강의 계획 레슨 156개 중 147번째 · 연구자처럼 웹 재기
연구자처럼 웹 재기

숨은 추적기 찾기

왜 중요한가 연구자가 가장 걱정하는 추적기는 숨는 것들이에요: 여러분 자신의 사이트 이름 뒤에, 결코 알아채지 못하는 리디렉션 안에, 또는 쿠키를 전혀 정하지 않는 스크립트 안에. 단순한 서드파티 세기는 그걸 놓쳐요. 이 실습은 크롤링 데이터에서 세 종류를 찾아요.

경비원이 가게 자신의 제복을 입고 있지만 사실은 다른 누군가에게 고용된 가게를 생각해 보세요. "바깥 직원"을 세는 방문자는 결코 알아채지 못해요. 숨은 추적기가 그렇게 작동해요.

1. CNAME 위장

DNS: 인터넷의 주소록: m.calmriver.example 같은 이름을 컴퓨터 주소로 바꿔요.

CNAME: "이 이름은 사실 다른 이름이다"라고 말하는 DNS 기록. m.calmriver.example이 c.cloakco.example의 CNAME일 수 있으니, 요청은 퍼스트파티처럼 보이지만 추적기에 닿아요.

CNAME 위장: 추적기가 CNAME을 통해 사이트 자신의 하위 도메인 뒤에 숨어서, 차단 목록과 서드파티 쿠키 규칙이 퍼스트파티 이름을 보게 하는 것.

크롤링 기록에서 각 요청에는 cname이 있어요: DNS가 말하는 호스트가 진짜 가리키는 곳, 또는 None. 위장한 요청은 호스트가 페이지 자신의 사이트에 있고, CNAME이 나열된 추적기에 있어요. 조심하세요: 많은 사이트가 하위 도메인을 edge.cdn.example 같은 콘텐츠 전송 네트워크에 가리켜요. 그건 평범하니, CNAME의 사이트를 TRACKER_LIST와 대조하세요.

Safari는 CNAME 위장 응답으로 정한 쿠키를 7일로 제한하고, Firefox는 차단 확장 프로그램이 CNAME을 찾아봐 위장을 벗길 수 있게 해 주고, Chrome 확장 프로그램은 그 찾아보기를 할 수 없어요(2026년 10월 확인).

2. 튕김 사슬

링크를 누르면 도중에 추적기의 리디렉션을 거쳐 갈 수 있어서, 그것이 자기 퍼스트파티 쿠키를 정하거나 읽게 돼요. 6구간에서 튕김 추적을 만났고, 여기서는 그걸 규모로 세요. 각 기록에는 click_chain이 있어요: 크롤러가 페이지의 첫 나가는 링크를 누른 뒤 거친 URL들. 가운데 단계의 사이트가 시작 사이트와도 끝 사이트와도 다르면 튕김이에요. 자기 /out 페이지를 거치는 사이트는 튕김이 아니에요.

3. 핑거프린팅 스크립트

계측한 크롤러는 각 스크립트가 쓴 브라우저 기능을 scripts에 기록해요. 공개된 연구의 접근을 따라, 스크립트가 그림이나 소리를 다시 읽기(CANVAS_READS)와 서로 다른 기기 특성을 적어도 4개 읽기(TRAIT_APIS)를 둘 다 하면 수상해요. 그림을 내보내기만 하는 그리기 앱은 캔버스를 쓰지만 특성은 거의 안 읽으니 치지 않아요.

from watched.leg7b_web import CANVAS_READS, TRAIT_APIS
apis = ["canvas.toDataURL", "navigator.userAgent", "screen.width",
        "navigator.languages", "Intl.timeZone"]
reads_canvas = any(a in CANVAS_READS for a in apis)
traits = {a for a in apis if a in TRAIT_APIS}      # a set: each trait once
print(reads_canvas, len(traits))                   # True 4

사이트 자신의 호스트에서 제공하는 핑거프린팅을 살펴보세요. 어떤 서드파티 목록도 그걸 잡지 못하고, 행동만 잡아요.

흔한 오해: "차단기가 서드파티 추적기 0개를 보여 주면 아무것도 나를 추적하지 않는다." 위장한, 튕기는, 퍼스트파티 핑거프린팅 추적기는 모두 서드파티 이름 목록을 빠져나가요. 여기서 쓰는 것 같은 행동 기반 확인이 브라우저와 연구자가 그걸 찾는 방법이에요.

다른 언어로

JavaScript와 PHP로 쓴 핑거프린팅 규칙:

// JavaScript
function isFingerprinting(apis) {
  const readsCanvas = apis.some(a => CANVAS_READS.includes(a));
  const traits = new Set(apis.filter(a => TRAIT_APIS.includes(a)));
  return readsCanvas && traits.size >= 4;
}
// PHP
function is_fingerprinting(array $apis): bool {
    $reads = count(array_intersect($apis, CANVAS_READS)) > 0;
    $traits = count(array_unique(array_intersect($apis, TRAIT_APIS)));
    return $reads && $traits >= 4;
}

요약

  • CNAME 위장은 추적기를 사이트 자신의 하위 도메인 뒤에 숨겨요. CNAME이 진짜 어디를 가리키는지 확인하세요.
  • 튕김은 시작한 곳도 끝난 곳도 아닌 사이트의 리디렉션 단계예요.
  • 핑거프린팅은 행동에서 드러나요: 캔버스나 오디오 다시 읽기 더하기 많은 기기 특성.
  • 행동은 이름 목록이 놓치는 걸, 퍼스트파티 핑거프린팅까지 찾아요.
내 차례

크롤링 기록에 대해 함수 다섯 개를 쓰세요:

  1. cloaked_hosts(load, tracker_list): 페이지 자신의 사이트에 있고 cname이 정해져 있으며 CNAME의 사이트가 tracker_list에 있는 서로 다른 요청 호스트의 정렬된 리스트.
  2. bounce_hops(load): load["click_chain"]에서, 첫 URL과 마지막 URL의 사이트 둘 다와 다른 가운데 단계의 사이트(사슬이 3보다 짧으면 빈 리스트).
  3. is_fingerprinting(apis): API 중 하나라도 CANVAS_READS에 있고 서로 다른 API가 적어도 4개 TRAIT_APIS에 있으면 참.
  4. fingerprinting_scripts(load): load["scripts"]의 스크립트 중 그 테스트를 통과하는 것의 URL.
  5. hidden_report(loads, tracker_list): 각 종류가 있는 사이트를 센 dict: "cname_cloaking", "bounce", "fingerprinting", "first_party_fingerprinting"(페이지 자신의 사이트에 있는 핑거프린팅 스크립트).
그다음 전체 크롤링에 대해 report를 정하세요. 테스트는 다른 시뮬레이션 웹도 크롤링해요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.