스마트폰 사용자 분류를 위한 인터넷 트래픽 분석

초록

본 논문은 스마트폰 사용자의 인터넷 트래픽 로그를 활용해 성별, 흡연 여부, 프로그래밍 경험 등 인구통계학적·기술적 특성을 머신러닝으로 예측하는 방법을 제시한다. 실제 사용자 데이터를 수집·전처리하고, 트래픽 흐름, 도메인, 프로토콜, 패킷 크기 등 150여 개의 특징을 추출해 다중 클래스 분류 모델을 학습시켰다. 실험 결과, 주요 특성에 대해 70% 이상 정확도를 달성했으며, 개인정보 유출 위험성을 강조한다.

상세 분석

이 연구는 스마트폰 사용자의 인터넷 트래픽을 정밀히 분석함으로써 개인의 사회·경제적 특성을 추론할 수 있음을 입증한다. 데이터 수집 단계에서는 200명 이상의 자발적 참여자를 대상으로 30일간의 패킷 캡처와 메타데이터를 확보했으며, 개인정보 보호를 위해 IP 주소와 MAC 주소는 해시 처리하였다. 특징 추출 과정은 크게 네 가지 축으로 나뉜다. 첫째, 트래픽 양적 지표(총 전송 바이트, 평균 패킷 크기, 피크 시간대)로 사용량 패턴을 파악한다. 둘째, 애플리케이션 레벨 식별을 위해 TLS SNI와 HTTP Host 헤더를 분석해 방문 도메인 카테고리를 매핑한다. 셋째, 프로토콜 분포(HTTP, HTTPS, DNS, QUIC 등)와 포트 사용 빈도를 통해 기술적 숙련도를 추정한다. 넷째, 시간적 특성(주중·주말 비율, 야간 활동 비중)으로 생활 습관을 모델링한다.

머신러닝 모델은 전통적 알고리즘인 랜덤 포레스트, Gradient Boosting, SVM과 딥러닝 기반의 다층 퍼셉트론을 비교했다. 교차 검증 결과, 랜덤 포레스트가 가장 높은 F1 점수를 기록했으며, 특히 성별 구분에서는 85%의 정확도, 흡연 여부에서는 78%, 프로그래밍 경험(초급·중급·고급)에서는 71%의 정확도를 보였다. 특징 중요도 분석에 따르면, 도메인 카테고리(예: 개발자 포럼, 게임 스트리밍 사이트)와 특정 포트 사용이 프로그래밍 경험을 예측하는 데 가장 큰 영향을 미쳤다.

한계점으로는 표본이 특정 연령대와 지역에 편중돼 있어 일반화에 제약이 있으며, VPN 사용자의 트래픽이 은폐돼 정확도가 저하될 수 있다. 또한, 라벨링 과정이 설문 기반이므로 자기보고 오류가 존재한다. 향후 연구에서는 다국적 데이터셋 확보, 프라이버시 보호를 위한 연합 학습(Federated Learning) 적용, 그리고 실시간 위험 탐지를 위한 스트림 처리 파이프라인 구축을 제안한다.