조 수(Joe Su) 애피어 CTO는 “부정 인스톨을 찾아내고 그 영향을 최소화하기에는 기존의 규칙 기반 방법에는 한계가 있다. 애피어는 AI 기반 모형이 훨씬 효과적이라 믿으며, 실제로 네트워크를 분석 한 지 불과 4개월 만에 AI 접근 방식의 이점이 확인됐다”고 설명했다. 인공지능(AI) 분야 선도기업 애피어(Appier)는 자사의 네트워크에서 실시한 실제 연구 분석 결과를 공유하며 AI 기반 모델의 부정 인스톨 방지 능력을 입증했다. 부정 인스톨은 비정상적인 수단으로 발생시킨(노출, 클릭, 설치) 광고를 정상 트래픽으로 위장해 이익을 취하는 행위를 의미한다. 부정 인스톨은 올해만 전 세계적으로 최소 65억달러의 손해를 가져로고, 모바일 앱중 13%의 트래픽에는 부정 인스톨 리스크가 숨어 있다고 알려질 정도로, 광고 산업을 위협하는 요소로 부상했다. 이에 애피어는 지난 5월부터 8월까지 4개월간 광고 클릭 및 앱 설치 정보 등 40억개 이상의 캠페인 데이터 포인트를 활용해 연구를 진행했다. 이 연구를 통해 AI를 기반으로 하는 모형이 기존 규칙 기반 모형에 비해 2배 가량 빠른 속도로 부정 인스톨 패턴을 분석하는 것으로 나타났다. AI 기반 모형의 장점은 기존 모형이 감지하기 어려운 부정 인스톨 패턴을 찾아 낼 수 있다는 것이다. 예를 들어, 애피어가 발견한 하나의 사기 패턴은 ‘카멜레온’인데 이는 처음에 합법적인 광고물 퍼블리셔로 위장한 뒤 추후 부정 인스톨을 발생시키는 게시자를 의미한다.
또 다른 사기 패턴은 ‘재고 버스트’다. 이 패턴을 통해 인스톨 광고주의 애플리케이션 상에서 적절한 수준의 인앱 활동이 이뤄지지 않을 경우, 비정상적으로 높은 재고량을 집계하게 된다. 애피어 최고기술책임자(CTO) 조 수(Joe Su)는 “부정 인스톨은 온라인 광고 업계에 큰 위협이 됐으며, 광고주들은 향후 수십억 달러의 비용을 부담하게 될 것으로 예상된다”며 “부정 인스톨을 찾아내고 그 영향을 최소화하기에는 기존의 규칙 기반 방법에는 한계가 있다. 애피어는 AI 기반 모형이 훨씬 효과적이라 믿으며, 실제로 네트워크를 분석 한 지 불과 4개월 만에 AI 접근 방식의 이점이 확인됐다”고 설명했다. 기존의 규칙 기반 모형은 통상 1~3개 정도 차원만 보고, 사람이 프로그래밍한 규칙에 따라 이미 알려진 부정 인스톨 패턴으로 작동한다. 반면 AI 기반 모형은 80개가 넘는 다차원적인 데이터를 검사 할 뿐만 아니라 자가학습 기능을 제공하기 때문에 과거에는 볼 수 없었던 새로운 의심 패턴을 감지할 수 있다. 조 수 CTO는 “사이버 사기 또는 금융 사기와 마찬가지로 부정 인스톨이 더욱 정교해지고 끊임없이 진화하고 있기 때문에 새로운 위협을 신속하게 식별하고 그 영향을 최소화하는 것이 중요하다”며 “기존의 규칙 기반 접근법을 사용하면 사기법들의 수법을 따라갈 수 없기 때문에 진화하는 부정 인스톨 패턴을 효과적으로 추적하기 위해서는 AI 기반 모델이 필수다”고 강조했다.
데이터넷 강석오 기자 kang@datanet.co.kr
출처: http://www.datanet.co.kr/news/articleView.html?idxno=117810