 양성인 수를 셉니다. 맞게 찾은 양성 수를 모델이 표시한 양성 전체 수로 나눕니다. 이 계산은 놓친 양성 수를 분모에 넣지 않으므로 재현율을 함께 봅니다. 학습 예시 가상 사진 100장 중 실제 연기 사진은 20장입니다. 모델이 연기 있음으로 표시한 25장 가운데 실제 연기 사진은 15장입니다. 지표 분모 계산 --------- 정밀도 모델이 양성으로 표시한 25장 15 ÷ 25 = 60% 재현율 실제 양성인 20장 15 ÷ 20 = 75% 표시한 25장 중 10장은 오탐입니다. 수치는 분모 차이를 설명하기 위한 가정입니다. 구분과 한계 모델이 양성으로 표시한 사례가 0건이면 이 비율은 정의되지 않습니다. 평가 도구가 대신 0이나 1을 쓰는 경우 그 처리 규칙을 밝혀야 합니다. 여기서 정밀도는 분류 지표이며 숫자를 저장하는 비트 수와 관련된 수치 정밀도와 다릅니다.
- 연결:
  - 관련 용어: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 관련 용어: 오탐 — https://119-ai-studio.kr/glossary.html#gl-false-positive · 기존 관계 · 미검증
  - 관련 용어: F1 점수 — https://119-ai-studio.kr/glossary.html#gl-f1-score · 기존 관계 · 미검증
  - 함께 비교: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 자료 대조: 정밀도는 예측 양성, 재현율은 실제 양성이 분모이므로 같은 분류 결과에서도 서로 다른 질문에 답합니다.
    - 원문에 명시: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 영상에서 화염·연기 탐지하기 — https://119-ai-studio.kr/fire-smoke-detection.html
  - 관련 용어 ← 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어 ← 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 기존 관계 · 미검증
  - 함께 비교 ← 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 자료 대조: 전체 사례를 분모로 쓰는 정확도와 예측 양성을 분모로 쓰는 정밀도를 함께 읽어 전체 정답률과 표시한 양성의 정확성을 구분합니다.
    - 원문에 명시: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 관련 용어 ← 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 관련 용어 ← F1 점수 — https://119-ai-studio.kr/glossary.html#gl-f1-score · 기존 관계 · 미검증
  - 관련 용어 ← 오탐 — https://119-ai-studio.kr/glossary.html#gl-false-positive · 기존 관계 · 미검증
  - 함께 비교 ← 수치 정밀도 — https://119-ai-studio.kr/glossary.html#gl-numeric-precision · 자료 대조: 같은 precision이라는 영문 이름을 쓰지만 수치 표현의 정밀도와 양성 예측의 정답 비율은 다른 개념이다.
    - 편집 판단 근거: NVIDIA — Train With Mixed Precision — https://docs.nvidia.com/deeplearning/performance/mixed-precision-training/index.html (2 Mixed Precision Training / 2.1 Half Precision Format, 2026-10-24)
    - 편집 판단 근거: Ultralytics — Performance Metrics Deep Dive — https://docs.ultralytics.com/guides/yolo-performance-metrics (Object Detection Metrics / Class-wise Metrics, 2026-10-24)

### 재현율
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-recall
- 정의 근거: https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics · Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics? · 분류 정확도·정밀도·재현율의 서로 다른 분모, 불균형 자료의 한계와 분모 0의 미정의. · 원문 대조 2026-10-24)
- 정의 근거: https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics (scikit-learn — Metrics and scoring: quantifying the quality of predictions · Accuracy score; Precision, recall and F-measures — Binary classification · 분류 지표의 정확한 계산식과 TP·FP·FN·TN 구분. 패키지 설치나 API 사용법은 이 노트의 범위가 아닙니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-93d127234cc825eb5e45.txt
- 요약: 실제 양성인 사례 가운데 양성으로 올바르게 찾아낸 사례의 비율로 누락이 많을수록 낮아지는 지표.
- 영문·다른 이름: Recall · 민감도 · 검출률
- 난이도: 실무
- 의미 범위: 분류 평가 지표
- 비유: 실제 위험 항목 전체 가운데 시스템이 찾아낸 항목이 얼마나 되는지 보는 비율.
- 학습 예시: 실제 양성인 가상 사진 20장 중 15장을 찾았다면 재현율은 15 ÷ 20 = 75%이며 5장은 놓친 사례입니다.
- 업무 참고: 놓친 사례를 재는 지표로 만나며, '화재 영상에서 화염·연기 탐지하기'는 실제 화재를 놓치는 미탐을 재현율로 관리하고 '개인정보 비식별 파이프라인, 이름·주소까지 자동으로'는 가려야 할 이름을 놓쳤는지를 골든셋 재현율로 잰다.
- 구분하기: 정밀도는 모델이 표시한 양성 중 맞힌 비율이고 재현율은 실제 양성 중 찾아낸 비율입니다. 재현율만으로 오탐 부담을 판단할 수 없습니다.
- 심화 설명: 작동 방식 평가 자료의 기준 답에서 실제 양성인 사례를 먼저 모읍니다. 그 가운데 모델이 양성으로 찾아낸 수를 셉니다. 찾아낸 수를 실제 양성 전체 수로 나누면 누락이 얼마나 남는지 살필 수 있습니다. 음성을 양성으로 잘못 표시한 수는 이 분모에 들어가지 않으므로 정밀도도 함께 확인합니다. 학습 예시 가상 사진 100장 중 실제 연기 사진 20장에서 15장을 찾고 5장을 놓쳤다고 가정합니다. 항목 계산 결과 ---------: 재현율 15 ÷ 20 75% 양성 중 놓친 비율 5 ÷ 20 25% 모든 사진을 양성으로 표시하면 이 자료의 재현율은 100%가 되지만 음성 80장도 양성으로 표시합니다. 재현율만 높이는 방식의 한계를 보여 주는 가상 예입니다. 구분과 한계 실제 양성이 0건이면 재현율은 정의되지 않습니다. 단순히 전체 정답률인 정확도와 같다고 읽지 않습니다. 양성 판단 기준을 바꾸어 비교할 때는 정밀도·재현율과 오탐·미탐 수를 같은 조건에서 함께 확인합니다.
- 연결:
  - 관련 용어: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어: 미탐 — https://119-ai-studio.kr/glossary.html#gl-false-negative · 기존 관계 · 미검증
  - 관련 용어: F1 점수 — https://119-ai-studio.kr/glossary.html#gl-f1-score · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 영상에서 화염·연기 탐지하기 — https://119-ai-studio.kr/fire-smoke-detection.html
  - 관련 용어 ← 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어 ← 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 기존 관계 · 미검증
  - 함께 비교 ← 정확도 — https://119-ai-studio.kr/glossary.html#gl-accuracy · 자료 대조: 전체 정답률이 높아도 드문 양성의 누락이 많을 수 있으므로 정확도와 실제 양성 기준의 재현율을 비교합니다.
    - 원문에 명시: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 관련 용어 ← 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 함께 비교 ← 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 자료 대조: 정밀도는 예측 양성, 재현율은 실제 양성이 분모이므로 같은 분류 결과에서도 서로 다른 질문에 답합니다.
    - 원문에 명시: Google Machine Learning Crash Course — Classification: Accuracy, recall, precision, and related metrics — https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall (Accuracy; Recall, or true positive rate; Precision; What does NaN mean in the metrics?, 2026-10-24)
  - 관련 용어 ← F1 점수 — https://119-ai-studio.kr/glossary.html#gl-f1-score · 기존 관계 · 미검증
  - 관련 용어 ← 미탐 — https://119-ai-studio.kr/glossary.html#gl-false-negative · 기존 관계 · 미검증

### F1 점수
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-f1-score
- 카드 파일: https://119-ai-studio.kr/kg/card-cb349145a6deb167247e.txt
- 요약: 정밀도와 재현율의 조화평균으로 두 지표의 균형을 하나의 값으로 요약한 분류 지표.
- 영문·다른 이름: F1 Score · F1
- 난이도: 심화
- 비유: 정밀도와 재현율 가운데 한쪽만 높아서는 좋은 점수를 받기 어렵게 만든 균형 점수.
- 업무 참고: F1 점수가 같아도 오탐과 누락의 구성은 다를 수 있으므로 원래 지표와 실패 사례를 함께 본다.
- 연결:
  - 관련 용어: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어 ← 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증

### 오탐
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-false-positive
- 카드 파일: https://119-ai-studio.kr/kg/card-c1272f5d47f54d6c83ee.txt
- 요약: 실제로는 음성인 사례를 시스템이 양성으로 잘못 판정한 오류.
- 영문·다른 이름: False Positive · 거짓 양성
- 난이도: 실무
- 비유: 문제가 아닌 항목을 문제라고 잘못 경보한 경우.
- 업무 참고: 오탐은 불필요한 확인 업무와 경보 피로를 만들 수 있으므로 발생 조건과 후속 조치 비용을 기록한다.
- 연결:
  - 관련 용어: 미탐 — https://119-ai-studio.kr/glossary.html#gl-false-negative · 기존 관계 · 미검증
  - 관련 용어: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 발생 예측 영상 — https://119-ai-studio.kr/datasets.html#dataset-aihub-fire-smoke-prediction-video
  - 관련 용어 ← 대전광역시_재난안전_전기 및 화재 센서 데이터(인공지능 학습용) — https://119-ai-studio.kr/datasets.html#dataset-daejeon-fire-electric-sensor-ai
  - 관련 용어 ← FIRESENSE database of videos for flame and smoke detection — https://119-ai-studio.kr/datasets.html#dataset-firesense-videos
  - 관련 용어 ← Pyro-SDIS — https://119-ai-studio.kr/datasets.html#dataset-pyronear-pyro-sdis
  - 관련 용어 ← 화재 영상에서 화염·연기 탐지하기 — https://119-ai-studio.kr/fire-smoke-detection.html
  - 관련 용어 ← 컴퓨터 비전 — https://119-ai-studio.kr/glossary.html#gl-computer-vision · 기존 관계 · 미검증
  - 관련 용어 ← 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 기존 관계 · 미검증
  - 관련 용어 ← 미탐 — https://119-ai-studio.kr/glossary.html#gl-false-negative · 기존 관계 · 미검증

### 미탐
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-false-negative
- 카드 파일: https://119-ai-studio.kr/kg/card-8f960c703008a2881e9e.txt
- 요약: 실제로는 양성인 사례를 시스템이 음성으로 잘못 판정한 오류.
- 영문·다른 이름: False Negative · 거짓 음성 · 누락 오류
- 난이도: 실무
- 비유: 실제 문제가 있는데도 정상이라고 놓친 경우.
- 업무 참고: 안전 관련 점검의 미탐은 피해가 클 수 있으므로 자동 결과만으로 종결하지 않고 보완 규칙과 사람 검토를 둔다.
- 연결:
  - 관련 용어: 오탐 — https://119-ai-studio.kr/glossary.html#gl-false-positive · 기존 관계 · 미검증
  - 관련 용어: 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 영상에서 화염·연기 탐지하기 — https://119-ai-studio.kr/fire-smoke-detection.html
  - 관련 용어 ← 음성 인식 — https://119-ai-studio.kr/glossary.html#gl-speech-recognition · 기존 관계 · 미검증
  - 관련 용어 ← 재현율 — https://119-ai-studio.kr/glossary.html#gl-recall · 기존 관계 · 미검증
  - 관련 용어 ← 오탐 — https://119-ai-studio.kr/glossary.html#gl-false-positive · 기존 관계 · 미검증

### 회귀 테스트
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-regression-test
- 카드 파일: https://119-ai-studio.kr/kg/card-cbbd6b71df644ff5a943.txt
- 요약: 모델·프롬프트·데이터·코드를 변경한 뒤 기존에 통과하던 사례가 다시 실패하지 않는지 반복 확인하는 시험.
- 영문·다른 이름: Regression Test · 재발 방지 시험
- 난이도: 실무
- 비유: 장비를 고친 뒤 새 기능뿐 아니라 전에 되던 기능도 그대로 되는지 다시 확인하는 점검.
- 업무 참고: 발견된 중요 오류를 개인정보가 없는 재현 사례로 평가셋에 추가해 다음 변경 때 같은 문제가 돌아오지 않는지 본다.
- 연결:
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어: 기준선 — https://119-ai-studio.kr/glossary.html#gl-baseline · 기존 관계 · 미검증
  - 관련 용어: 드리프트 — https://119-ai-studio.kr/glossary.html#gl-drift · 기존 관계 · 미검증
  - 정의 설명 학습 자료: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 정의 설명 학습 자료: 안전한 AI 운영 도구 — 검증·비식별·추적 — https://119-ai-studio.kr/ai-ops-toolkit.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 관련 용어 ← 온도 — https://119-ai-studio.kr/glossary.html#gl-temperature · 기존 관계 · 미검증
  - 관련 용어 ← 프롬프트 체이닝 — https://119-ai-studio.kr/glossary.html#gl-prompt-chaining · 기존 관계 · 미검증
  - 관련 용어 ← 전처리 — https://119-ai-studio.kr/glossary.html#gl-preprocessing · 기존 관계 · 미검증
  - 관련 용어 ← 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 관련 용어 ← 기준선 — https://119-ai-studio.kr/glossary.html#gl-baseline · 기존 관계 · 미검증
  - 관련 용어 ← 드리프트 — https://119-ai-studio.kr/glossary.html#gl-drift · 기존 관계 · 미검증

### 실행 추적
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-tracing
- 카드 파일: https://119-ai-studio.kr/kg/card-fd4b38702838eb4ed7a0.txt
- 요약: AI 요청의 입력 경계·모델 호출·검색·도구 실행·오류·지연을 연결된 흐름으로 관찰하는 운영 기법.
- 영문·다른 이름: Tracing · 트레이싱 · 처리 경로 추적
- 난이도: 심화
- 비유: 요청이 어떤 단계와 도구를 거쳐 결과가 되었는지 시간순으로 남기는 운행 기록.
- 업무 참고: 원문 개인정보를 그대로 로그에 남기지 않도록 최소 기록·마스킹·접근 통제·보관 기간을 먼저 정한다.
- 연결:
  - 관련 용어: 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 관련 용어: 워크플로 — https://119-ai-studio.kr/glossary.html#gl-workflow · 기존 관계 · 미검증
  - 관련 용어: 지연시간 — https://119-ai-studio.kr/glossary.html#gl-latency · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 안전한 AI 운영 도구 — 검증·비식별·추적 — https://119-ai-studio.kr/ai-ops-toolkit.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 에이전트 루프 — https://119-ai-studio.kr/glossary.html#gl-agent-loop · 기존 관계 · 미검증
  - 관련 용어 ← 모니터링 — https://119-ai-studio.kr/glossary.html#gl-monitoring · 기존 관계 · 미검증
  - 관련 용어 ← 지연시간 — https://119-ai-studio.kr/glossary.html#gl-latency · 기존 관계 · 미검증
  - 관련 용어 ← 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증

### 드리프트
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-drift
- 카드 파일: https://119-ai-studio.kr/kg/card-f86b49ee081a955297dc.txt
- 요약: 운영 중 입력 데이터·업무 환경·정답 기준·모델 행동이 기준 시점과 달라져 성능이 변하는 현상.
- 영문·다른 이름: Drift · 성능 변화 · 분포 변화
- 난이도: 심화
- 비유: 계절과 현장 조건이 바뀌면서 처음 맞춘 장비 설정이 점차 맞지 않게 되는 현상.
- 업무 참고: 문서 양식이나 용어가 바뀌면 입력 분포와 오류 유형을 비교하고 평가셋과 기준선을 갱신한다.
- 연결:
  - 관련 용어: 모니터링 — https://119-ai-studio.kr/glossary.html#gl-monitoring · 기존 관계 · 미검증
  - 관련 용어: 기준선 — https://119-ai-studio.kr/glossary.html#gl-baseline · 기존 관계 · 미검증
  - 관련 용어: 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 예측 모델 운영, 드리프트 감지와 재학습 시점 — https://119-ai-studio.kr/model-drift-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 관련 용어 ← 모니터링 — https://119-ai-studio.kr/glossary.html#gl-monitoring · 기존 관계 · 미검증

### 모니터링
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-monitoring
- 카드 파일: https://119-ai-studio.kr/kg/card-97c9765eefd109785419.txt
- 요약: 운영 중인 AI 시스템의 품질·오류·지연·비용·입력 변화를 정해진 지표와 경보로 지속 관찰하는 활동.
- 영문·다른 이름: Monitoring · 운영 관찰
- 난이도: 실무
- 비유: 배치한 장비의 상태와 경보를 계속 살펴 이상 징후를 일찍 찾는 일.
- 업무 참고: 무엇을 누가 어느 주기로 보고 어떤 기준에서 사용 중지나 재검토를 할지 운영 절차로 정한다.
- 연결:
  - 관련 용어: 드리프트 — https://119-ai-studio.kr/glossary.html#gl-drift · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어: 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증
  - 배경 학습: 안전한 AI 운영 도구 — 검증·비식별·추적 — https://119-ai-studio.kr/ai-ops-toolkit.html
  - 정의 설명 학습 자료: 예측 모델 운영, 드리프트 감지와 재학습 시점 — https://119-ai-studio.kr/model-drift-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 드리프트 — https://119-ai-studio.kr/glossary.html#gl-drift · 기존 관계 · 미검증
  - 관련 용어 ← 지연시간 — https://119-ai-studio.kr/glossary.html#gl-latency · 기존 관계 · 미검증
  - 관련 용어 ← 위험 평가 — https://119-ai-studio.kr/glossary.html#gl-risk-assessment · 기존 관계 · 미검증
  - 관련 용어 ← 보안관제 — https://119-ai-studio.kr/glossary.html#gl-law-766d1b55

### 지연시간
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-latency
- 정의 근거: https://119-ai-studio.kr/learn/llm-inference/14_추론_지표.html#s2 (LLM 추론 시스템의 원리 — 14. 추론 지표 · 지표 정의표; 세 가지를 못 박는 것이 왜 결정적인가 · 첫 토큰·전체 응답 시간의 측정 사건, 큐·네트워크 포함 범위, 지연시간과 시스템 처리량의 구분. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-a841f62c09cfd85b9269.txt
- 요약: 입력이 시스템에 도착한 뒤 응답이나 처리 결과가 제공될 때까지 경과한 시간.
- 영문·다른 이름: Latency · 응답 시간
- 난이도: 실무
- 의미 범위: 측정 시작부터 정해진 출력 사건까지의 시간
- 비유: 요청을 보낸 순간부터 결과가 돌아오기까지 걸린 시간.
- 학습 예시: 가상 요청에서 첫 토큰이 0.8초, 마지막 토큰이 2.4초에 도착했다면 첫 토큰 지연은 0.8초이고 전체 응답 시간은 2.4초입니다.
- 업무 참고: 화재 경보가 늦게 뜨는 경우를 다루는 '화재 영상에서 화염·연기 탐지하기'에서 만나며, 이 안내서는 후보 생성 시각과 알림 표시 시각을 기록해 비교하고 프레임 처리 시간을 따로 재서 늦어지는 단계를 찾는다. '신고 전사 심화, 화자 결합과 품질 관리'는 재청취 큐가 지연 없이 사람에게 닿아야 한다고 적는다.
- 구분하기: 지연시간은 요청의 대기·완료 시간이고 처리량은 단위 시간에 처리한 양입니다. 첫 토큰과 마지막 토큰 중 어디까지 재는지도 구분합니다.
- 심화 설명: 작동 방식 시간을 재려면 요청을 받은 시점과 측정을 끝낼 시점을 먼저 정합니다. 첫 출력까지의 대기와 마지막 출력까지의 전체 시간을 구분하면 느려지는 구간을 찾기 쉽습니다. 사용자가 체감하는 시간에는 모델 계산 외에 대기열·통신·검색·도구 실행 등이 포함될 수 있습니다. 여러 요청의 평균뿐 아니라 오래 걸린 요청의 분포도 같은 측정 기준으로 비교합니다. 학습 예시 가상 요청의 시작을 0초로 두고 첫 토큰이 0.8초, 마지막 토큰이 2.4초에 도착했다고 가정합니다. 측정 대상 계산 결과 ---------: 첫 토큰까지의 시간 0.8 − 0 0.8초 전체 응답 시간 2.4 − 0 2.4초 둘 다 응답 시간과 관련되지만 끝나는 사건이 다릅니다. 같은 장비를 비교하더라도 입력 길이·출력 길이·동시 요청 수를 함께 기록합니다. 구분과 한계 지연시간은 개별 요청이 기다린 시간이고 처리량은 일정 시간에 처리한 양입니다. 여러 요청을 묶어 처리량을 높여도 개별 요청의 대기가 줄어드는 것은 아닙니다. 첫 출력이 빨라도 전체 답변 완료나 도구 작업 완료는 늦을 수 있습니다.
- 연결:
  - 관련 용어: 모니터링 — https://119-ai-studio.kr/glossary.html#gl-monitoring · 기존 관계 · 미검증
  - 관련 용어: 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 배경 학습: 안전한 AI 운영 도구 — 검증·비식별·추적 — https://119-ai-studio.kr/ai-ops-toolkit.html
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 31. 비용·길이·지연 트레이드오프 — https://119-ai-studio.kr/learn/prompt/31_비용과_지연_트레이드오프.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증
  - 하위 개념 ← TTFT — https://119-ai-studio.kr/glossary.html#gl-ttft · 자료 대조: TTFT는 요청부터 첫 토큰 수신까지라는 특정 구간의 지연시간이다.
    - 원문에 명시: NVIDIA NIM Benchmarking — Metrics — https://docs.nvidia.com/nim/benchmarking/llm/metrics (Time to First Token / Tokens Per Second, 2026-10-24)
  - 함께 비교 ← 처리량 — https://119-ai-studio.kr/glossary.html#gl-throughput · 자료 대조: 단위 시간당 완료량과 개별 요청이 기다린 시간은 다른 성능 축이므로 한쪽의 개선으로 다른 쪽을 단정하지 않는다.
    - 편집 판단 근거: NVIDIA NIM Benchmarking — Metrics — https://docs.nvidia.com/nim/benchmarking/llm/metrics (Time to First Token / Tokens Per Second, 2026-10-24)

## 안전·보안·거버넌스

### 환각 할루시네이션
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-hallucination
- 정의 근거: https://119-ai-studio.kr/learn/prompt/18_환각을_줄이는_법.html#s2 (프롬프트·컨텍스트 엔지니어링 — 18. 환각을 줄이는 법 · 왜 환각이 생기나 — 원리; 대응 1순위: 근거 자료를 준다 · 언어 생성의 그럴듯함과 사실 대조의 차이, 근거가 부족한 내용을 채울 수 있는 오류. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/learn/prompt/18_환각을_줄이는_법.html#s8 (프롬프트·컨텍스트 엔지니어링 — 18. 환각을 줄이는 법 · 환각은 0이 되지 않는다 — 검증으로 대비 · 자료 제공과 인용만으로 오류가 모두 사라지지 않으며 원문 대조와 사람 검토가 필요하다는 한계. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-50752895c4fec1e647f8.txt
- 요약: 생성형 AI가 사실이 아니거나 근거로 확인되지 않는 내용을 확신하는 표현으로 만들어 내는 현상.
- 영문·다른 이름: Hallucination · 환각 · 할루시네이션 · 그럴듯한 오류
- 난이도: 입문
- 비유: 모르는 내용을 빈칸으로 남기지 않고 그럴듯한 이야기로 메운 보고서.
- 학습 예시: 제공한 공개 교재에 없는 조문 번호나 장비 사양이 요약문에 들어간 경우를 원문과 대조해 찾는다.
- 업무 참고: 법령 조문을 지어내는 환각은 '법령 근거 확인 브리프 만들기'와 '소방 법령·SOP, RAG로 근거 있게 답하기'에서, 회의 메모에 없는 담당자·기한을 지어내는 경우는 '회의록 정리, 지어낸 담당자·기한 막기'에서 다룬다.
- 구분하기: 문장이 자연스럽거나 출처처럼 보이는 표기가 있다는 사실만으로 내용이 검증된 것은 아니다.
- 심화 설명: 작동 방식 언어 모델은 답변을 생성할 때 각 주장과 실제 원문을 자동으로 대조하는 것은 아닙니다. 필요한 정보가 부족하거나 자료를 잘못 해석하면 익숙한 표현으로 빈 부분을 채울 수 있습니다. 그 결과 실제로 없는 수치·날짜·인용이 문장에 섞이기도 합니다. 참고 자료를 제공하고 근거를 표시하게 하면 대조가 쉬워지지만 오류가 모두 사라지지는 않습니다. 학습 예시 - 가상 입력: 교육은 11월 중 예정이며 장소는 미정이라는 메모를 요약하도록 요청합니다. - 출력 예: 교육은 11월 15일에 제1교육장에서 열립니다. - 해석: 날짜와 장소는 입력에서 확인되지 않습니다. 문장을 자연스럽게 다듬는 대신 두 항목을 확인 필요로 남기고 원자료 담당자에게 확인할 수 있도록 표시합니다. 구분과 한계 사용자가 창작을 요청해 만든 허구와, 사실 답변에 근거 없는 내용을 섞는 현상을 구분합니다. 출처 이름을 붙였어도 해당 원문이 그 주장을 뒷받침하는지 확인해야 합니다. 같은 모델에 다시 질문하는 것만으로 독립적인 검증이 되지는 않습니다.
- 연결:
  - 관련 용어: 근거화 — https://119-ai-studio.kr/glossary.html#gl-grounding · 기존 관계 · 미검증
  - 관련 용어: 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 다음에 볼 개념: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 자료 대조: 근거 없는 수치·인용이 자연스러운 문장에 섞일 수 있음을 먼저 알면 사람 검토에서 원문 대조가 필요한 이유를 이해하기 쉽습니다.
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 18. 환각을 줄이는 법 — https://119-ai-studio.kr/learn/prompt/18_환각을_줄이는_법.html#s8 (환각은 0이 되지 않는다 — 검증으로 대비, 2026-10-24)
    - 편집 판단 근거: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html#s8 (세 가지 판정 — pass · needs changes · block, 2026-10-26)
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 18. 환각을 줄이는 법 — https://119-ai-studio.kr/learn/prompt/18_환각을_줄이는_법.html
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 함께 볼 자료: LLM 안내서 · 1부 · 큰 그림 — https://119-ai-studio.kr/learn/llm/01_큰그림.html
  - 관련 안내서: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 생성형 AI 윤리 가이드북 — https://119-ai-studio.kr/ai-laws.html#law-genai-ethics-guidebook
  - 관련 용어 ← AI에게 업무를 맡기는 프롬프트 기초 — https://119-ai-studio.kr/prompt-basics.html
  - 관련 용어 ← AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 관련 용어 ← 회의록 정리, 지어낸 담당자·기한 막기 — https://119-ai-studio.kr/meeting-memo-verify.html
  - 관련 용어 ← 법령 근거 확인 브리프 만들기 — https://119-ai-studio.kr/law-reference-brief.html
  - 관련 용어 ← 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 용어 ← 생성형 AI — https://119-ai-studio.kr/glossary.html#gl-generative-ai · 기존 관계 · 미검증
  - 관련 용어 ← LLM 대규모 언어모델 — https://119-ai-studio.kr/glossary.html#gl-llm · 기존 관계 · 미검증
  - 관련 용어 ← 다음 토큰 예측 — https://119-ai-studio.kr/glossary.html#gl-next-token-prediction · 기존 관계 · 미검증
  - 관련 용어 ← 역할과 페르소나 — https://119-ai-studio.kr/glossary.html#gl-role-persona · 기존 관계 · 미검증
  - 관련 용어 ← 추론 모델 — https://119-ai-studio.kr/glossary.html#gl-reasoning-model · 기존 관계 · 미검증
  - 관련 용어 ← 근거화 — https://119-ai-studio.kr/glossary.html#gl-grounding · 기존 관계 · 미검증
  - 관련 용어 ← 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증

### 개인정보
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-personal-data
- 정의 근거: https://www.law.go.kr/법령/개인정보보호법/제2조 (개인정보 보호법 · 제2조제1호 가목·나목·다목, 제1호의2 (2026-09-11 시행본) · 살아 있는 개인의 식별 정보, 쉽게 결합하는 경우의 판단 요소, 가명정보 포함. 기존 법령 정의를 바꾸거나 특정 사례의 적법성을 판정하지 않습니다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/pii-guard.html#s4 (개인정보, AI에 넣기 전에 점검하기 · 점검은 3단입니다; 사람이 끝까지 봐야 하는 것; 정규식이 못 잡는 것 · 형태 탐지와 문맥 점검의 구분, 자동 검출 누락과 정보 조합의 재확인. · 원문 대조 2026-10-26)
- 소방 규정의 정의 — 소방법령정보: https://fire-law-static.pages.dev/terms/t-5cdfba05/
- 카드 파일: https://119-ai-studio.kr/kg/card-6fa432788945f7d49177.txt
- 요약: 특정 개인을 알아볼 수 있거나 다른 정보와 결합해 알아볼 가능성이 있는 정보 등을 가리키는 실무 용어로 정확한 법적 범위는 적용 법령과 조직 기준을 확인해야 한다.
- 영문·다른 이름: Personal Data · 개인 식별 가능 정보
- 난이도: 입문
- 비유: 이름 하나뿐 아니라 여러 조각을 합치면 특정 사람에게 닿을 수 있는 정보 묶음.
- 학습 예시: 가상 신고접수서를 검토할 때 성명뿐 아니라 연락처·상세 위치·사건 내용의 조합도 함께 살핀다.
- 업무 참고: 신고자·환자 정보가 섞인 자료를 외부 AI나 공개 저장소에 올리기 전에 점검하는 '개인정보, AI에 넣기 전에 점검하기'와 '개인정보 비식별 파이프라인, 이름·주소까지 자동으로'에서 만난다. 소방 업무 용어 개인위치정보·개인정보파일·개인정보처리자 카드로 이어진다.
- 구분하기: PII는 널리 쓰이는 영어권 용어지만 개인정보와 법적 범위가 항상 정확히 같지는 않다.
- 법령 정의: 개인정보 보호법 제2조제1호는 개인정보를 살아 있는 개인에 관한 정보로서 성명·주민등록번호·영상 등으로 개인을 알아볼 수 있는 정보, 그것만으로는 알아볼 수 없더라도 다른 정보와 쉽게 결합하여 알아볼 수 있는 정보, 가명정보로 정의합니다.
- 심화 설명: 작동 방식 자료를 점검할 때는 성명처럼 직접 사람을 알아보게 하는 항목과 여러 단서의 조합을 함께 살핍니다. 다른 정보와 쉽게 결합할 수 있는지는 그 정보의 입수 가능성과 식별에 드는 시간·비용·기술 등을 고려하는 법의 기준을 확인합니다. 가명정보도 개인정보 보호법의 개인정보 정의에 포함되므로 이름을 바꿨다는 사실만으로 제외하지 않습니다. 자동 탐지 결과에 더해 남은 문맥을 사람이 확인합니다. 학습 예시 - 가상 입력: 교육 설문 예시에 이름 대신 참여자 A라고 쓰고, 소속·희귀한 직책·참여 날짜를 함께 넣었습니다. - 출력 예: 이름 패턴을 찾는 검사에서는 이름이 검출되지 않았습니다. - 해석: 검사가 찾지 못했다는 결과만 확인됩니다. 남은 조합으로 개인을 알아볼 수 있는지는 별도 검토 항목이며, 이 가상 사례만으로 법적 결론을 내리지 않습니다. 구분과 한계 마스킹·가명처리·익명 처리를 같은 결과로 취급하지 않습니다. 개인정보의 범위와 특정 자료의 수집·이용·제공 근거는 서로 다른 확인 사항입니다. 실제 자료를 다룰 때는 적용 법령과 기관의 승인·보관·삭제 기준을 확인합니다.
- 소방 규정의 정의: 소방청 개인정보 보호규정(예규) 제2조제1호: "개인정보"란 살아 있는 개인에 관한 정보로서 성명, 주민등록번호, 영상 등을 통하여 개인을 알아볼 수 있는 정보(해당 정보만으로는 특정 개인을 알아볼 수 없더라도 다른 정보와 쉽게 결합하여 알아볼 수 있는 것을 포함한다)를 말한다.
- 연결:
  - 관련 용어: PII 개인식별정보 — https://119-ai-studio.kr/glossary.html#gl-pii · 기존 관계 · 미검증
  - 관련 용어: 민감정보 — https://119-ai-studio.kr/glossary.html#gl-sensitive-data · 기존 관계 · 미검증
  - 관련 용어: 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 법령 정의: 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
  - 정의 설명 학습 자료: 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 관련 안내서: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 관련 안내서: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 공무원을 위한 챗GPT 활용방법 및 주의사항 안내서 — https://119-ai-studio.kr/ai-laws.html#law-mois-chatgpt-guide
  - 관련 용어 ← 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 관련 용어 ← 생성형 인공지능(AI) 개발·활용을 위한 개인정보 처리 안내서 — https://119-ai-studio.kr/ai-laws.html#law-pipc-genai-dev-guide
  - 관련 용어 ← 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 관련 용어 ← 메타데이터 — https://119-ai-studio.kr/glossary.html#gl-metadata · 기존 관계 · 미검증
  - 관련 용어 ← 메모리 — https://119-ai-studio.kr/glossary.html#gl-memory · 기존 관계 · 미검증
  - 관련 용어 ← PII 개인식별정보 — https://119-ai-studio.kr/glossary.html#gl-pii · 기존 관계 · 미검증
  - 관련 용어 ← 민감정보 — https://119-ai-studio.kr/glossary.html#gl-sensitive-data · 기존 관계 · 미검증
  - 관련 용어 ← 동의 — https://119-ai-studio.kr/glossary.html#gl-consent · 기존 관계 · 미검증
  - 관련 용어 ← 데이터 유출 — https://119-ai-studio.kr/glossary.html#gl-data-leakage · 기존 관계 · 미검증
  - 관련 용어 ← 자동화된 결정 — https://119-ai-studio.kr/glossary.html#gl-automated-decision · 기존 관계 · 미검증
  - 관련 용어 ← 공동대응 — https://119-ai-studio.kr/glossary.html#gl-law-879f8baa
  - 관련 용어 ← 위치정보 — https://119-ai-studio.kr/glossary.html#gl-law-e59f7f52
  - 관련 용어 ← 개인위치정보 — https://119-ai-studio.kr/glossary.html#gl-law-4d1111f6
  - 관련 용어 ← 위치정보시스템 — https://119-ai-studio.kr/glossary.html#gl-law-56cc9866
  - 관련 용어 ← 이동전화 위치정보 수동 조회 — https://119-ai-studio.kr/glossary.html#gl-law-146bd6cc
  - 관련 용어 ← 개인정보처리자 — https://119-ai-studio.kr/glossary.html#gl-law-32c7c46c
  - 관련 용어 ← 개인정보파일 — https://119-ai-studio.kr/glossary.html#gl-law-92a96a64

### PII 개인식별정보
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-pii
- 카드 파일: https://119-ai-studio.kr/kg/card-7e064b47b14b089f4060.txt
- 요약: 개인을 식별하거나 식별 가능한 개인과 연결하는 데 쓰일 수 있는 정보를 가리키는 영어권 실무 용어.
- 영문·다른 이름: Personally Identifiable Information · PII · 개인 식별 정보
- 난이도: 입문
- 비유: 이름·연락처처럼 단독으로 또는 다른 조각과 합쳐 사람을 가리킬 수 있는 단서.
- 업무 참고: PII라는 표지만 믿지 말고 국내 적용 법령과 기관의 개인정보·민감정보 분류 기준을 함께 확인한다.
- 구분하기: PII와 개인정보는 관할과 규정에 따라 범위가 달라질 수 있으므로 완전한 동의어로 단정하지 않는다.
- 연결:
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어: 민감정보 — https://119-ai-studio.kr/glossary.html#gl-sensitive-data · 기존 관계 · 미검증
  - 관련 용어: 재식별 — https://119-ai-studio.kr/glossary.html#gl-re-identification · 기존 관계 · 미검증
  - 배경 학습: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 배경 학습: 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 관련 용어 ← 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어 ← 재식별 — https://119-ai-studio.kr/glossary.html#gl-re-identification · 기존 관계 · 미검증
  - 관련 용어 ← 고유식별정보 — https://119-ai-studio.kr/glossary.html#gl-law-a4b16b81

### 민감정보
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-sensitive-data
- 소방 규정의 정의 — 소방법령정보: https://fire-law-static.pages.dev/terms/t-0addc9f2/
- 카드 파일: https://119-ai-studio.kr/kg/card-64337a109a6c86f939d6.txt
- 요약: 건강·생체·신념 등 특별한 보호가 필요하거나 업무상 노출 피해가 큰 정보를 가리키며 구체 범위는 적용 법령과 조직 기준을 따른다.
- 영문·다른 이름: Sensitive Data · 민감 데이터
- 난이도: 입문
- 비유: 노출되면 개인이나 조직에 큰 피해를 줄 수 있어 일반 자료보다 더 엄격히 다루는 정보.
- 업무 참고: 환자 상태·출동 위치·시설 취약점·접근 정보는 공개 가능 여부를 추정하지 말고 승인된 처리 경계 안에서만 다룬다.
- 법령 정의: 개인정보 보호법 제23조제1항은 사상·신념, 노동조합·정당의 가입·탈퇴, 정치적 견해, 건강, 성생활 등에 관한 정보와 그 밖에 사생활을 현저히 침해할 우려가 있는 개인정보로서 대통령령으로 정하는 정보를 민감정보로 정의합니다.
- 소방 규정의 정의: 소방청 개인정보 보호규정(예규) 제2조제7호: "민감정보"란 사상ㆍ신념, 노동조합ㆍ정당의 가입ㆍ탈퇴, 정치적 견해, 건강, 성생활, 유전정보, 범죄경력 정보 등에 관한 정보와 그 밖에 정보주체의 사생활을 현저히 침해할 우려가 있는 개인정보를 말한다.
- 연결:
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 관련 용어: 데이터 유출 — https://119-ai-studio.kr/glossary.html#gl-data-leakage · 기존 관계 · 미검증
  - 법령 정의: 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
  - 관련 안내서: 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 관련 용어 ← 개인정보 보호법 시행령 — https://119-ai-studio.kr/ai-laws.html#law-pipa-decree
  - 관련 용어 ← 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어 ← PII 개인식별정보 — https://119-ai-studio.kr/glossary.html#gl-pii · 기존 관계 · 미검증

### 비식별화
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-de-identification
- 소방 규정의 정의 — 소방법령정보: https://fire-law-static.pages.dev/terms/t-a9ae1a86/
- 카드 파일: https://119-ai-studio.kr/kg/card-4ece6c98c0bcfa5730f2.txt
- 요약: 직접 식별자와 간접 식별자를 제거·변환·일반화해 개인을 식별할 가능성을 낮추는 여러 처리의 포괄적 표현.
- 영문·다른 이름: De-identification · 식별 가능성 낮추기
- 난이도: 실무
- 비유: 사람을 가리키는 표지와 조합 가능한 단서를 줄여 원래 대상을 알아보기 어렵게 만드는 작업.
- 업무 참고: 이름 삭제만으로 끝내지 말고 주소·시각·사건번호·희귀한 상황의 조합으로 다시 알아볼 위험을 점검한다.
- 구분하기: 소방 데이터기반행정 활성화에 관한 규정의 정의는 다른 정보와 결합하여도 식별할 수 없도록 하는 조치라는 결과를 담는다. 이 풀이는 그 조치에 쓰는 제거·변환·일반화 처리를 설명하며, 처리한 자료를 남은 단서의 조합으로 다시 알아볼 수 있는지는 표본을 사람이 검수해 확인한다.
- 소방 규정의 정의: 소방 데이터기반행정 활성화에 관한 규정(훈령) 제2조제8호: "비식별화"란 「개인정보의 안전성 확보조치 기준」 등에 따라 개인정보의 안전성 확보에 필요한 조치를 함으로써 다른 정보와 결합하여도 특정 개인이나 법인 또는 단체 등을 식별할 수 없도록 하는 조치를 말한다.
- 연결:
  - 관련 용어: 익명처리 — https://119-ai-studio.kr/glossary.html#gl-anonymization · 기존 관계 · 미검증
  - 관련 용어: 가명처리 — https://119-ai-studio.kr/glossary.html#gl-pseudonymization · 기존 관계 · 미검증
  - 관련 용어: 재식별 — https://119-ai-studio.kr/glossary.html#gl-re-identification · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 발생 예측 영상 (고도화)- 영상 기반 화재 감시 및 발생 위치 탐지 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-fire-detection-cctv-advanced
  - 관련 용어 ← 위급상황 음성/음향 (고도화) - 119 지능형 신고접수 음성 인식 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-119-call-speech
  - 관련 용어 ← RescueSpeech: A German Corpus for Speech Recognition in Search and Rescue Domain — https://119-ai-studio.kr/datasets.html#dataset-rescuespeech
  - 관련 용어 ← 응급실 임상 대화 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-er-clinical-dialogue
  - 관련 용어 ← 의료 분야 음성 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-medical-speech-119-center
  - 관련 용어 ← 화상 이미지 및 임상 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-burn-image-clinical
  - 관련 용어 ← 소방대원 행동모션 3D 객체 모델링 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-firefighter-motion-3d
  - 관련 용어 ← 합성 데이터 — https://119-ai-studio.kr/glossary.html#gl-synthetic-data · 기존 관계 · 미검증
  - 관련 용어 ← 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어 ← 익명처리 — https://119-ai-studio.kr/glossary.html#gl-anonymization · 기존 관계 · 미검증
  - 관련 용어 ← 가명처리 — https://119-ai-studio.kr/glossary.html#gl-pseudonymization · 기존 관계 · 미검증
  - 관련 용어 ← 마스킹 — https://119-ai-studio.kr/glossary.html#gl-masking · 기존 관계 · 미검증
  - 관련 용어 ← 재식별 — https://119-ai-studio.kr/glossary.html#gl-re-identification · 기존 관계 · 미검증

### 익명처리
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-anonymization
- 카드 파일: https://119-ai-studio.kr/kg/card-efce0ec1bc188aa0343c.txt
- 요약: 개인을 더 이상 식별할 수 없도록 식별 가능성을 제거하거나 충분히 낮추는 처리로 판단 기준은 적용 법령과 상황을 따른다.
- 영문·다른 이름: Anonymization · 익명화
- 난이도: 심화
- 비유: 합리적으로 쓸 수 있는 추가 단서까지 고려해도 특정 사람에게 되돌아가기 어렵게 만드는 처리.
- 업무 참고: 익명이라고 표시하기 전에 원자료·외부 자료·희귀 조합을 이용한 재식별 가능성과 처리의 되돌림 가능성을 검토한다.
- 구분하기: 가명처리는 추가 정보를 이용한 재식별 가능성을 남기므로 익명처리와 같지 않다.
- 연결:
  - 관련 용어: 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어: 가명처리 — https://119-ai-studio.kr/glossary.html#gl-pseudonymization · 기존 관계 · 미검증
  - 관련 용어: 재식별 — https://119-ai-studio.kr/glossary.html#gl-re-identification · 기존 관계 · 미검증
  - 배경 학습: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 한국소방산업기술원_위험물질시험_합성데이터 — https://119-ai-studio.kr/datasets.html#dataset-kfi-hazmat-test-synthetic
  - 관련 용어 ← 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어 ← 가명처리 — https://119-ai-studio.kr/glossary.html#gl-pseudonymization · 기존 관계 · 미검증
  - 관련 용어 ← 재식별 — https://119-ai-studio.kr/glossary.html#gl-re-identification · 기존 관계 · 미검증

### 가명처리
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-pseudonymization
- 소방 규정의 정의 — 소방법령정보: https://fire-law-static.pages.dev/terms/t-300f9ec5/
- 카드 파일: https://119-ai-studio.kr/kg/card-93c303c3341d733931cb.txt
- 요약: 추가 정보를 사용하지 않고는 특정 개인을 알아볼 수 없도록 식별 정보를 대체하거나 분리하는 처리.
- 영문·다른 이름: Pseudonymization · 가명화
- 난이도: 심화
- 비유: 이름표를 임시 코드로 바꾸되 별도로 보관한 대응표가 있으면 다시 연결할 수 있는 처리.
- 업무 참고: 대응 정보는 분리 보관하고 접근 권한과 결합 절차를 제한하며 가명정보도 무조건 공개 가능한 자료로 보지 않는다.
- 구분하기: 가명처리는 재식별 가능성이 남아 있으므로 익명처리와 보호 요구가 다르다.
- 법령 정의: 개인정보 보호법 제2조제1호의2는 가명처리를 개인정보의 일부를 삭제하거나 일부 또는 전부를 대체하는 등의 방법으로 추가 정보가 없이는 특정 개인을 알아볼 수 없도록 처리하는 것으로 정의합니다.
- 소방 규정의 정의: 소방청 개인정보 보호규정(예규) 제2조제2호: "가명처리"란 개인정보의 일부를 삭제하거나 일부 또는 전부를 대체하는 등의 방법으로 추가 정보가 없이는 특정 개인을 알아볼 수 없도록 처리하는 것을 말한다.
- 연결:
  - 관련 용어: 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어: 익명처리 — https://119-ai-studio.kr/glossary.html#gl-anonymization · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 법령 정의: 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 정의 설명 학습 자료: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 관련 용어 ← 생성형 AI 서비스 이용자를 위한 개인정보 보호 가이드 — https://119-ai-studio.kr/ai-laws.html#law-pipc-genai-guide
  - 관련 용어 ← 생성형 인공지능(AI) 개발·활용을 위한 개인정보 처리 안내서 — https://119-ai-studio.kr/ai-laws.html#law-pipc-genai-dev-guide
  - 관련 용어 ← 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어 ← 익명처리 — https://119-ai-studio.kr/glossary.html#gl-anonymization · 기존 관계 · 미검증

### 마스킹
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-masking
- 카드 파일: https://119-ai-studio.kr/kg/card-7bf898a71f7942621bc0.txt
- 요약: 정보의 전부 또는 일부를 삭제·치환·가림 문자로 바꿔 노출 범위를 줄이는 기법.
- 영문·다른 이름: Masking · 값 가리기 · 부분 숨김
- 난이도: 실무
- 비유: 전화번호 일부를 별표로 바꿔 화면에서 바로 읽히지 않게 하는 처리.
- 업무 참고: 화면 마스킹 뒤 원본이 로그·파일·요청 본문에 남아 있지 않은지 전체 처리 경로를 확인한다.
- 구분하기: 마스킹은 표현을 가리는 한 기법이며 그 자체로 익명처리나 안전한 삭제를 뜻하지 않는다.
- 연결:
  - 관련 용어: 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어: 데이터 유출 — https://119-ai-studio.kr/glossary.html#gl-data-leakage · 기존 관계 · 미검증
  - 관련 용어: 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 정의 설명 학습 자료: 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 세종특별자치시_AI 영상분석 학습데이터 — https://119-ai-studio.kr/datasets.html#dataset-sejong-ai-video-analysis
  - 관련 용어 ← 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 관련 용어 ← 데이터 유출 — https://119-ai-studio.kr/glossary.html#gl-data-leakage · 기존 관계 · 미검증