데이터가 기계에서 발생하는 센싱 데이터가 아닌 고객과 관련된 데이터라고 한다면 항상 다음과 같은 이슈가 발생하게 된다.

• “이 값은 유니크하게 식별은 가능해야 하지만, 원본은 보이면 안됨”
• “서로 다른 데이터가 같은 사용자의 것인지만 알 수 있으면 됨”
• “개인정보는 절대 저장하면 안됨”

이때 가장 흔히 등장하는 선택지가 바로 특정 데이터 항목에 대한 Hash 처리다.

하지만 많은 경우,

“그냥 보안 때문에 하는 거 아닌가요?” 정도로만 이해하고 넘어간다.

이 글에서는 데이터 Hash 처리가 왜 필요한지, 또 Salt는 무언인지

그리고 언제 쓰고 언제 쓰면 안 되는지를 정리해본다.

Hash란 무엇인가?

Hash는 입력값을 고정 길이의 값으로 변환하는 함수이며 변환된 값으로는 절대 원본값을 복원​할 수 없게 만들어 주는게 특징이다.

입력: user_id = "abc123"
출력: e99a18c428cb38d5f260853678922e03

입력의 길이가 어떻게되든 상관없이 출력은 항상 동일한 길이가 된다는 걸 명심하자.

특징은 명확하다.

• 같은 입력 → 항상 같은 결과값
• 입력이 조금만 달라져도 → 완전히 다른 결과값
• 결과값으로 원본을 복원할 수 없음 (일방향)

이 “일방향성”이 Hash의 핵심이다.

데이터 Hash 처리를 하는 이유

1. 개인정보 보호 (Privacy)

가장 흔한 이유다.

• 이메일
• 전화번호
• 주민번호
• 고객 ID

이런 값들은 분석에는 필요하지만, 원본 저장은 위험하다.

email → hash(email)
phone → hash(phone)

이렇게 하면:

• 같은 사용자인지 식별은 가능
• 실제 개인정보는 노출되지 않음

즉, “식별 가능하지만 알아볼 수는 없는 상태”를 만든다.

2.내부 식별자 통일

실무에서는 이런 상황이 자주 생긴다.

• 서비스 A의 user_id
• 서비스 B의 customer_no
• 로그 시스템의 device_id

서로 다른 ID 체계를 하나의 키로 묶고 싶을 때, Hash는 매우 깔끔한 해결책이다.

hash(user_id)
hash(device_id)
hash(customer_no)

→ 모두 같은 Hash 공간으로 매핑

3.데이터 공유 / 외부 반출

데이터를 외부에 공유해야 할 때:

• 협력사
• 분석 대행
• 리서치 목적

이때 원본 ID를 넘기는 것은 거의 불가능하다.

그러나, Hash 처리된 데이터는:

• 반출이후에는 개인을 직접 식별할 수 없고
• 내부에서는 매핑정보를 관리해 내부 시스템과 동일한 사용자를 매칭할 수 있으며
• 법적 리스크를 크게 줄여준다

그래서 실무에서는 종종 이렇게 말한다.

“Hash 안 된 데이터는 밖으로 못 나갑니다.”

4.머신러닝 / 분석 안정성

의외로 중요한 이유다.

모델은 보통 이런 값을 의미 없이 숫자로 학습한다.

• user_id = 1001
• user_id = 1002

이 숫자 크기 자체는 아무 의미가 없다.

하지만 모델은 의미가 있는 것처럼 오해할 수 있다.

Hash를 사용하면:

• 임의성이 보장되고
• 순서/크기 의미가 사라지며
• 모델이 ID 자체를 외우는 문제를 줄일 수 있다

5.데이터 최소화 원칙

좋은 데이터 설계의 기본 원칙 중 하나는 이것이다.

필요한 정보만 저장하자

Hash는 이 원칙을 잘 만족한다.

• 데이터상에서 “누구인지”는 직접 알 필요 없음
• 데이터간에서 “같은 사람인지”만 필요함

이럴 때 원본 데이터는 과한 정보다.

Hash는 정확히 필요한 만큼만 남긴다.

Hash ≠ 암호화

중요한 오해 하나는 꼭 짚고 가야 한다.

Hash를 쓰면 안 되는 경우

다음 경우에는 Hash가 오히려 문제를 만든다.

• 나중에 원본 값을 복구해야 하는 경우
• 법적 요청으로 개인정보 제공이 필요한 경우
• 입력 값의 후보군이 매우 작은 경우(ex: 성별, Yes/No, 국가 코드)

특히 값의 범위가 작으면 brute-force(Hash로 변환된 값을 원본으로 복구는 못하더라도 입력 자체를 조금씩 바꿔가며 매우 많이 변환해 보면 언젠가는 원하는 변환값을 찾을 수도 있기 때문인데 이를 무작위 대입 공격이라고 함) 위험이 있다.

그럼, Salt는 언제 필요한가?

Hash와 함께 같이 언급되는 주요 용어가 Salt이다.

같은 값 → 같은 Hash

이 특성 때문에 생기는 문제도 있다.

• 무작위 대입 공격
• 사전 공격 (rainbow table)

이를 막기 위해 Salt를 사용한다.

hash(value + salt)

즉, 입력값에 약간의 소금을 치는 것이다.

대부분 실무적으로 Salt값은 고정된 값을 사용하고, 데이터를 Hash해서 제공하는 부서에서 비밀리에 간직하게 된다.

• 외부 공개 데이터 → Salt 적용 필수
• 내부 분석용 ID → 상황에 따라 선택

자주사용하는 Hash 알고리즘

보안 목적에 적합한 Hash 알고리즘으로 SHA 알고리즘이 있다.

특징:

• 충돌(입력이 다른데 변환값이 동일해지는 경우)이 거의 없음
• 입력 변화에 매우 민감(입력이 조금만 변하더라도 변환값이 크게 달라짐)
• 일방향성 보장(변환값으로 입력을 복구할 수 없음)

SHA-256 / SHA-512 (거의 표준)

가장 많이 사용되는 알고리즘이 SHA계열 알고리즘 중에 SHA256, 512가 있다.

• 출력 길이에 따라 구별됨: 256bit / 512bit
• 현재 가장 널리 사용
• 데이터 식별, 무결성 검증, ID Hash에 적합

SHA-256("hello") → 2cf24dba5fb0...

사용 예:

• 개인정보 Hash
• 파일 무결성 검증
• 내부 식별자 생성