이메일 추적 차단을 위한 머신러닝 기반 탐지 엔진

초록

본 논문은 이메일 뉴스레터에 널리 퍼진 추적 이미지(픽셀)를 자동으로 식별하기 위해, 실시간 적용이 가능한 경량 특징 집합을 설계하고, 이를 다양한 최신 분류기와 결합해 높은 정확도의 추적 탐지 모델을 구축한다. 대규모 데이터셋을 이용한 실험에서 시간 경과와 미지의 발신자에 대해서도 견고한 성능을 보이며, 프라이버시 보호를 위한 선택적 차단 메커니즘의 핵심 엔진으로 활용 가능함을 입증한다.

상세 분석

논문은 먼저 전 세계 12개국, 20여 개 산업군에 걸친 1,200여 개 뉴스레터를 수집해 3년간 45만 건 이상의 이메일을 분석하였다. 이 과정에서 68% 이상의 메일에 최소 하나의 추적 픽셀이 포함돼 있음을 확인했으며, 특히 마케팅·소매·여행 분야에서 추적 비중이 높았다. 특징 설계 단계에서는 (1) 이미지 URL 구조(도메인, 경로 길이, 쿼리 파라미터 수), (2) HTTP 헤더(캐시 제어, 콘텐츠 타입), (3) 이미지 자체 메타데이터(크기, 색상 채널, 투명도) 등을 정량화했다. 특히 URL 토큰화와 해시 기반 유사도 측정을 도입해 새로운 트래킹 서버가 등장해도 기존 특징이 크게 변하지 않도록 설계하였다.

모델링에서는 로지스틱 회귀, 랜덤 포레스트, XGBoost, LightGBM 등 4가지 최신 분류기를 비교했으며, 교차 검증 결과 LightGBM이 가장 높은 AUC(0.97)를 기록했다. 과적합 방지를 위해 시간 기반 스플릿을 적용해 2020년 데이터를 학습, 2021년 데이터를 테스트했을 때도 정확도 94% 이상을 유지했다. 또한, 완전히 새로운 발신자(테스트 셋에 포함되지 않은 도메인)에서도 91% 이상의 정밀도를 달성했다.

실시간 적용성을 검증하기 위해 평균 추론 시간과 메모리 사용량을 측정했으며, 특징 추출 단계가 0.8 ms, 모델 예측이 0.3 ms로 전체 파이프라인이 1 ms 미만에 완료돼 브라우저 플러그인이나 메일 서버 필터에 직접 삽입하기에 충분히 가볍다. 마지막으로, 기존 광고 차단 리스트와 비교했을 때, 제안된 ML 기반 엔진은 30% 이상의 추가 추적 이미지를 탐지했으며, 오탐률은 1.2% 수준에 머물렀다. 이러한 결과는 특징이 추적 이미지의 본질적 패턴을 잘 포착하고, 모델이 변화하는 추적 인프라에 대해 탄력적으로 대응한다는 것을 시사한다.