퍼지 매칭의 작동 방식
전체 핑거프린트를 동일성 기준으로 비교하는 대신, 퍼지 매칭은 개별 신호를 비교하고 그것들 전반에 걸쳐 유사도 또는 거리 점수를 계산합니다. 신호는 안정성과 변별력에 따라 가중되므로, 변동이 큰 저가치 속성의 변화는 안정적인 고가치 속성의 변화보다 덜 반영됩니다.
시스템은 누적된 유사도가 일치를 선언할 만큼 충분히 높은 때를 결정하는 임계값을 설정합니다. 이는 브라우저 버전이 올라갔거나 폰트를 추가한 디바이스가 여전히 인식되게 하는 한편, 진정으로 다른 디바이스는 너무 많은 강한 신호가 갈라지므로 분리된 채로 남게 합니다.
효과적인 퍼지 매칭은 각 신호가 시간에 따라 어떻게 변하는 경향이 있는지를 모델링하는 데 달려 있습니다. 예측 가능하게 변동하는 신호는 관용적으로 처리되는 반면, 여러 독립 신호에 걸친 급격한 변화는 다른 디바이스이거나 회피 시도라는 증거로 취급됩니다.
퍼지 매칭이(가) 사기 방지에서 중요한 이유
퍼지 매칭은 소프트웨어가 끊임없이 업데이트되고 어떤 핑거프린트도 완벽하게 일정하게 유지되지 않는 현실 세계에서 디바이스 인식을 지속적으로 만드는 요소입니다. 그것이 없다면 일상적인 변화가 하나의 디바이스를 여러 신원으로 쪼개어, 재방문하는 사기꾼의 탐지를 약화시킬 것입니다. 그것은 진짜 일치를 놓치는 것과 별개의 디바이스를 잘못 합치는 것 사이의 균형을 직접 개선합니다.
TRACIO의 처리 방식
TRACIO는 관용적이고 유사도 기반의 매칭에 의존하여, 재방문 방문자가 브라우저와 환경이 진화하더라도 안정적인 방문자 ID를 유지하도록 합니다. 관찰된 안정성에 따라 신호를 가중함으로써, TRACIO는 변동으로 인한 거짓 부정과 서로 다른 디바이스의 잘못된 병합을 모두 최소화합니다. 이 접근은 내부 벤치마크에서의 식별 정확도에 대한 핵심 기여자입니다.