Website · 셸 지문 — 제작 흔적을 축으로 쓰는 법

1. 왜 이 넷이 축이 되나 — 상품 축과 제작 축

운영자가 «산» 것은 축이 되지 못하고, 운영자가 «만든» 것만 축이 된다. 이 한 줄이 이번 검정의 결론이고, 축을 새로 고를 때의 기준이다.

2. 축 인벤토리 — 각 축이 무엇이고 무엇을 추론하나

채움% = 홀드아웃 응답 2,987건 중 값이 실제로 온 비율. 등급은 website-image 와 같은 체계를 쓴다.

robots — 크롤러 안내 파일 · 채움 46.2% · immutable · 등급 C 군집용

/robots.txt 는 「어느 경로를 긁어도 되는가」를 크롤러에게 알리는 평문 파일이다(RFC 9309). 강제가 아니라 권고이고 없어도 정상이다. 빌더가 템플릿으로 자동 생성하고 운영자가 거의 안 고쳐서 지문이 된다 — 고 봤으나 실제로는 CDN 기본값이 대부분이었다.

hdr — 헤더 이름 순서 · 채움 90.4% · mutable · 등급 C 군집용

헤더의 값이 아니라 이름이 나온 순서다. 같은 서버·프레임워크면 순서가 같다 — TLS 의 JA3 지문과 같은 발상. 해시하지 않고 값 그대로 저장한다. ⚠️ 실제로는 호스팅 이름이 헤더에 그대로 박혀 있다.

style — 인라인 CSS 해시 · 채움 31.9% · immutable · 등급 C 군집용

<head> 안 <style> 내용만 본다. 외부 CSS 파일은 URL 만 봐도 같은지 알 수 있어 지문이 필요 없다. 빌더가 밀어넣는 리셋 CSS 가 고객마다 동일해서 지문이 된다 — 고 봤으나 공용 테마도 같이 묶인다.

txt — DNS TXT 형식 · 채움 49.0% · mutable · 등급 C 군집용

DNS 의 TXT 레코드를 값이 아니라 종류로 축약한다. 값을 그대로 쓰면 인증 토큰이 전부 달라 아무것도 안 묶인다. 해시하지 않고 값 그대로 저장한다.

ns — DNS 네임서버 · 채움 100% · immutable · 등급 B 사용가능 신규

도메인을 사면 「이 도메인 질문은 어느 서버에게 물어봐라」를 지정한다. 그게 NS 레코드다. 기본값은 등록대행사 것이고, Cloudflare·Vercel 을 쓰면 그쪽으로 바꾼다. 해시하지 않고 값 그대로 저장한다. r3 스캔이 이미 751/751 받아놨다.

제공자별 — 계정을 가르나

이미지 인코더 지문 · 채움 🔴 24% · immutable · 등급 A 고유가치

토큰 이미지 앞 4KB 만 받아 어떤 도구로 만들었나를 읽는다. image.match_key(같은 이미지인가)와 다르다 — 이쪽은 다른 이미지라도 같은 도구를 잡는다. 해시하지 않고 값 그대로 저장한다.

2.1 실제 값 — 상위 지문은 대부분 플랫폼 기본값이다

각 축에서 가장 많이 뭉친 값과 그 값을 가진 호스트를 나란히 놓았다. 서로 무관한 사이트가 같은 값을 갖는다면 그 값은 운영자 지문이 아니다.

robots — 46.2% 만 갖고 있고, 뭉친 것은 CDN 기본값이다

style — 31.9%. 상위 값은 CSS 리셋 템플릿이다

hdr — 90.4%. 값 자체가 호스팅 시그니처다

txt — 51% 가 none 이라 변별력이 거의 없다

이미지 인코더 — 확보 24%, 그나마 절반이 포맷뿐이다

채움률 실측 — 응답 2,987 기준

2.2 축의 성격 — 무엇에 흔들리나

지문은 「같은 운영자면 같은 값」이어야 쓸모가 있다. 그런데 발행자가 사이트마다 디자인을 바꾸면 그 축은 매번 값이 달라져 아무것도 못 묶는다. 실제로 그런지 쟀다. 결과는 예상과 달랐다 — style 만이 아니라 rob 도 불안정하다.

측정 방법 — 같은 운영자를 어떻게 잡았나

전용 IP(비 CDN)에 3호스트 이상 올라와 있는 무리 32개를 「같은 운영자일 가능성이 높은 집합」으로 봤다. CDN·PaaS 는 고객끼리 IP 를 돌려쓰므로 ASN 으로 제외했다(§4 와 같은 처리). 그 무리 안에서 각 축의 값이 몇 종류인지 세면, 축이 운영자를 따라가는지 사이트를 따라가는지 갈린다.

같은 공장인데 습관이 갈린다

3. 실측 — 「39%」는 인공물이었다

원 실험(2026-08-24~26 창)의 규칙을 홀드아웃 창(08-26~09-01)에 적용했다. 응답 2,987 호스트, 이 호스트들을 건 토큰 4,991 이 모수다.

TXT 는 축이 아니다. 고유값이 13개뿐이고 spf 하나가 46.9% 를 덮는다 (엔트로피 2.11 bits). 4중 AND 의 한 자리를 차지하면서 정보는 거의 주지 않고 보유율만 49% 로 깎는다. NS 로 교체하면 7.10 bits · 채움 92.2% 다.

rawHeaders 수정은 군집을 바꾸지 않았다. axios 의 정규화 객체는 실제로 호스트의 93.6% 에서 헤더를 떨구지만(content-encoding 등), 엔트로피는 7.63 → 7.65 bits, 군집 결과는 25개로 동일했다. 정확성 수정이지 성능 개선이 아니다.

3.1 「운영자」라고 부를 수 있는 것은 그중 일부다

묶였다고 다 같은 운영자가 아니다. NS 가 계정별로 개별 할당되는가로 갈린다 (§2.2 의 제공자별 비율).

확실한 것들도 있다. 방법이 옳게 작동한다는 증거로 참 양성 두 개가 잡혔다 — x.com+twitter.com, 그리고 Sinclair 계열 지역방송 news4sanantonio.com+local12.com. 둘 다 실제로 같은 운영자다. 밈코인 쪽에서는 averagejoecoin.lol+simonsaysape.lol+farticusmaximus.fun, rufussolan.top+blazesolana.top+beefysolana.top 같은 묶음이 나온다.

3.2 그래서 실시간 라벨링이 되나

지금 축만으로는 토큰의 1.1%(강) ~ 5.8%(강+약) 다. 원 실험이 시사한 37% 와는 자릿수가 다르다. 격차의 원인은 셋이고, 전부 채움률이다 — style 31.8%, robots 42.5%, 그리고 아직 못 뚫은 이미지 인코더 축(24%). 이미지 축은 r3 의 L2 1차 분할자였고, IPFS 게이트웨이 차단 때문에 비어 있다.

4. 축이 되지 못한 것 — 상품 축 4종의 실패

같은 창에서 검정했고 전부 부정이었다. 다시 파지 말 것.

5. 저장 형태 — 버전을 달지 않으면 조용히 깨진다

정규화 규칙을 한 줄만 고쳐도 과거 해시가 전부 무의미해진다. 그런데 값은 여전히 「있기」 때문에 아무도 눈치채지 못하고, 군집만 어긋난다.

data.shell = {
  v: 1,          // 규칙이 바뀌면 2 로 올린다. 다른 v 끼리는 비교하지 않는다
  rob, hdr, style, txt,
  proto: 'h1',   // HTTP/2 는 헤더 표현이 달라 비교가 성립하지 않는다
}

data.shell = {
  v: 1,
  rob: 'd53d5a75c141',
  robHead: 'User-agent: * / Content-Signal: search=yes,ai-train=no…',   // 앞 120자
  style: '1ceb4de319a7',
  styleHead: '*{box-sizing:border-box;margin:0;padding:0}html{line-…',  // 앞 120자
  hdr, txt, proto: 'h1',
}

저장 위치는 contents.data 하위다. 최상위는 쿼리·정렬 축만 두는 것이 이 레포 규약이고, 지문은 조회 축이 아니라 비교 대상이다. 인덱스는 지금 만들지 않는다 — 실제로 도는 쿼리가 생긴 뒤에 판단한다.

6. 미결 · 다음