예시 시나리오
디바이스 인텔리전스가 바꾸는 것
엔지니어링 팀이 Device Identification, Bot Detection, Smart Signals를 사기, 봇, 인프라 비용에 맞서 어떻게 활용하는지 — 구체적인 시나리오로 살펴봅니다.
일반적인 도입 사례를 모델로 한 예시 시나리오이며, 실제 고객명을 밝힌 사례가 아닙니다. 수치는 이러한 도입이 목표로 하는 성과의 유형을 설명하며, 감사받은 결과가 아닙니다. 실제 사례 연구는 고객의 승인을 받는 대로 공개할 예정입니다.
예시: 결제 플랫폼
핀테크 · 시리즈 B 규모
과제
심각한 계정 탈취 손실을 겪고 있는 결제 플랫폼으로, WAF 규칙은 정교한 ATO 시도의 일부만 잡아내고 수동 검토는 성장에 맞춰 확장되지 않습니다.
솔루션
로그인 및 결제 흐름 전반에 Device Identification과 Bot Detection을 배포합니다. Device Identification은 쿠키를 삭제한 후에도 재방문 디바이스를 식별하고, Bot Detection은 엣지에서 자동화된 크리덴셜 테스트를 차단합니다.
무엇이 바뀌는가
이 시나리오에서 팀은 하루 수백 건의 사기 경보를 분류하던 상태에서 그 일부 수준의 물량으로 이동하며, 정상 사용자가 잘못 표시되는 경우도 훨씬 줄어듭니다 — 지원팀이 가장 먼저 체감하는 종류의 변화입니다.
예시: 데이터 인프라 SaaS
SaaS · 엔터프라이즈 규모
과제
기존 WAF를 우회하는 대규모 크리덴셜 스터핑을 겪고 있는 SaaS 플랫폼. 공격 트래픽이 인프라 리소스를 소모하고 실제 사용자의 성능을 저하시킵니다.
솔루션
애플리케이션 서버에 도달하기 전 엣지에서 자동화 트래픽을 차단하도록 Bot Detection을 배포하고, 사람의 행동을 모방하는 정교한 봇을 잡아내는 서버 측 세션 분석을 위해 Smart Signals를 추가합니다.
무엇이 바뀌는가
이 시나리오에서는 이전에 봇 트래픽을 처리하는 데 쓰이던 인프라 지출의 상당 부분을 회수하게 됩니다. 대부분의 자동화 요청이 애플리케이션 서버에 도달하기 전에 엣지에서 차단되기 때문입니다.
예시: 분석 서비스 제공업체
분석 플랫폼 · 성장 단계 규모
과제
다른 device-intelligence 벤더에서의 마이그레이션을 검토 중인 분석 서비스 제공업체로, 전환을 확정하기 전에 정확도가 동등한지 검증해야 합니다.
솔루션
정확도, 지연 시간, 식별 안정성을 추적하는 나란한 비교 대시보드를 사용해, 전환 전 검증 기간 동안 기존 솔루션과 병렬로 Device Identification을 실행합니다.
무엇이 바뀌는가
이 시나리오에서는 두 시스템을 나란히 운영함으로써, 팀이 추적하는 지표 전반에서 Device Identification이 이전 벤더와 동등하거나 더 나은 성능을 보이는지 확인할 수 있어, 마이그레이션 결정을 약속이 아닌 자체 데이터에 근거해 내릴 수 있습니다.