브라우저, 디바이스, 네트워크 계층에 걸쳐 수집되는 캔버스, WebGL, 오디오, 폰트, 네트워크 속성 — 모든 안정적인 ID의 원천 자료입니다.
세션 경계, 시크릿 탭, 쿠키 삭제, 브라우저 버전 업그레이드에도 유지되는 단일 방문자 ID입니다.
ML 모델이 신호의 품질, 최신성, 고유성을 바탕으로 각 식별에 동적 신뢰도 가중치를 부여합니다.
신호를 하드웨어, 브라우저, 휘발성 계층으로 분리합니다 — 식별 정확도를 유지하면서 사소한 변화를 흡수합니다.
가중 유사도 매칭이 개별 신호가 세션마다 바뀌어도 재방문자를 다시 연결합니다.
암호화된 자사 쿠키와 localStorage 대체 저장소를 결합해 세션 간 최대 지속성을 확보합니다.
당사의 경량 SDK는 사용자 경험에 전혀 영향을 주지 않고 50ms 미만에 130개 이상의 브라우저 신호를 수집합니다.
서버 측 엔진이 신호를 분석하고, 가중 유사도 매칭을 실행하며, 신뢰도 점수를 계산합니다.
안정적인 방문자 ID, 봇 탐지 결과, 스마트 신호, IP 인텔리전스를 단일 API 응답으로 받습니다.
몇 줄의 코드와 필요한 모든 것을 담은 하나의 API 응답.
import { Tracio } from '@tracio/sdk';const tracio = Tracio.init({ publicKey: '5ca175fc...' });const result = await tracio.getResult();console.log(result.visitorId); // "X7fh2Hg9Lk..."console.log(result.bot.detected); // falseconsole.log(result.bot.confidence); // 2 (0-100)당사의 식별 시스템은 130개 이상의 신호를 세 가지 안정성 계층으로 분리합니다. 1계층(캔버스, WebGL, 오디오 핑거프린트 같은 하드웨어 신호)은 핵심 정체성을 형성하며 거의 변하지 않습니다. 2계층(기능 탐지, CSS 쿼리 같은 브라우저 수준 신호)은 브라우저 업데이트에 따라 바뀌지만 가중 유사도 매칭을 통해 다시 연결됩니다. 3계층(사용자 에이전트, 시간대 같은 휘발성 신호)은 신뢰도 점수 산출에 사용되지만 식별을 깨뜨리지 않습니다. 이 계층형 접근 방식은 단순한 해시 기반 시스템을 무너뜨리는 브라우저 업데이트에도 안정적인 방문자 ID를 유지합니다.
재방문자가 (예: Chrome 업데이트 이후) 약간 변경된 신호를 제시하면, 당사의 서버 측 엔진은 신호 계층 전반에 걸친 가중 해밍 거리를 사용해 유사도 점수를 계산합니다. 하드웨어 수준 신호는 휘발성 신호의 4배 가중치를 갖습니다. 종합 유사도가 신뢰도 임계값(기본값 0.85)을 초과하면 동일한 방문자 ID가 반환됩니다. 이는 정적 핑거프린팅 솔루션을 괴롭히는 정체성 파편화를 제거합니다.
방문자 ID는 시크릿 세션, 쿠키 삭제, VPN 전환, 심지어 동일 하드웨어에서의 브라우저 변경에도 유지됩니다. 하드웨어 수준 신호 — 캔버스 렌더링, WebGL 매개변수, 오디오 DSP 특성 — 는 개인정보 설정과 무관하게 일정하게 유지됩니다. 이후 서버 측 프로필 매칭이 쿠키 기반 솔루션이라면 추적을 완전히 놓칠 상황에서도 방문자를 다시 연결합니다.
모든 식별 응답에는 0에서 1 사이의 신뢰도 점수가 포함됩니다. 이 점수는 예상되는 신호 변화, 일치하는 신호의 수, 일치한 신호의 고유성을 고려하여 현재 신호 집합이 식별된 방문자에게 속할 확률을 반영합니다. 0.95를 초과하는 점수는 거의 확실한 일치를, 0.85에서 0.95 사이의 점수는 일부 신호 변화가 있는 유력한 일치를, 0.85 미만의 점수는 새로운 방문자 ID 할당을 의미합니다.
브라우저 변조가 2025년에 거의 두 배로 늘어 4.4%에 이르렀습니다. 이제 데스크톱 세션의 13%가 가상 머신에서 실행됩니다.
Fingerprint 디바이스 인텔리전스 Report, 2026
팀이 Device Identification로 실제 문제를 해결하는 방법을 확인하세요.