식별 알고리즘의 작동 방식
핵심 통찰은 모든 신호가 똑같이 안정적이지는 않다는 것입니다. 알고리즘은 이를 계층으로 분류합니다: GPU와 화면 특성 같은 하드웨어 신호는 좀처럼 바뀌지 않고, 설치된 폰트와 플러그인 같은 소프트웨어 신호는 가끔 바뀌며, user-agent 문자열과 시간대 같은 세션 신호는 자주 바뀝니다. 이러한 계층을 개별적으로 다루면 변덕스러운 신호가 그 외에는 변하지 않은 디바이스의 인식을 깨뜨리는 것을 막습니다.
각 계층은 독립적으로 해시되어 자체적으로 비교될 수 있습니다. 방문자가 돌아오면 알고리즘은 계층별로 일치시킵니다: 안정적인 하드웨어 해시가 신원을 고정하고, 소프트웨어 해시가 이를 확인하며, 세션 해시가 더 약한 뒷받침을 제공합니다. 이 계층적 비교는 user-agent를 바꾸는 브라우저 업데이트가 그 자체로 디바이스와의 링크를 끊지 않음을 의미합니다.
계층별 일치는 그다음 각 계층의 신뢰성을 반영하는 가중치를 사용해 단일 식별자와 신뢰도 점수로 결합됩니다. 고안정성 일치는 높은 신뢰도를 낳고, 변덕스러운 계층에서만의 불일치는 새 디바이스로 선언하는 대신 신뢰도를 약간만 낮춥니다. 이것은 설계상 퍼지 매칭(fuzzy matching)으로, 예상된 변화에는 관대하면서도 진정으로 다른 디바이스는 여전히 구별합니다.
식별 알고리즘이(가) 사기 방지에서 중요한 이유
모든 신호를 이어 붙여 한 번에 해시하는 순진한 핑거프린트는 취약합니다: 어떤 변화든, 그리고 브라우저는 끊임없이 변하는데, 다른 해시를 만들어 재방문 디바이스를 완전히 새것처럼 보이게 합니다. 그 취약성은 사기 예방에 치명적인데, 공격자가 사소한 조정으로 자신의 신원을 초기화하게 하고 정당한 사용자의 이력을 파편화하기 때문입니다. 계층적이고 가중된 알고리즘이야말로 식별자를 속도 검사, 디바이스 그래프, 반복 악용 탐지를 고정할 만큼 안정적으로 만듭니다.
TRACIO의 처리 방식
TRACIO의 Identification 제품은 130개 이상의 디바이스 신호에 걸친 이 계층적이고 가중된 접근 위에 구축되며, 이것이 내부 벤치마크에서 99.5% 정확도를 유지하고 브라우저 업데이트, 시크릿 모드, 쿠키 삭제를 거쳐도 방문자 ID를 안정적으로 유지하는 방식입니다. 모든 식별은 신뢰도 점수와 함께 반환되어, 통합 개발자가 계층이 얼마나 강하게 일치했는지 확인하고 자신의 임계값을 보정할 수 있습니다.