강의 계획 레슨 156개 중 130번째 · 기기가 아니라 사람을 추적하기
기기가 아니라 사람을 추적하기

기기 간 맞추기

왜 중요한가 버스에서는 휴대폰, 직장에서는 노트북, 소파에서는 태블릿을 쓰고, 각각 자기 쿠키가 있을지 몰라요. 광고 회사는 그게 모두 한 사람이라는 걸 훨씬 알고 싶어 해요. 이 실습은 그들이 쓰는 단서, 그 단서가 얼마나 자주 틀리는지, 그리고 어느 단서가 단연 가장 강한지 보여 줘요: 로그인이요.

점 잇기

기기마다 하나씩, 따로 된 공책 셋을 가진 탐정을 떠올려 보세요. 각 공책에는 기기가 어디서, 언제 온라인이었는지 적혀 있어요. 탐정의 일은 어느 공책들이 같은 사람의 것인지 정하는 거예요. 누구도 알려 주지 않아요. 겹침으로 짐작해요.

기기 간 맞추기: 여러 기기가 한 사람의 것이라고 정하는 것. 결정적 맞추기는 양쪽에 로그인된 같은 계정 같은 확실한 연결을 써요. 확률적 맞추기는 같은 집 네트워크나 같은 사용 시간 같은 그럴듯한 연결을 쓰고, 일부 실수를 받아들여요.

IP 주소: 기기의 트래픽이 오는 네트워크 주소. 집 공유기 하나 뒤의 모든 기기는 보통 집의 주소를 공유하고, 모바일 네트워크의 많은 휴대폰도 주소 하나를 공유할 수 있어요.

단서 셋

  • 공유 로그인: 두 기기의 같은 계정. 아주 강해요.
  • 공유 IP 주소: 같은 사람이 아니라 같은 가구, 사무실, 모바일 네트워크를 시사해요.
  • 비슷한 시간: 하루 중 같은 시간에 활동하는 두 기기.

연습 가구는 사건 리스트와 답안을 반환하는 synthetic_households()에서 와요. 각 사건은 {"device": "phone-004", "ip": "203.0.113.7", "hour": 21, "login": "acct-1f2e3d"}이고, 아무도 로그인하지 않았으면 "login": None이에요. 주소는 문서용으로 예약된 범위에서 온 것이라 실제 인터넷에서 결코 쓰이지 않아요.

집합이 겹침을 쉽게 만들어요

Python 집합은 서로 다른 값의 주머니로, 비어 있으면 set()으로 써요. s.add(x)는 값을 넣어요. a & b는 두 집합 모두에 있는 값을, a | b는 어느 한쪽에 있는 값을 줘요. 빈 집합은 if에서 거짓으로 쳐요:

a = {9, 21, 22}
b = {8, 21, 22, 23}
print(a & b)                    # {21, 22}
print(len(a & b) / len(a | b))  # 2 / 5 = 0.4, the share of hours in common
if a & b:
    print("they overlap")

점수 매기기와 판단

기기 쌍마다 점수를 줄 거예요: 공유 로그인에 3, 공유 IP에 1, 그리고 공통 시간의 몫(0에서 1). 문턱 이상인 쌍은 "같은 사람"으로 쳐요. 그다음 두 가지를 재요:

정밀도: 주장한 쌍 중 맞은 비율. 재현율: 진짜 쌍 중 찾아낸 비율. 신중한 매처는 정밀도가 높고, 욕심 많은 매처는 재현율이 높아요.

다른 언어로

JavaScript의 집합 겹침(JavaScript에는 집합용 & 연산자가 없어요. 새 엔진은 intersection() 메서드를 더하고, 걸러 내기는 어디서나 통해요):

const both = [...a.logins].some(x => b.logins.has(x));
const common = [...a.hours].filter(h => b.hours.has(h)).length;
const either = new Set([...a.hours, ...b.hours]).size;
const score = (both ? 3 : 0) + (either ? common / either : 0);

그리고 C#로:

var common = a.Hours.Intersect(b.Hours).Count();
var either = a.Hours.Union(b.Hours).Count();
double score = (a.Logins.Overlaps(b.Logins) ? 3 : 0) + (either > 0 ? (double)common / either : 0);

보게 될 것

문턱 1.0에서는 공유 주소만으로 충분해서 정밀도가 무너져요: 같이 사는 사람, 동료, 같은 모바일 네트워크의 낯선 사람이 모두 합쳐져요. 1.5에서 매처는 열에 일곱 번쯤 맞고 진짜 쌍의 열에 일곱쯤을 찾아요. 3.0에서는 로그인만 쳐요: 거의 모든 주장이 맞지만, 진짜 쌍 대부분을 놓쳐요. 로그인은 거의 확실한 단서 하나를 넘겨줘요.

방어

계정이 필요 없는 곳에서는 로그아웃 상태로 있고, 떼어 두고 싶은 기기에서는 다른 계정을 쓰세요(또는 쓰지 마세요). VPN은 IP 단서를 바꾸지만, 로그인이나 시간은 바꾸지 않아요. 이 모듈의 마지막 레슨이 이것들을 함께 묶어요.

요약

  • 기기는 로그인(거의 확실), 공유 IP 주소, 비슷한 시간(둘 다 짐작)으로 이어져요.
  • 공유 주소는 사람이 아니라 가구와 네트워크를 이어서 잘못된 맞춤을 많이 만들어요.
  • 정밀도와 재현율은 신중한 맞추기와 욕심 많은 맞추기 사이의 맞바꿈을 보여 줘요.
  • 로그인이 여러분이 넘겨주는 가장 강한 단서예요.
내 차례

함수 넷을 쓰세요. summarise(events)는 각 기기를 {"ips": set, "hours": set, "logins": set}에 매핑하는 dict를 반환하고, logins에서 None은 빼요. pair_score(a, b)는 그런 요약 둘을 받아, login 집합이 값을 공유하면 3, IP 집합이 값을 공유하면 1을 더하고, 양쪽 모두에 있는 시간 수를 어느 한쪽에 있는 시간 수로 나눈 값을 더해 반환해요(둘 다 비면 0). match_devices(summaries, threshold)는 점수가 적어도 threshold인 모든 기기 이름 쌍에 대해 a < b인 튜플 (a, b)의 집합을 반환해요. precision_recall(predicted, truth)는 튜플 (precision, recall)을 반환하고, 집합이 비면 0을 써요.

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.