디바이스 인텔리전스의 작동 방식
디바이스 인텔리전스는 클라이언트에서 시작되며, 스크립트가 수십 가지 속성을 수집합니다: canvas와 WebGL 렌더링 출력, 설치된 폰트, 화면 및 하드웨어 특성, 시간대와 로캘, 그리고 브라우저 JavaScript 환경의 형태. 이러한 원시 신호는 방문자에게 아무것도 요구하지 않고 수동적으로 수집되며, 디바이스를 사용하는 사람이 아니라 디바이스 자체를 설명합니다.
그런 다음 신호는 서버로 전송되어, 클라이언트가 볼 수 없거나 정직하게 보고하리라 신뢰할 수 없는 데이터로 보강됩니다: IP 평판, 네트워크 유형, 지오로케이션, 요청 간 이력. 서버 측 보강이 중요한 이유는, 작정한 공격자가 클라이언트 값은 위조할 수 있어도 자신의 트래픽이 실제로 인터넷에 도달하는 방식은 훨씬 덜 통제할 수 있기 때문입니다.
마지막으로, 결합된 그림은 안정적인 식별자와 점수로 압축됩니다. 식별 계층은 세션 간에 지속되는 방문자 식별자를 생성하고, 위험 점수와 신뢰도 점수는 특정 방문이 얼마나 신뢰할 만하고 얼마나 알아볼 수 있는지를 정량화합니다. 다운스트림 시스템은 이러한 출력을 소비하여 트래픽을 허용, 챌린지 또는 차단합니다.
디바이스 인텔리전스이(가) 사기 방지에서 중요한 이유
사기 예방은 사용자가 지우거나 차단하는 쿠키나, 퍼널 상단에서 부족하고 개인정보 보호법에 의해 제약되는 개인 데이터에 점점 더 의존할 수 없게 되고 있습니다. 디바이스 인텔리전스는 계정이 생성되거나, 결제가 시도되거나, 프로모션이 청구되기 전에 재방문 디바이스를 인식하고 이상한 디바이스를 표시함으로써 그 공백을 메우며, 이를 통해 계정 탈취, 결제 사기, 악용 탐지의 기초 계층이 됩니다.
TRACIO의 처리 방식
TRACIO는 디바이스 인텔리전스를 네 가지 협력 제품으로 패키징합니다: Identification(안정적인 방문자 식별자), Bot Detection, Smart Signals(서버에서 계산되는 보강), 그리고 IP Intelligence. 플랫폼은 130개 이상의 디바이스 신호를 분석하고 내부 벤치마크에서 50ms 미만 P95 지연으로 99.5% 식별 정확도를 보고하므로, 보강된 판정이 의사결정이 필요한 순간에 실시간으로 제공됩니다.