TECH 으로 돌아가기
TECH HACKER NEWS 7분 읽기 73 READS

파이어폭스 143은 어떻게 '식별 가능 사용자'를 75%에서 46%로 낮췄나

파이어폭스 143은 어떻게 '식별 가능 사용자'를 75%에서 46%로 낮췄나
SOURCE IMAGE · HACKER NEWS

브라우저 핑거프린팅은 쿠키 없이도 사용자를 추적하는 기법으로 오래전부터 알려져 있지만, 실제 환경에서 얼마나 효과적인지, 그리고 어떤 방어책이 대규모에서 의미가 있는지는 제대로 측정되지 못했다. 모질라가 토론토대·UC 샌디에이고 연구진과 함께 발표한 이번 연구는 약 2,500만 명의 파이어폭스 정식 버전 사용자 텔레메트리를 바탕으로 이 공백을 메운다. 연구진은 집단 규모에서 브라우저가 실제로 얼마나 구별되는지 측정하고, 그 결과를 파이어폭스 143에 탑재된 방어 기능 설계에 그대로 반영했다. 핵심 성과는 고유하게 식별 가능한 사용자 비율을 75%에서 46%로 떨어뜨리면서도 웹 호환성을 유지했다는 점이다.

소수의 지표가 고유성을 만든다

연구에서 가장 실무적으로 중요한 발견은, 핑거프린트의 고유성이 수십 개 측정값의 누적이 아니라 소수의 고영향 지표와 그 조합에서 비롯된다는 사실이다. 연구진이 모델링한 가장 정교한 핑거프린터 Fingerprint Pro의 경우, 고유하게 식별된 사용자의 80%가 단 8개 지표만으로 구별됐다. 이 서비스가 수집하는 지표는 50개가 넘는데도 그렇다. 더 많은 80개 이상을 수집하는 Signifyd는 오히려 더 적은 사용자를 고유하다고 판정했고, 그 80%는 9개 지표에서 갈렸다. 측정 항목을 늘리는 것이 곧 식별력 증가로 이어지지 않는다는 뜻이다.

그래서 '사용자 중 몇 퍼센트가 고유한가'를 하나의 숫자로 말하는 순간 의심해야 한다고 연구진은 강조한다. 그 수치는 서로 다르게 행동하는 여러 모집단을 뭉개버리기 때문이다. 특히 운영체제는 언제나 핑거프린터에 노출되는 기준값이다. OS를 속이면 단축키가 깨지고 엉뚱한 다운로드가 제공되는 등 호환성이 무너지므로, 어차피 드러날 OS를 기준으로 모집단을 나눠 분석하는 편이 정확하다. 실제로 OS마다 중요한 지표가 다르게 나타났다.

엔트로피 대신 코호트 구조를 본다

기존 문헌은 섀넌 엔트로피를 표준 척도로 삼아왔지만, 연구는 높은 엔트로피가 핑거프린팅 영향력을 신뢰할 만하게 예측하지 못한다고 지적한다. 또한 과거 분석은 '몇 명이 고유한가'만 셌을 뿐, 고유하지 않은 나머지가 100만 명이 한 지문을 공유하는지 아니면 2명씩 50만 개 지문으로 쪼개지는지를 구분하지 못했다. 연구진은 심슨 지수(허핀달-허시먼 지수)로 이 차이를 정량화해, 방어책이 고유성을 얼마나 없애는지뿐 아니라 사용자들을 얼마나 큰 집단으로 묶어주는지까지 비교했다. 예컨대 두 방어책이 각각 고유 사용자 비율을 약 2.1%p 낮추더라도, 하나는 코호트 점수를 56% 개선한 반면 다른 하나는 13%에 그쳤다. 고유성만 보면 똑같아 보이는 방어책이 실제로는 크게 다른 셈이다.

방어책의 효과가 OS마다 달라지는 폭도 작지 않다. 사용 가능한 화면 해상도를 제한하는 조치는 macOS의 누적 고유성에서 25.3%p를 깎아냈지만 나머지 세 플랫폼에서는 0~3%p에 그쳤고, 전체 평균으로는 3.5%p로 줄었다. 한 플랫폼에는 결정적인 보호가 집계상으로는 사소해 보일 수 있다는 것이다. 이는 데이터를 반드시 OS별로 분리해 분석해야 하는 이유이기도 하다.

표준화와 무작위화, 그리고 호환성이라는 전제

방어 전략 측면에서 연구는 균형을 강조한다. 모두가 같은 값을 보고하게 만들면 서로 비슷해 보이지만 완전히 똑같아지지는 않으며, 방문자가 적은 사이트에서는 소수가 여전히 튄다. 반대로 무작위화는 작동할 때 강력하지만 언제든 탐지·우회될 수 있다. 어느 한쪽도 홀로 프라이버시를 책임질 수 없어 둘을 함께 써야 한다. 또 측정값이 왜 사용자마다 달랐는지 하드웨어 등과 상관시켜 근본 원인을 찾으면, 소수로 남아 눈에 띄던 집단까지 보호 범위를 넓힐 수 있다. 실제로 이미지 렌더링, 웹 오디오, 안드로이드의 수학 연산에서 더 일관된 출력이 만들어졌다.

연구진은 기본값에서 호환성이 프라이버시와의 맞교환이 아니라 프라이버시의 전제 조건이라고 본다. 엄격 모드의 부작용은 지연되어 나타나 원인을 숨긴다. 숨겨진 설정을 켜는 것은 일회성 행동이지만 깨진 웹사이트는 나중에 찾아오고, 사용자는 자신이 바꾼 설정 탓임을 모른 채 '파이어폭스에서 안 된다'며 좌절한다. 웹을 깨뜨리는 보호는 브라우저 자체를 깨뜨리는 셈이다. 그래서 측정된 효과와 호환성을 함께 보고 완화책을 선별·조정했다.

데이터 수집 자체도 신중하게 설계됐다. 측정은 평소 정기 전송되는 텔레메트리와 달리 명시적으로 활성화해야 하고(2025년과 2026년 두 차례) 한 번만 보고 후 휴면하는 전용 핑에 의존한다. 이 핑에는 클라이언트 ID가 없고 중복 제거용 UUID만 담기며, 독립 운영 릴레이를 거치는 OHTTP로 전송돼 릴레이는 IP를, 모질라는 내용을 각각 반쪽만 본다. 데이터 접근은 4명으로 제한됐고 90일 보관 후 삭제됐으며, 한 OS 모집단에서 100번 미만 관측된 값은 공개에서 제외됐다. 상용 핑거프린터가 CreepJS 같은 교육용 도구마저 그대로 가져다 쓰는 현실을 고려해, 연구진은 가능한 분석과 공개를 일부러 자제했다고 밝혔다. 더 나은 핑거프린터를 만들기 쉽게 하느니 질문을 열어두는 편을 택한 것이다.

SOURCE · HACKER NEWS
원문 전체 보기 → https://fingerprinting.study/
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...