본 논문은 교육 데이터에서 개인 식별 정보(PII) 검출을 위한 비용 효율적이고 효과적인 솔루션으로 GPT-4o-mini 모델을 연구합니다. 프롬프트 방식과 파인튜닝 방식을 모두 활용하여 Microsoft Presidio와 Azure AI Language와 성능을 비교 분석하였습니다. CRAPII와 TSCC 두 개의 공개 데이터셋을 사용한 평가 결과, 파인튜닝된 GPT-4o-mini 모델이 우수한 성능(CRAPII 데이터셋에서 재현율 0.9589 달성)을 보였으며, 정밀도는 세 배 향상되었고, Azure AI Language에 비해 계산 비용은 1/10 수준으로 감소했습니다. 또한, 다양한 문화적 배경과 성별에 걸쳐 정확한 결과를 일관되게 제공함을 보여주는 편향 분석 결과와, TSCC 데이터셋을 사용한 일반화 분석 결과(재현율 0.9895)를 통해 모델의 강건성을 확인했습니다. 결론적으로, 파인튜닝된 GPT-4o-mini 모델은 교육 데이터에서 PII 검출을 위한 정확하고 비용 효율적인 도구로서, 데이터 유용성을 유지하면서 강력한 개인 정보 보호를 제공할 수 있음을 시사합니다.
