외부 프로젝트 수주로 인해 인력 부족이 심각해져 각 부분별 개발자를 채용합니다. 요구조건은 아래와 같습니다

 

Android 개발자:

기능, 서버, DB쪽 작업이 된 앱의 Front-end 작업

디테일한 요구사항들을 직접 구현하는 걸 즐길 수 있는 마인드

React Native, Flutter를 이용한 개발에 관심있는 분 (Not necessary at this stage)

2019년 내에 최소 앱 2개 출시

관련 로켓펀치 링크

 

iOS 개발자:

Android 앱의 일부 기능을 제외한 단촐한 but App Store 요구조건에 맞는 앱 개발

2019년 내에 최소 앱 2개 출시

관련 로켓펀치 링크

 

공통사항:

스타트업 마인드

개념 장착

프리랜서 X, 리모트 X

 

직원복지:

회사 앞 Gym 회원권 (센트리얼 휘트니스)

연봉: Competitive (딴 직장 알아보고 싶은 마음이 안 들도록)

 

지원방식:

이메일 지원 – [email protected]

1-2페이지 Resume 및 개인 포트폴리오

1 문단 정도의 블로그 감상평

채용시 글 삭제

외부 프로젝트 수주로 인해 인력 부족이 심각해져 각 부분별 개발자 & 디자이너를 채용합니다. 요구조건은 아래와 같습니다

 

Android 개발자:

기능, 서버, DB쪽 작업이 된 앱의 Front-end 작업

디테일한 요구사항들을 직접 구현하는 걸 즐길 수 있는 마인드

React Native, Flutter를 이용한 개발에 관심있는 분

2019년 내에 최소 앱 2개 출시

관련 로켓펀치 링크

 

iOS 개발자:

Android 앱의 일부 기능을 제외한 단촐한 but App Store 요구조건에 맞는 앱 개발

2019년 내에 최소 앱 2개 출시

관련 로켓펀치 링크

 

Web Front 개발자:

광고 관련 주요 Stat 관리자 페이지 개발

MarTech 관련 시장 지식 (Strictly preferred)

관련 로켓펀치 링크

 

UI / UX 디자이너:

앱 UI/UX 디자인 – 20-40대 여성향 UI 디자인 (주요 서비스 타겟층)

광고 관리자용 웹 페이지 디자인 – 정돈된 페이지 디자인

디자인 Agency 출신 우대

UX 디자인 감각 우대

MarTech 관련 시장 지식 선호

관련 로켓펀치 링크

 

기획자:

앱 2개, 광고 관리자용 웹 페이지 디자인에 대한 설명을 듣고 PPT로 계속 찍어낼 수 있는 능력

개발자, 디자이너와 지속적인 커뮤니케이션

MarTech 관련 시장 지식 필수

 

공통사항:

스타트업 마인드

개념 장착

프리랜서 X, 리모트 X

 

직원복지:

회사 앞 Gym 회원권 (센트리얼 휘트니스)

연봉: Competitive (딴 직장 알아보고 싶은 마음이 안 들도록)

 

지원방식:

이메일 지원 – [email protected]

1-2페이지 Resume 및 개인 포트폴리오

1 문단 정도의 블로그 감상평

채용시 글 삭제

외부 프로젝트 수주로 인해 인력 부족이 심각해져 데이터 사이언티스트 1인을 채용합니다. 요구조건은 아래와 같습니다

 

필수지식:

대학원 수준의 수리통계학

시계열 및 Sequence형 데이터 처리 (Autoregressive process, VAR, Kalman filtering, Fourier Transform 등)

패널 (Panel) 데이터 처리 (Bargava-Sargan, Arellano-Bond)

베이지안 통계학 (Thompson sampling 아이디어를 적용하는 모델들 ex. Bandit, Temporal-difference, Metropolis-Hasting 등)

계산통계학 (FFT, Finite Diff, Euler discretization, Stratified sampling, Importance sampling 등)

통상 머신러닝 or 데이터 마이닝

Predictive modeling (Online learning, FTRL 계열 모델들)

Multi-task learning

네트워크 이론 (eigen centrality를 활용한 Node별 ordering 경험 or 환상형 네트워크에서 propagation 효과를 풀어낸 경험)

게임이론 (Cho and Kreps, Trembling-Hand-Equilibrium 등 uncertainty case)

 

우대조건:

위의 필수지식과 관련된 논문

MarTech 관련 시장 지식

 

직원복지:

회사 앞 Gym 회원권

최소 연봉 12,000만원 (위의 조건 모두 만족시)

 

지원방식:

이메일 지원 – [email protected]

1-2페이지 Resume

필수지식을 갖춘 부분을 설명하는 one-pager essay

 

 

미국에 교수로 있는 친구 하나가 사무실에 놀러왔었다. 무슨 비트코인 어쩌고 하는 걸로 사업하는거 아니냐고 농담하길래, 내 성격 알면서, 사업을 안 했으면 안 했지 내가 그런 사기치겠냐고 웃고 넘어갔었다. 처음 코인 바람이 불었을 때부터 예상했던대로 코인에 대한 (투기적) 수요는 지난 1년간 빠르게 증발했고, 덕분에 “비트코인 가격 예측할 수 있는 인공지능 알고리즘 만드는 가격은 얼마냐?”고 묻는 무개념 전화를 안 받게 됐다ㅋㅋ

꼭 1년 전쯤에 코인 가격이 폭등했던 탓에 코인을 “캔다”고 하는 일단의 그룹이 생겨났고, 그래픽 카드 수천대를 투입한 “광산”도 생겼다. 코인 가격들이 줄줄이 폭락한 탓에 그런 광산들이 다 문을 닫았고, 전기세도 안 내고 도망간 사람들도 많단다. “광산”에서 “학대”를 당한 그래픽 카드들이 대거 중고로 풀렸는데, 얼마 쓰지도 못 하고 하드웨어가 고장나는 일이 잦은지 중고 그래픽 카드 구매할 때 테스트해야할 내용들도 인터넷에 돌아다니게 됐다.

그래픽 카드 업계의 선두주자로 저런 대용량 데이터 계산에 사업 역량을 집중했던 Nvidia의 주가는 2018년 9월 28일에 주당 $281까지 치솟았다가 연말에 $140로 반토막났다.  “광산”에 대규모로 투입되었던 그래픽 카드 중고 물량이 시장에 풀리면서 새로나온 제품이 안 팔리는 부분도 있을 것이고, “딥러닝” 혹은 “인공지능”으로 불렸던 Non-linear & Pattern recognition 계산이 가지는 한계를 업게에서 인지했기 때문이라고 생각된다.

(Source: CNBC 기사)

블록체인의 한계 – The Crypto Hangover

Nvidia의 CEO인 Jensen Huang은 대놓고 “The Crypto Hangover”라는 표현을 썼다. 코인 광산에 대한 시장의 반응이 차갑게 식어가고 있고, Nvidia 제품 판매에도 더 이상 영향을 주지 않을 것을 인지하고 있단다.

It’s hard to think that this crypto winter will be over anytime soon

코인이라는 가상화폐 자체의 활용 근거가 없고, 블록체인이 쓰일 수 있는 곳도 굉장히 제한적이라는 이야기를 하면서 줄곧 주장했던대로 암호화폐에 대한 (투기적) 수요에 겨울이 닥칠 것이라고 목소리를 높였는데 (Winter is coming), 이제 정말 겨울이 왔다. (Winter has come)

블록체인을 이용해 코인을 발행하고, 생태계가 구축되고 결국은 정부도 이 흐름을 받아들여야할 것이라고 주장하던 어느 “블록체인 전문 VC”도 떠오르고, 어느 스타트업이 데이터 팔아서 돈 벌 수 있다며 코인 발행을 하겠다고 사업 모델을 바꾸더니, 그걸로 돈을 “벌었다”고 주장하던 꼴불견도 생각난다. (스마트폰 기준으로 우리나라에서 유저 데이터를 제일 많이 보유한 SKT도 데이터 파는 사업으로는 직원 월급은 커녕 서버 유지도 힘들 것이다. 그런 사업 모델을 생각한 사업가들이나, 거기에 투자한 VC들이나, 그 코인을 구매한 투자자들이나….)

Crypto Winter가 끝날 것 같지 않다는 말은, Nvidia 주가 폭락이 상징하는 것처럼 가상화폐 발행을 위한 블록체인 시스템이 매력적인 사업 모델이 아니라는 사실을 (최소한 미국) 시장이 인지하고 있다는 뜻이다.

코인 가격 등락에 매일같이 투자자들 등쌀에 힘들다던 어느 블록체인 스타트업 대표의 다크 써클 가득한 눈이 떠오른다. 50원에 발행한 코인이 5원에도 거래가 안 되고, 거래량마저 없으니 돈 날렸다 -> 사기당했다로 생각이 바뀌는 투자자들이 가만있지 않을 것이다. 주식은 저런식으로 상장 폐지의 위험에 다다르면 투자자들이 회사 건물로 쳐들어가곤 하던데, 블록체인 투자자들 사이에서도 조만간 비슷한 일이 생기지 않을까? 모르긴 몰라도 법적 책임이 애매모호하다는 핑계로 도망가려는 코인 발행사들 & 관계자들 vs. 묻지마 투자자들 사이에 큰 분쟁이 머지않아 뉴스 지면에 오르내리게 될 것이다.

(Source: Nvidia)

 

딥러닝의 한계 – The AI Hangover

바둑계의 전설이라고 불리는 이세돌을 4승 1패로 물리친 알파고가 등장한 이래, 그 게임의 계산 모듈을 만든 Demis Hassabis와 그의 회사 “딥마인드”는 스티브 잡스나 엘론 머스크를 능가하는 IT업계 아이콘이었다. 전문가들 눈엔 “Neural Net 잘 짰네”라는 생각밖에 안 드는 그런 계산 알고리즘에 일반인들이 열광하면서, 단순히 게임만 잘하는 Artificial Intelligence (AI)가 아니라, 모든 일을 다 자동 습득하는 Artificial “General” Intelligence (AGI)가 곧 인류의 삶을 뒤바꿀 것이라는 장밋빛 전망이 언론을 뒤덮었다.

새로운 데이터가 필요한 부분을 시뮬레이션으로 대체한 “알파(고) 제로”가 등장하면서 더 그런 믿음이 한층 고조되었는데, 정작 전문가들의 눈엔 새로운 분야에 적용할 시뮬레이션 데이터 생성 부분이 당면 과제로 떠올랐고, 그걸 인간이 갖고 있는 계산 모듈로 해결할 수 있을지에 대한 의구심이 샘솟기 시작했다.

시뮬레이션으로 모든 가능성을 다 점검하는 작업은 고려해야하는 변수와 가능성의 숫자에 따라 무한대에 가까운 데이터 생성이 필요한데, 이걸 뭔가 적절한 수학 모델링을 풀어내는 방법으로 단순화 시키는게 아니라, 단순하게 시뮬레이션으로 모든 조합을 다 생성해내는 방식으로 접근하고 있으니 전문가들이 발전 가능성에 의구심을 품는 것은 당연한 일이었다.

요즘와서는 Demis Hassabis 본인도 (Deep) Neural Net이 적용되는 한계를 인지한 발언을 하고 있고, 실리콘 밸리에서도 수학, 통계학 잘 모르는 공대생들만 Deep Net에 얽매여 있다. (Deep Learning을 더 배우고 싶어요~ 라던 그 공대 석사 가시는 분, 다시 한번 자신의 커리어 Path를 생각해보시길 바란다.) Data Science 석사 프로그램들은 아예 대놓고 수학적으로 훈련을 많이 받은 사람들 위주로 학생 선발하겠다고 이야기를 하지, 그래픽 카드의 성능을 활용하는 오픈 소스 솔루션을 쓸 줄 아는 사람을 뽑겠다는 이야기는 찾아보기 어렵게 되어버렸다.

(Source: Nvidia)

 

NVidia의 갈림길

그동안 그래픽 카드 소비자들이 봤던 라벨은 일반 상업용 제품 (GTX 계열)과 캐드 계산을 지원하는 제품 (Quadro 계열) 밖에 없었다. 경쟁사인 AMD에서 내놓는 제품도 OpenGL이라고 캐드 계산을 비롯한 일부 3D 이미지 처리 전문 모듈에 대한 논의만 있었다. 그런 계산 모듈들을 셰이더 코어라고 부르고, 3D 그래픽 계산의 성능은 정수 유닛 계산 속도가 아니라 부동 소수점 유닛 계산 속도에 달린 바가 컸다.

Nvidia 주가가 그동안 폭등했던 이유 중 또 하나는 셰이더 코어 뿐만 아니라 Tensor 코어를 추가해놨기 때문이었다. 여러분들이 TensorFlow라는 구글의 오픈소스 계산 모듈 이름으로 한번쯤 들어봤을 그 3차 이상의 행렬 데이터 계산을 위한 모듈을 말한다. 어차피 그래픽 카드 자체가 행렬식으로 계산을 처리하기 용이하도록 구성되어 있기 때문에, Tensor 코어를 추가하는 것 자체는 기술적인 도전이 아니었지만, 그 계산 코어가 효율적으로 작동하도록 하드웨어용 설계 및 펌웨어를 구성하는 일은 절대로 쉬운 일은 아니었을 것이다.

그렇게 Tensor 코어에 집중하던 Nvidia가 이번에 GTX 계열 라인업을 업그레이드 시켰는데, 정작 Tensor 코어 성능 향상은 그렇게 크게 느껴지지 않는다.

이번에 출시되는 RTX 시리즈는 기존의 셰이더 코어를 정수 계산용과 부동 소수점 계산용으로 구분하고, Ray Tracing (RT)이라고, 이미지에 빛을 넣는 렌더링 방식을 광원 여러개를 가정하고 처리하는게 아니라 중심 광원 하나에 따르도록 바꿨다. 그럼 Tensor 코어도 뭔가 업그레이드가 있었을 것 같은데?

Tensor 계산을 한다는게, 결국은 고차원 행렬의 합연산과 곱연산을 수행하는걸로, 연산 총량(스루풋)을 몇 십배로 늘리기 위해서 행렬에만 집중한 코어를 만들었는데, 정작 행렬이 아닌 연산에는 아무런 쓸모가 없는 전기 식충이(!)가 되어버린다. RTX가 진화하는 방향은 Ray Tracing으로 이미지를 좀 더 게임하는 사람에게 실제감각이 느껴지도록 렌더링하는데 포커스가 맞춰져 있는데, 행렬 계산은 거기에 아무런 관련이 없기 때문에 무작정 많은 코어를 넣을 수도 없다. RTX 그래픽 카드를 딥러닝 알고리즘에 활용하는 사람들 비율이 얼마나 되겠는가?

결국엔 여러 데이터 포인트를 하나의 곡선으로 연결해 묶은 Interpolation을 하는 계산에 Tensor 코어를 활용하는 방식으로 타협했다는데, 아무래도 데이터 포인트가 모자라서 빈칸이 생긴 경우를 메워넣는 쪽으로 쓴다는 뜻일 것이다. (결국 머신러닝의 가장 기본형 포맷인 Non-linear function matching으로 돌아갔다는 뜻이기도 하다.)

분명히 TensorFlow 덕분에 주가 폭등이 있었는데, 왜 새로운 그래픽 카드 시리즈를 내면서 Tensor 계산 지원해주는 스루풋 처리 부분을 더 늘리지 않고 Interpolation으로만 갖다쓰는 타협을 했을까?

답은 윗 섹션에 있다. Deep Neural Net이 더 복잡한 계산을 해야하는 도전에 직면한게 아니라는 사실을 Nvidia가 인지 했기 때문이다. 말을 바꾸면, AI가 AGI로 나아가는 방향에서 DNN이 더 이상 큰 역할을 못한다는 사실, TensorFlow 계산 지원이 더 이상 큰 도움이 되지 않는 사실을 인지했기 때문이다.

 

나가며 – 하드웨어 장치 산업

90년대 초중반부터 우리나라의 주력 수출품목은 반도체였다. 반도체 가격이 폭락한 90년대 중반에 금융위기를 맞았고, 모든 산업이 쇠퇴하고 있는 2010년대에도 경제성장율이 +를 유지하는 가장 큰 이유는 삼성전자와 SK하이닉스의 반도체 수출덕분이라고 해도 과언이 아니다. 그리고, 지난 몇 년사이에 인공지능(?), 클라우드 컴퓨팅 등을 비롯한 IT산업의 혁명이 있었기 때문에 반도체 수출이 장기간 호조였다. 그런 호조가 얼마나 지속될지, 메모리 분야의 세세한 내용을 잘 모르니 전망을 내놓고 싶진 않지만, 적어도 인공지능, 블록체인이라고 불리던 거품이 빠지면 하드웨어 투자를 위한 수요는 줄어들 것이라고 생각한다.

Nvidia도 시장의 흐름을 읽고 원래 돈 벌이가 됐던 분야인 게임쪽에 더 집중한 그래픽 카드 라인업을 내놓았다. Ray Tracing 방식의 렌더링이 어두운 영역은 더욱 어둡게 표현한다고, 오히려 쓰기 안 좋은거 같다고 불평하는 사람들에게 그건 디스플레이가 2^10 단계의 밝기 (10스톱)에 머물러 있기 때문에 색이 뭉쳐나와서 그렇다고, 인간의 눈 급인 2^20단계 (20스톱)를 지원할 수 있도록 모니터용 하드웨어 기술에다가 따져라고 하는 댓글을 봤었다.  Nvidia가 게임 시장에서 넘사벽의 그래픽 성능으로 게임사들과 모니터 제조사들까지 압박하는 모습과 DNN 기반의 Reinforcement learning은 한계가 있는 것 같다는 인터뷰를 하는 Demis Hassabis의 표정이 꽤나 대비된다.

섣부른 예측일지도 모르지만, AGI만든다는 도전은 컴퓨터 알고리즘보다 생물학에서 먼저 가시적인 성과를 볼 것 같다. 애시당초 지능은 컴퓨터를 이용한 2진법 방식 연산의 중첩이 아니라 진짜 “학습” 프로세스를 거치는 생명체에게서 찾을 수 있는 것 아니었나?

금일 19:42 UTC부터 19:57 UTC (한국시간 기준 오전 4시 42분 ~ 4시 57분)까지 약 16분 동안 비트멕스 테스트넷 (testnet.bitmex.com) 웹사이트 및 API 서비스 이용이 중단되는 사태가 발생하였습니다. 이에 저희는 주요 원인을 파악하여 적절한 조치를 취하였고, 서비스는 즉시 정상화 되었습니다. 이번 일로 인해 서비스 이용에 불편을 끼쳐드려 모든 사용자 분들께 사과의 말씀을 전하는 바입니다.

.

요약: 이번 보고서에서 저희는 비트코인 블록 헤더 내의 논스 값 분포가 무작위적 (ramdom)으로 나타나지 않으며, 논스 발생 횟수가 적은 설명할 수 없는 틈이 생겨나고 있다는 점에 주목할 것입니다. 그 후, 이러한 현상을 입증하는 도표와 함께 해당 사례가 발생하는 이유를 추측해 볼 것입니다. 이 현상에 대한 저희의 설명이 유익할 수도 있겠지만 여전히 미스터리로 남아있는 것 또한 사실입니다.

개요 및 최근 트위터 게시물

비트코인 논스는 블록 헤더의 일부분을 구성하며, 마이너들은 이를 작업증명 프로세스의 일부로 엔트로피를 제공하여 난이도 요건을 충족하는 해시를 찾기 위해 사용합니다. 이는 마이닝 소프트웨어 및 하드웨어의 환경 설정에 따라 달라질 수 있지만, 이론상 논스 값의 분포는 무작위적이어야 합니다. 저희의 이전 보고서에서 다루었듯이 2009년 사토시가 영향력 있는 마이너로 추정되었을 당시 논스 값은 특정한 패턴을 따랐습니다.

2019년 1월 4일, 100trillionUSD라는 트위터 계정의 사용자는 비트코인의 논스 값 분포를 보여주는 도표를 게시했습니다. 2010년 중반부터 2016년 초까지 논스 값은 무작위적으로 나타난 듯 했고 그 후, 논스가 자주 발생하지 않는 4개의 미스터리한 구역이 생겨났습니다.

planB@100trillionUSD

The weird nonce pattern is still there at block 556995 …
I would expect nonces to be totally random, like block 100000-400000. But ever since block 400000 there are 4 areas with less nonces. Of course before block 100000 it was Satoshi playing around.

314 people are talking about this

며칠 후인 2019년 1월 7일, khannib라는 트위터 계정의 사용자는 모네로 또한 비정상적인 논스 값 분포를 보이는 것으로 추정되는 점에 주목했습니다. ASICs (에이식 마이닝 칩)의 사용을 금지했을 가능성이 있는 모네로 하드포크는 ASICs가 이 같은 패턴을 유발한다는 것을 나타낼 수 있는 논스 값 분포를 다시 무작위적으로 만든 듯 합니다.

Antoine Le Calvez@khannib

Interesting patterns emerge when looking at nonces. Red overlay is mining difficulty.

Can you spot the ASICs?

H/T @100trillionUSD who did the same for BTC

78 people are talking about this

2019년 1월 23일, 암호화폐 분석업체인 TokenAnalyst는 관련 마이닝 풀의 논스 값을 채색하여 비트코인의 논스 값 분포 패턴을 자세히 살펴보았습니다.

TokenAnalyst@thetokenanalyst

The distribution of block nonces, a random integer from 0 to 2^32 that is included in a bitcoin block when carrying out the Proof-Of-Work hash, should be totally random if searching for them is carried out in a random way by all miners. 🔢

TokenAnalyst@thetokenanalyst

Time of each block vs nonce. Values coloured by top-10 most active mining pools (by number of blocks mined since Jan 2016). Dashed-blue vertical lines are block rewards halving. Red line is log difficulty. As you can see – mining is now dominated by a few large pools. pic.twitter.com/wvgtdJmaHA

View image on Twitter
See TokenAnalyst’s other Tweets

TokenAnalyst의 또 다른 트위터 게시물은 Antpool이 예기치 못한 논스 값 분포의 주 원인임을 시사하는 반면, Bitfury 및 Slushpool은 도표 상 “여백”에 큰 영향을 미치지 않는 논스 값을 가지고 있음을 나타냅니다.

새로운 논스 값 분포의 분산형 도표

저희는 위의 분석을 다시 한 번 반복하여 유사한 분산형 도표를 제작했습니다 (2018년 시작); 이는 문제를 보다 명확하게 밝혀내기 위한 노력의 일환이었습니다.

또한 저희는 Antpool, BTC.com, F2Pool, Slushpool 및 Bitfury에 대한 개별 분산형 도표를 제작했습니다. 앞서 언급된 도표들은 TokenAnalyst의 데이터와 일치했습니다. 단, “여백”은 Slushpool 과 Bitfury에서 보다 Antpool 상에서 더 선명하게 나타났습니다. Slushpool의 도표에서도 여백을 찾아볼 수 있지만 훨씬 더 희미하며, Bitfury는 선명한 패턴을 볼 수 있을 만큼의 충분한 블록을 찾지 못했습니다. 통계적 분석도 충분히 가능할 수 있지만, 이러한 분산형 도표를 해석하는 인간의 두뇌는 몇몇 형태의 통계적 분석 보다 더 유용할 수 있습니다.

비트코인 논스 값 분포 – 모든 논스 (2018년 이후)

(출처: BitMEX Research)

비트코인 논스 값 분포 – Antpool (2018년 이후)

(출처: BitMEX Research)

비트코인 논스 값 분포 – BTC.com (2018년 이후)

(출처: BitMEX Research)

비트코인 논스 값 분포 – F2Pool (2018년 이후)

(출처: BitMEX Research)

비트코인 논스 값 분포 – Slush (2018년 이후)

(출처: BitMEX Research)

비트코인 논스 값 분포 – Bitfury (2018년 이후)

(출처: BitMEX Research)

비트코인 캐시 ABC

비트코인 캐시 ABC 또한 비트코인과 동일한 논스 값 분포 패턴을 공유하고 있습니다.

비트코인 캐시 ABC 논스 값 분포 – (2018년 이후)

(출처: BitMEX Research)

에이식부스트 (AsicBoost)

비공개 에이식부스트가 앞서 언급한 패턴의 기여 요인 또는 원인일 수도 있습니다. 이러한 패턴은 많은 사람들이 비공개 에이식부스트가 시작되었다고 추측할 무렵에 나타나기 시작했습니다; 그리고 논스의 조작이 필요한 이 패턴은 비공개 에이식부스트 구현에 있어 특이성이 될 수도 있습니다. 그러나 이 패턴이 계속된 2018년, 비공개 에이식부스트의 사용은 비트코인에서 중단된 것으로 추정됩니다. 비공개 에이식부스트 자체가 중단되었지만 펌웨어의 특이성은 여전히 남아있습니다.

아래 도표에서 저희는 공개 에이식부스트를 이용하여 채굴된 블록의 논스 값 분포를 살펴보았습니다. 거듭 언급하지만, 이 패턴은 희미하지만 눈으로 확인할 수 있을 정도로 남아있습니다. 이것이 해당 패턴은 비공개 에이식부스트와 아무런 관련이 없음을 나타낼 수도 있으나 결정적인 증거라고 단정짓기에는 무리가 있습니다.

비트코인 논스 값 분포 – 공개 에이식부스트의 블록 (2018년 이후)

(출처: BitMEX Research)

결론

현재로썬 비트코인의 비정상적인 논스 값 분포는 미스터리로 남아있습니다. 암호화폐 커뮤니티는 이 문제를 깊게 파고 드는 동시에 마이닝 풀 소프트웨어 및 ASICs (에이식 마이닝 칩)를 보다 자세하게 살펴보는 것과 같은 더 심도있는 분석을 원할 것 입니다. 저희는 이것을 심각하지 않은 원인으로 발생한 무의미한 이례적인 현상 정도로 추정하고 있습니다; 그러나 비트코인과 관련된 이 같은 미스터리는 몇몇 분석가들에게 충분히 흥미로울 수 있습니다.

Telltale이라는 영어단어가 있다. 남기고 간 흔적이 다 이야기해 준다는 뜻을 가진 단어다.

추리소설에서 자주 볼 수 있는 단어다. 그리고 빅데이터에 인공지능을 적용한다…. 는 비지니스에서 자주 등장해야하는 단어이기도 하다. (불행히도 많은 사람들이 “신경망 모델이라는거에 넣으면 그냥 척척 가르쳐주는거 아니야?”에 머물러 있긴 하지만)

비슷한 예시로, 주가 대폭락을 예측한다는 “인공지능” 모델이라는 것도 결국에는 특이하게 움직이는 변수 k개의 특정 조합을 보고 대폭락이 있을 것이라고 판단하는 것이다. 말을 바꾸면, 데이터 변화 묶음 A를 보고 B가 나타날 것이라고 예측하는 작업이 선후 관계 뿐만 아니라 인과 관계를 갖고 있다면, B가 나타난 시점에 A를 Telltale이라고 이름 붙일 수 있다.

Pabii의 사업 모델이 최적 유저 타겟을 찾아주는 광고 플랫픔 (DSP, Demand Side Platform)이기 때문에, 온라인 광고 영역 안에서 Telltale로 잡아낼만한 여러 주제에 항상 관심을 갖고 일을 한다.

이 분야 안에 속칭 “인공지능”, 정확하게 말해서 Multi-pattern matching 작업이 쓰이는 곳이 참 많지만, 요즘 흥미를 끄는 구석이 하나 있다. 바로 사기 클릭 (Fraudulent click 또는 Fraud click)이다.

(Source: BusinessWeek)

 

사기 클릭 (Fraud Click)

비슷한 상품을 같은 시장에서 팔며 경쟁하는 두 개의 온라인 쇼핑몰을 생각해보자. 선의의 경쟁을 한다면 가격을 낮추고, 상품 품질이 높은 셀러를 많이 노출시켜주고, 원하는 상품을 쉽게 찾을 수 있도록 도와주는 등의 서비스를 생각하겠지만, 제로섬 게임을 하고 있다보면 경쟁사 사이트에서 구매하려는 유저를 구매 직전에라도 뺏어오고 싶은 욕구가 강하게 생긴다.  여러가지 방법이 있겠지만, 그 유저가 보고 있는 여러 화면에 광고를 뿌려대서 경쟁사 사이트로 흘러들어가지 않도록 하는 것도 시도해 볼 만하다.

보통 온라인 쇼핑몰들은 하루 예산을 정하고, 각각의 플랫폼 별로 광고 단가를 정해서, “단가 x 횟수 = 예산”이 되도록 광고 노출을 한다. 온라인 광고시장에서 흔히 광고비를 Click당으로 산정하는데, 업계 짬밥이 굵은 마케터 친구의 표현에 따르면 경쟁사 광고가 보이면 일단 꾸욱~ 눌러주는게 이 동네의 암묵적인 룰이란다. 말을 바꾸면, 경쟁사가 광고 비용을 쓰도록 만들라는 뜻이다.

근데, 경쟁사 광고만 뜨면 조직적으로 클릭을 하는 “클릭 농장 (Click Farm)”이 있다면 어떻게 될까? 우리 회사 광고는 아침에 하루 예산을 싹 소진해버렸는데, 경쟁사 광고는 사람들이 광고에 관심을 갖는 오후, 저녁 시간대에 노출되고 있다면? 우리 회사 입장에서는 “피꺼솟”한 상황이 아닐까?ㅋㅋㅋ

관련 조사 업체들에 따르면 전세계적으로 이런 Fraud Click이 전체 클릭의 1/3 정도나 된다고 한다. (참고로 한국의 2018년 온라인 광고비는 대략 5조원으로 추산된다.) 비단 클릭뿐 아니라, 앱 인스톨 같은 광고 단가가 높은 경우에도 “사기꾼”들이 많아서 광고주들이 선뜻 광고비 쓰기가 힘들다고 불평하는 일이 적지 않다.

 

(매우 조잡한) 해결책

누군가는 그런 “클릭 농장”들을 싹 잡아들이면 되지 않냐고 하는데, 이게 쉬운 일이 아니다. 실제로 우리나라의 수도권 근교에 나가면 그런 “농장”에서 매크로를 돌리고, 클릭과 인스톨을 만들어내서 “뒷돈”을 받는 사람들이 꽤나 많고, 워낙 음성적으로 이뤄지다보니 쉽게 공권력이 개입되기도 힘들다 (얼마전 언론에 크게 나왔던 드X킹 이라는 분이 좋은 예시가 될 것 같다). IT인프라가 겨우 갖춰져있고 임금이 저렴한 국가들에가면 수백, 수천명을 모아놓은 그런 “매크로 농장”들도 볼 수 있다.

얼마전엔 어느 영어권 서비스에서 나름대로의 해결책을 내 놨던데, 읽다보니 참 어이가 없더라.

  • 페이스북 / 트위터의 광고만 써라 – 다른 지면을 하나도 안 쓰니까, 지면으로 하는 사기는 방지할 수 있지않나?
  • IP를 막아버려라 – 사기꾼이 아예 접속 못 하도록 IP를 블록해버려라?
  • 구글의 리마케팅 광고 캠페인을 써라 – 일단 우리 홈페이지에 방문했던 유저에게만 광고가 나가니까, 사기 방지 되겠지?
  • 광고의 타겟을 구체적으로 정해라 – 언어, 위치 같은 걸 구체적으로 정한다면 클릭 농장을 피할 수 있지 않나?

저렇게 쉽게 막을 수 있었던 시절이 있었는지는 모르겠는데, 필자가 경험하는 DSP의 현실은 그렇게 녹록치 않다. 어차피 클릭 농장에 있는 “일꾼”들도 기본적인 사항을 다 전달받기 때문에, 페이스북, 트위터의 가짜 아이디를 여러개 생성해서 광고를 계속 찍어댄다. 광고 지면을 한정해봐야 아무런 소용이 없는 것이다. IP 블록은? VPN쓰면 그만이다. 구글의 리마케팅 캠페인보다 더 타게팅이 정교하게 된다던 Criteo의 리타게팅 서비스에서 Senior Data Scientist로 있었던 사람 입장에서, 알고리즘이 광고 노출하게끔 적당히 쇼핑몰 홈페이지를 들락날락거리는 유저 프로필을 만드는 건 식은죽 먹기 처럼 보인다. 저런 Fraud 유저를 걸러내는게 알고리즘 Optimization에서 “머리 터지는” 일이었기 때문에 꽤나 자신있게 이야기 할 수 있다. VPN도 쓰고, 자동화된 알고리즘 머리 위에 노는 클릭 농장이 단순히 언어, 위치 같은 명백하게 보이는 값들로 배제되는데도 가만히 맥 놓고 있을까?

쉽게 말해서, 클릭 농장도 바보 아니다. 그들도 진화한다.

(Source: S4M)

 

구글도 당하는 Fraud Click

AdTrader라는 DSP회사 하나가 2017년 12월에 구글에 소송을 걸었다. 자기네가 구글 더블클릭의 광고지면을 구매해서 광고주들의 광고를 태웠는데, 정작 Fraud Click에 대한 보상을 구글이 다 챙기고, 광고주들한테는 돈을 안 돌려줬단다. Wall Street Journal이 곧 이 문제로 기사를 냈고, 구글은 신문기사가 나간지 6일만에 자기들의 서치광고 서비스인 AdWords의 이용 약관을 업데이트 했다. 광고주들이 Fraud Click에 대한 보상을 해달라고 할 수 없다.

그나마 약관이 바뀌기 전에 먼저 소송을 걸었던 AdTrader는 2017년 5월부터 구글에게 “팽”당했던 내용을 꽤나 자세하게 외부 공개했다.

꽤나 긴 법정 분쟁 끝에 구글은 지난 2018년 12월 5일에 캘리포니아 연방 법원에서 정보 공개 요구를 받았고 (하단 스크린샷 참조), 이것 때문에 최근 Fraud Click에 대해서 말들이 많아졌다.

소송이 진행되고, 법원의 행정명령이 떨어지기까지 자세한 과정을 다 담을 수는 없지만, 구글이 Fraud Click을 찾아낸 다음 그 부분에 대한 광고비를 환불해주지 않은 점이 크게 지적되어 있는데, AdTrader가 사기 클릭 부분에 대한 환불 요청하려는 상황이 백분 이해되고, 또 사기 클릭을 만들어내는 IP와 웹페이지를 꾸준히 걸러내는 구글의 Fraud 팀 관리 비용, 처리 비용도 눈에 선하게 보여서 딱히 한쪽 편을 들지는 못하겠다. 여기서는  그들의 비지니스적인 문제, 법적인 분쟁은 약간 논외로 하고, Fraud Click에만 초점을 맞춰보자.

구글이 어떤 종류의 알고리즘들을 이용해서 Fraud Click을 잡아내고 있는지는 잘 모르지만 (대충 짐작할 수 있는 부분은 많다), 내부적으로도 엄청나게 복잡한 고민이 있을 것이다. 첫째, 알고리즘의 정확성에 대한 의구심이 내부에 항상 존재할 것이고 (“인공지능”이면 척척척 다 되는건 없다..), 또 광고 지면 판매해서 매출액 끌어올린 매체세일즈 팀 입장에서는 Fraud Click으로 돈 벌었으니 환불해줘야한다는 Product Team의 메세지가 아니꼬울 수 밖에 없는 내부 정치적인 구조도 있을 것이다. (법적 분쟁의 소지가 있으므로 자세하게 말해줄 수는 없지만 필자도 비슷한 일을 겪었다.)

 

누가 관심이 있을까?

내부 정치적인 구조라는 문구에서 눈치를 챈 분도 있겠지만, 사실 많은 DSP들이 Fraud Click이 있어도 모르는체하고 넘어가는 경우가 많다. 저런 Click들이 좀 있어줘야 자기네들도 돈을 벌 수 있으니까.

실제로 Fraud Click으로 이득을 보는 집단을 생각해보면, 경쟁사와 광고업 Value Chain에 있는 거의 모든 업체가 해당된다. DSP는 광고 클릭이 많아서 과금을 많이 받을 수 있고, DSP를 소개하는 광고대행사들도 덩달아 이득을 보고, 광고 지면 판매하는 측은 (CTR기준으로) 광고 효율이 좋은 지면이라고 높은 평가를 받아 지면 판매 단가를 올릴 수 있다. 클릭 농장 덕분에 손해를 보는 집단은 오직 광고주 뿐이다. 이런 이해상충관계 (Conflict of Interest)가 있기 때문에, 광고주들은 DSP가 제시한 광고 효율이라는 숫자를 불신하고, 광고비를 깎으려들고, DSP는 광고비를 더 받으려고 호가를 올리거나, 다른 상품 끼워팔기를 하는 등의 악순환 고리가 생길 수 밖에 없다.

 

Ad Fraud Rings

개발도상국에 저가 인력을 잔뜩 모아놓은 클릭 농장만 작동하고 있는 것도 아니다. 인력 비용이 비싼 선진국들에 가면 트로이 목마나 Bot들을 이용한 멀웨어(Malware)도 엄청나게 많은 숫자가 있다. Ad Fraud에 관심있을 사람들이면 한번쯤 들어봤을 회사들을 보면, 2006년에 적발된 Clickbot.A나 DNSChanger부터, 각각 2011년, 2013년에 경찰 조사가 들어갔던 ZeroAccess, Chameleon 등의 음지의 서비스들이 있다. 공통적인 특징은 중요한 보안 프로그램인 것처럼 사용자를 속인다음, 설치되자마자 가짜 광고 노출, 클릭, 인스톨 신호를 서버에 송출하는 것인데, ZeroAccess 같은 경우에는 심지어 Bitcoin을 캐내는 용도로 개인PC의 시스템 자원을 몰래 쓰기도 했다.

이런 멀웨어들 중에 가장 유명(?)한 것이 Methbot (백서 참조)이라고, 85만개가 넘는 “정상적인” (통신사, 가정집 등등) IP를 보유하고 있는 탓에 광고용 서버에서 IP를 차단하는 방법으로 해결하기 어려운 구조를 갖고 있다. 알려진 바에 따르면 미국 안에서만 하루에 4억개의 광고 노출을 가짜로 만들어 낼 수 있고, 그걸로 하루에 최소 3백만 달러 (대략 30억)를 벌고 있단다.

근데, 알려지지 않은 멀웨어들도 헤아릴 수 없이 많고, 새로운 멀웨어가 지금도 계속 만들어지고 있다.

아래의 동영상은 정상폰과 멀웨어에 오염된 폰이 앱 인스톨 후에 어떤 메세지들을 보여주는지 log를 본 것이다. 정상폰이었으면 생성되지 않았어야하는 메세지들이 오염된 폰에서는 엄청나게 생성된 걸 볼 수 있는데, 이게 전부 가짜 광고 노출, 클릭, 인스톨을 만들어냈기 때문이다.

(멀웨어에 오염된 스마트폰은 정상폰보다 더 많은 광고 노출, 클릭, 인스톨 메세지를 만들어 내고 있다)

 

시스템 기반의 시도 – ads.txt

2010년대 초반부터 구글의 주도하에 광고 지면 판매 방식을 자동화된 2차가격 경매로 판매하면서, 광고 지면을 갖고 있는 매체사들의 인력 비용은 줄었을지 모르지만, 자동화된 시스템을 악용한 멀웨어들의 숫자도 덩달아 늘어났다. 이쪽 분야를 보면 말그대로 끊임없이 진화하는 창과 방패의 싸움이 느껴지는데, 자동화 지면에 한정해서 멀웨어들의 준동(?)을 막는 새로운 시도를 하나 소개해보려고 한다.

보통의 홈페이지들은 sitemap.txt 파일을 갖고 있다. 구글같은 검색 서비스들이 그 파일을 읽어서 홈페이지의 구조도 이해하고, 특정 페이지는 노출하지 말라고 지정하고, 또 어떤 페이지들은 중요 페이지라고 서치 엔진에게 노출 우선순위를 높여라고 지정할 수도 있다. 자동화 광고 지면 판매에 많은 노력을 기울이는 IAB에서 비슷한 맥락으로 ads.txt 파일을 만들어서, 자동화 광고 판매처들이 제대로된 웹사이트인지 확인할 수 있도록 해주는 정보를 입력하자는 제안을 내놓았다. NY Times 예시, Wall Street Journal 예시

google.com, pub-951234556, DIRECT #Display

그 파일에 일반적으로 들어갈 만한 여러개의 라인 중 하나인데, 첫번째는 광고 판매 대행사 (속칭 SSP), 두번째는 매체사 ID, 셋째는 판매 관계 (Direct, Reseller 등등), 마지막으로는 광고 표현 방식이다. 이 txt파일을 하나 추가해놓으면, 일단 지면을 모아서 팔아주는 SSP 입장에서 가짜 웹사이트가 아니라는 걸 확인할 수 있고, 정보를 추적하기도 용이하다. 물론 저런 파일 하나 만들어서 웹 서버에 올리는게 어려운 일도 아니다.

좋은 해결책이라고 생각하는데, 굳이 고민이 된다면 Ad Fraud 때문에 제일 피해를 볼 광고주가 할 일이 아니라, 광고 지면을 팔아서 이득을 보는 매체사들이 해야할 일이라는것 정도일까? 좀 더 넓게 생각하면, 앞으로 ads.txt 파일이 없는 광고 지면에 광고를 하는 DSP와는 거래하지 않겠다고 광고주들이 단합행동을 하고, DSP는 SSP에게, SSP는 실제 지면을 갖고 있는 매체사들에게 압박을 넣는 방식으로 시장 선순환 구조가 만들어지면 좋을 것 같다.

 

데이터 기반의 시도 – Fraud detection algorithm

시스템을 잘 설정해서 완전히 Fraud를 없앨 수 있다면 얼마나 좋을까? 그러나, 저런 방식으로는 멀웨어나 가짜 웹사이트는 쫓아낼 수 있어도, Click Farm의 저가 노동력과 매크로들을 배제하기는 어렵다. 실제로 업무 중에 가짜 웹사이트들을 흔히 보는데, 똑같이 생긴 웹페이지가 이름만 다른 상태로 Copy & Paste 한 티가 팍팍나게 만들어져 있고, 그런 웹페이지 하나에 광고가 10개씩, 20개씩 붙어있다. 가짜 페이지 10개 만들고, 한 페이지당 광고 섹션이 10개씩 있으면 Click Farm의 매크로가 한번 돌 때마다 100번의 광고 노출이 이뤄진다. 하루종일 몇 만번의 광고 노출을 만들어내는건 정말 “식은 죽 먹기”인 셈이다.

Data Scientist는 언제나 시스템 기반의 해결책에 냉소적이다. 시스템은 머물러 있지만 인간은 끊임없이 진화한다는걸 알고 있으니까. 그 진화하는 인간을 추적하는 Data에서 Solution을 찾는 사람들이니까.

보통 Data Scientist가 이런 문제에 접근하는 방법은 Anomaly Detection과 유사하다. 보통의 인간이 만들어 낼 수 있는 클릭, 인스톨 같은 행동 패턴이 있고, 인간이 만들어냈다고 믿기 어려운 행동 패턴은 Click Farm과 매크로가 만들어 낸 경우가 대부분이기 때문에, 해당 서비스에서 Human Behavior라고 판단되는 패턴 N개를 찾아내고, 그 패턴과 매칭율이 k% 미만인 데이터들을 Fraud라고 잡아내는 방식이다.

무슨 데이터를 쓰고, 구체적으로 어떤 알고리즘이 있냐고 물으면, 여기에 써 놓은 걸 보고 클릭 농장 사람들이 새로운 “꼼수”를 찾아내지 않을까?ㅋㅋ  이해를 돕기위해 Macro하게 의구심이 들만한 부분을 간단하게 찾아내는 예시를 하나 들면, 하나의 Publisher ID를 기준으로, 평소에 Click log들이 있을텐데, 필터 알고리즘(such as Kalman)을 이용해 Outlier 부분을 제거하고 Cycle에 해당하는 부분만을 뽑아내본다. 이 때 주기함수를 Frequency domain으로 옮겨서, High frequency 한쪽으로만 One-side detection을 하면 최소한 의구심이 생기는 부분을 잡아내볼 수 있다. 여기에 클릭 다음의 유저 액션을 유저별로 볼 수 있다던가, 한 웹/앱페이지에 동시에 뜨는 광고들을 묶어서 볼 수 있다던가하면 찾아낼 수 있는 방법은 기하급수적으로 늘어난다.

위의 기본 예시를 모든 사이트에 적용할 수 있을지는 잘 모르겠다. 여느 Data Science 프로젝트나 마찬가지로 Fraud Detection도 One-size-fits-all solution을 찾기란 매우 힘들다. 어차피 데이터 전처리를 하고, 각각의 가설에 입각해서 모델을 만들고 테스트 하는 답답하고 괴로운 과정을 겪어야 하나씩 둘씩 알고리즘이 업데이트 되는거라, 광고 지면마다, 주어진 상황별로 적용 알고리즘은 다를 수 밖에 없을 것이다.

현업에 계신 분께 두 가지 사례를 들어 충고를 하고 싶은데, 첫째, 해외 솔루션 중에 있는 특정 IP를 차단해준다는 식의 서비스를 쓰는건 비추한다. Click Farm 입장에선 IP 차단은 VPN만 써도 금방 해결이 된다. 한번은 특정 IP가 장난을 치는 것 같아서 주소 추적을 해 봤었는데, 나중에 알고보니 어느 커피숍 매장의 IP를 해외에 있는 클릭 농장에서 VPN으로 끌어와서 썼더라. 우리나라에 그렇게 가져다 쓸 IP를 제공할만한 커피숍 매장이 몇 개일까? 수천개가 넘을 것이다.

둘째, 어느 글로벌 Top-tier의 앱 트래커 (App Tracker) 서비스가 주장하는 바에 따르면 평균적인 클릭/인스톨보다 많은 숫자가 나오면 무조건 Fraud Click/Install로 잡아준다던데, 이런 단순한 로직이 틀렸다는건 굳이 설명 안 해도 잘 알 것이다. 어떤 업체건 Fraud Click/Install을 찾을 수 있다고 주장하면, 아무리 회사 기밀이라고해도 무슨 로직을 쓰는지 최소한 합리적인 근거는 요청하자. 저 위에 쓴 간단한 예시만큼의 수학/통계학도 안 들어가있으면, 솔직히 말해서 “사짜”라고 생각한다. (그리고 다른 설명은 하나도 없이 다짜고짜 “딥러닝을 이용한” 그러면 무조건 걸러야 한다. 아무것도 모르고 그냥 단순 데이터 입력하는 사람들이나 이 주제에 딥러닝을 쓸 확률이 매우매우매우 높다.)

(Source: S4M)

 

나가며 – Data Science 프로젝트는 “늪”이다

어느 In-house DSP를 운영하는 회사에서 Ad Fraud를 잡아낼 수 있냐는 연락이 왔다. 이런 종류의 컨설팅 프로젝트 요청에 여러 안 좋은 경험들을 겪고 나서부터 일반적인 (Read 몽상적인) 외주 컨설팅 프로젝트들은 일언지하에 거절하는데, 주제 자체가 우리 DSP의 핵심 서비스 중 하나인지라 맘을 바꿔먹고 긍정적으로 답변을 드렸다.

아마도 DSP를 운영하는 회사라면 상황은 비슷할 것이다. 광고주들은 언제나 내가 태운 광고비만큼 효과가 안 나오는 것 같다고 효율 높은 광고 지면을 찾고, 효율 높은 광고 대행사를 찾고, 효율 높은 광고 타게팅 서비스 (DSP)를 찾는다. 외부인의 시선으로 봤을 때는 유저를 잘 찾아주면 되는거 아니냐는 관점으로 타게팅 알고리즘 연구에만 초점이 맞추겠지만, 정작 DSP를 운영하는 입장에서 많은 고민이 되는 부분은 우리 광고 지면을 Clean하게 만들고, 유저 풀을 Clean하게 만드는데 들어가는 노력과 그걸 광고주들에게 인식시키는 비용이다.

여느 보안 서비스와 마찬가지로, 범죄자들의 창끝은 끊임없이 진화한다. 데이터 속의 패턴으로 방패를 만들어 내고 있는 Pabii 입장에서도 매우 Human 스러운 패턴을 복제해내는 매크로를 찾아낼 수 있을 것이라고 단정할 수 없다. 새로운 적이 나타날 때마다 새로운 반응을 해 줘야하는 업무, 그래서 어느 전문가 분은 이런 업무를 “늪”이라고 부르더라.

현재 진행 중인 플랫폼 거래처리용량 개선 노력의 일환으로 1월 16일 16:00 UTC에 웹소켓 API 인프라의 업데이트가 이루어질 예정입니다.

이번 변화로 인한 거래 엔진 중지 계획은 없습니다. 하지만, 16:00 UTC 경 웹소켓 피드에 게시된 델타의 일시적인 중단이 예상됩니다. 웹소켓 클라이언트가 재연결될 때 웹소켓 클라인언트들의 주문 내역, 포지션, 공개 주문장에 대한 일관성 없는 흔적 (inconsistent view)를 남기지 않도록 보장하기 위해 이 직후 모든 웹소켓 연결이 강제로 끊어질 예정입니다.

지난 주 공지사항에 대한 대응으로 어제 저희는 내부 시장 데이터 배포 구성 요소의 재구독 로직을 성공적으로 개선했습니다. 이는 당시 사용된 거래 엔진에 미치는 영향을 막기 위한 추가적인 안전 메커니즘과 더불어 이전 주에 발생한 문제의 근본적인 원인을 다루고 있으므로 저희는 지난 주에 발생한 문제의 재발 가능성은 없다고 예상하고 있습니다.

.

요약: 이번 보고서는 ICO에 관한 저희의 세 번째 주요 보고서입니다. 2017년 9월 첫 보고서에서 저희는 ICO 팀 구성원 간의 상호 관계에 중점을 두었습니다. 2018년 10월 두 번째 보고서에서는 ICO 재무 계정 내의 이더리움 보유고를 추적했습니다. 본 보고서는 암호화폐 분석 전문 업체인 TokenAnalyst와 함께 이더리움 네트워크 상 ICO 토큰 자체의 보유고에 중점을 두었습니다. 해당 보고서는 팀이 보유고를 관리하는 토큰을 기반으로 한 것으로 토큰 발행은 미화 2백 4십 2억 달러의 엄청난 가치가 있었습니다 (실제로 유동성이 너무 낮아 이 수치는 실현되지 못했습니다). 현재 이 수치는 미화 약 5십억 달러로 떨어졌으며, 주 원인은 토큰의 시장 가치 하락과 팀 주소 클러스터 (처분 가능성 있음)로부터의 미화 15억 달러 송금으로 인한 것입니다.

(출처: BitMEX Research)

(공지사항: 2017년 9월 양방향 그래픽을 통한 ICO 팀 구성원 간의 다양한 상호 연결 확인)

팀 제어 토큰 보유량 (자체 토큰) – 요약 데이터

미화 10억 달러 기준
토큰 팀에 분배된 ICO 코인의 가치 21.5
팀의 포스트 ICO에 대한 발행량 2.7
팀 제어 지갑에 대한 총 발행량
24.2
팀 주소 클러스터에서 사라진 코인 (판매량일 가능성 있음) (1.5)
토큰 가격 변화로 인한 수익/(손실) (12.0)
Noah의 최종 영향 (토큰 소각) (4.4)
EOS의 최종 영향 (1.2)
현재 팀 보유량 5.0

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 108개의 토큰 데이터에 기반한 2019년 1월까지의 가격 데이터 및 2018년 12월까지의 토큰 데이터)

ICO 프로젝트 팀들이 자체적으로 발행한 미화 240억 달러 규모의 토큰 중 코인 가격 하락으로 인해 전체 가치의 54%가 손실되었습니다. 각 코인의 역대 최고 가격을 기반으로 한 자체 토큰을 가진 팀들의 토큰 보유고의 최고 가치평가액은 미화 800억 달러가 넘습니다. 미화 240억 달러보다 큰 이 수치는 최고치에서 미화 700억 달러가 “손실”되었음을 의미합니다. 유동성 부족으로 인해 최고 가치평가액이 매우 불확실하여 대부분의 토큰이 기본적으로 팀에게 무상 분배되었기 때문에 위와 같은 가격 변동을 손실로 분류하는 것은 부적절할 수도 있습니다. ICO 투자자들과 달리 팀들에게는 매출 가격 (offering price) 혹은 초기 투자액 (initial investment)이 없었습니다. 그러나 위 같은 터무니없이 높은 가치평가액 수준에서 거래 활동이 이루어졌기 때문에 저희는 이러한 주의사항을 염두에 두고 위의 수치를 자세히 살펴보는 것이 여전히 흥미롭다고 생각합니다.

현재의 비유동성 현물 가격을 기준으로 ICO 팀은 여전히 자체 발행 토큰 중 미화 약 50억 달러를 보유하고 있는 것으로 추측되는데, 보기에 따라 다르지만 이는 본질적으로 무에서 얻은 불로소득과 같은 돈입니다. 동시에 팀들은 팀 주소 클러스터에서 빠져나가는 코인을 기반으로 토큰을 판매하여 미화 15억 달러의 수익을 창출했을 가능성이 있습니다. 코인들은 여러 가지 이유로 팀 주소 클러스터에서 빠져나갈 수 있었기 때문에 이 수치는 과도한 추산일 수도 있습니다.

데이터 주의사항과 연산 방법론의 맹점

  • 이러한 토큰 중 대부분은 유동성이 낮기 때문에 미화 달러의 가치는 전체적으로 과대 평가될 수 있습니다. 이는 초기 할당량, 현재 가치 및 손실 가치에 모두 적용됩니다. 몇몇 경우에는 Veritaseum 혹은 Noah 같은 프로젝트처럼 팀에 주어진 토큰의 가치가 코인의 실제 거래량에 비해 턱없이 커졌습니다. 따라서 토큰의 교환 가격을 기준으로 팀의 토큰 보유량을 평가하는 것은 현실성 없는 발상일 수 있습니다.
  • 팀 주소 클러스터에 대한 토큰 배분은 해당 데이터 집합 생성에 관련된 어려움과 불확실성으로 둘러싸여 있습니다. 암호화폐 분석 업체 TokenAnalyst가 해당 배분을 시행했습니다. 당시 사용된 방법론은 불완전했으며 저희는 개별 프로젝트를 꼼꼼히 살펴보지 않았습니다. 해당 데이터는 각 프로젝트 팀의 팀 제어 주소 클러스터 설정을 위해 이더리움 블록체인 상의 토큰 스마트 계약 및 거래 패턴을 분석하고 머신 러닝 유형의 기술을 적용하여 얻어낸 것입니다. 따라서 본 데이터는 확률론적 추정치이며 개별 프로젝트 수준에서는 부정확할 가능성이 높습니다. 그러나 이 보고서의 주요 제작 동기는 이더리움 블록체인 상에서 팀의 ICO 토큰 보유량에 대한 대규모 데이터를 생성하는 것이었습니다. 이 분석은 완벽하지 않은 결과를 낳았지만, 저희는 이러한 분석에서 합리적인 거시적 결론을 도출할 수 있다고 생각합니다.
  • 위에서 언급했듯 저희의 분석은 개별 프로젝트의 관련 문서와 정책이 아닌 스마트 컨트랙트 데이터와 거래 패턴 관찰을 기반으로 합니다. 따라서 저희는 토큰을 팀 잔고의 일부로 포함시켰을 가능성이 있습니다. 비록 실제로 토큰은 또 다른 형태의 예비금, 에스크로 또는 다른 카테고리의 일부로 보관되고 있어 코인을 팀 자체 자금의 결과물로 취급하는 것은 정확하지 않을 수도 있지만 말입니다.
  • 이 데이터는 발행 날짜와 Coinmarketcap에 첫 번째 가격 데이터가 표시된 날짜가 동일하다고 가정한 것이며, 이는 신뢰할 수 있는 가정이 아닐 수도 있습니다.

요약 데이터

팀 제어 주소 클러스터 (자체 토큰)에 발행된 코인의 가치 – 미화 1백만 달러 기준 – 상위 10개

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2018년 12월까지의 토큰 데이터이며, 이는 발행 시점의 가격을 기반으로 한 데이터임)

팀 제어 보유량 (자체 토큰)의 가치 손실 – 미화 1백만 달러 기준 – 상위 10개

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2019년 1월까지의 가격 데이터, 2018년 12월까지의 토큰 데이터)

팀 제어 주소 클러스터 (자체 토큰) 상에서 코인 가치의 비례 손실 – 상위 10개

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2019년 1월까지의 가격 데이터 및 2018년 12월까지의 토큰 데이터)

팀 제어 주소 클러스터 (자체 토큰)에서 송금된 코인의 가치 – 미화 1백만 달러 기준 – 상위 10개

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2019년 1월까지의 가격 데이터 및 2018년 12월까지의 토큰 데이터. Huobi 및 Qash는 거래소이며, 토큰들은 각각의 플랫폼으로 보내진 것으로 추측됩니다. 송금에 대한 다른 이유들이 있을 수 있지만, 위의 수치들은 판매/”현금 인출”을 나타낼 수 있습니다)

팀 제어 주소 클러스터 (자체 토큰)에서 코인의 현재 가치 – 미화 1백만 달러 기준 – 상위 10개

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2019년 1월까지의 가격 데이터 및 2018년 12월까지의 토큰 데이터)

원본 데이터 – 팀의 자체 토큰 보유량 – 미화 1백만 달러 기준

토큰 ICO 가치 포스트 ICO
발행량
팀 클러스터로 부터의 송금 가치 손실 현재 가치
VERI 4,762 0 (15) (3,196) 1,552
NOAH 4,478 0 (4,423) 55
KIN 980 0 (0) (703) 277
AGI 863 0 (27) (814) 22
POLY 842 0 (17) (727) 99
HT 643 0 (366) (29) 248
GNO 636 0 0 (533) 103
QASH 617 0 (177) (300) 140
MKR 596 0 (46) (445) 105
TEL 452 0 (8) (408) 36
ITC 334 0 (7) (323) 4
ZRX 333 0 (9) (155) 169
ZIP 266 0 0 (226) 41
BLZ 256 0 (32) (207) 17
GTO 241 0 (67) (157) 17
BNB 219 110 0 118 447
BTO 198 0 (28) (165) 5
ICX 160 0 (79) (67) 14
ETHOS 153 0 (15) (123) 16
TNT 152 0 (10) (133) 9
CENNZ 143 0 (6) (121) 15
AST 141 0 (24) (104) 13
KEY 132 0 (2) (124) 6
BIX 118 2 0 (85) 35
CVC 117 0 (1) (75) 41
FSN 100 0 (6) (75) 19
OCN 100 0 (31) (64) 5
DEW 95 0 (1) (87) 7
SRN 89 0 (15) (69) 4
MDS 88 0 (8) (75) 5
EDO 83 0 (11) (58) 15
ABT 76 0 0 (71) 5
WTC 69 0 (50) 17 37
INS 68 0 0 (66) 2
PPT 65 0 (55) (5) 5
IHT 65 0 (2) (58) 5
CPT 65 0 (0) (43) 21
SPHTX 64 0 0 (60) 4
DRGN 58 0 (47) (2) 8
MCO 54 0 (89) 72 37
XYO 54 0 (6) (23) 25
RCN 54 0 0 (48) 6
DPY 47 0 (23) (22) 2
THETA 45 0 0 (30) 16
MANA 41 0 (95) 127 73
R 40 0 0 35 75
APPC 35 0 (24) (9) 2
CMT 33 0 (1) (25) 8
FUEL 32 2 0 (29) 5
CREDO 31 0 (0) (6) 25
DMT 31 0 (17) (12) 2
POWR 30 166 0 (154) 42
LRC 30 8 0 (21) 17
WPR 26 0 0 (24) 2
AMB 24 0 0 (17) 7
RNT 22 0 (1) (15) 7
ENG 22 0 0 (12) 10
COB 22 0 (10) (5) 7
GTC 20 126 0 (141) 6
REN 19 0 (3) (13) 3
DENT 19 635 0 (564) 90
UTT 19 0 (0) (11) 8
AE 13 0 (19) 6 0
DATA 11 0 (3) (6) 3
BRD 10 17 0 (21) 7
SNGLS 8 0 0 (3) 6
LEND 6 0 (7) 3 2
RLC 6 0 (5) 2 3
PLR 6 3 0 (4) 5
HVN 5 0 (5) 0 1
CVT 5 11 0 (8) 9
LYM 5 0 (4) 0 2
SAN 5 0 (7) 5 4
GNT 4 0 (12) 31 23
KICK 3 2 0 (4) 1
DGD 2 0 (5) 5 3
EDG 2 0 (29) 28 1
ENJ 2 0 (0) 1 2
RHOC 1 14 0 (13) 1
ARN 0 6 0 (6) 1
ELF 0 45 0 (40) 6
PAY 0 142 0 (132) 11
DAI 0 1 0 0 1
HPB 0 134 0 (119) 15
CRPT 0 3 0 (2) 1
HOT 0 7 0 0 7
SALT 0 95 0 (92) 3
NAS 0 71 0 (50) 21
NGC 0 12 0 (11) 1
CPC 0 12 0 (9) 3
GVT 0 3 0 (2) 2
SNM 0 14 0 (11) 2
BTM 0 9 0 (1) 8
QRL 0 7 0 (6) 2
NULS 0 71 0 (52) 19
POE 0 58 0 (54) 4
TEN 0 29 0 (15) 13
MTL 0 188 0 (177) 11
WINGS 0 18 0 (15) 3
SPANK 0 106 0 (93) 13
OMG 0 195 0 (154) 41
STORJ 0 133 0 (85) 48
BAT 0 38 0 14 52
VIBE 0 10 0 (8) 2
IOST 0 218 0 (185) 34
총계 21,513 2,723 (14,805) (4,396) 5,035

(총계: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2019년 1월까지의 가격 데이터 및 2018년 12월까지의 토큰 데이터)

결론 및 요약 데이터

위 분석은 창립팀의 지갑에 토큰을 할당할 때, ICO 시장 내의 기준과 투명성이 부족하다는 점을 잘 보여줍니다. 어떠한 일이 발생하고 있는지에 대해 쉽게 추적할 수 없는 분석가들을 피해 팀들은 (자체적인) 토큰을 마음대로 주조, 소각, 구매 및 판매할 수 있었습니다. 저희는 종종 거래소 클러스터에서 토큰을 발견할 수 있었고, 토큰 프로젝트가 토큰 상장을 위해 거래소에 “지불”을 했는지 혹은 단순히 그들의 재정을 현금화하기 위해 거래소로 송금했는지의 여부는 구별하기 어려웠습니다.

좀 더 공정해지자면, 저희가 개별 프로젝트의 특정 문서를 읽고 관련된 팀과 대화하는 데에 더 많은 시간을 투자함으로써 분석 내용을 개선할 수 있었을 것이며, 이를 통해 더 탄탄한 데이터 세트가 탄생했을 것입니다.

하지만 많은 사람들이 종종 간과하는 ICO에 대한 한 가지 사실은 ICO 팀들이 보통 발행 과정에서 다음의 두 가지 방법으로 수익을 창출한다는 것입니다:

  1. 첫째, 새로 발행된 토큰 (보통의 경우 이더리움 기반)을 판매함으로써 그리고
  2. 둘째, 자체적인 토큰 발행입니다.

저희의 2018년 10월 보고서가 전자에 초점을 맞춘 반면, 이번 보고서는 후자에 초점을 맞추었습니다. 아래 요약표는 두 보고서의 수치를 합산한 것입니다.

ICO 팀 수익 미화 1십억 달러 기준
ICO 과정
이더리움 모금액 5.4
창립팀에 발행된 자체 토큰 24.2
총 모금액 29.6
코인 가격 변화
이더리움 수익/(손실) – 대부분 실현 0.8
자체 토큰 수익/(실현) – 대부분 미실현 (17.6)
총 수익/(손실) 사후 발행 (16.8)
총 ICO 팀 수익 12.8

(출처: BitMEX Research, TokenAnalyst, the Ethereum blockchain, Coinmarketcap – 토큰 가격 참고)
(공지사항: 2018년 10월까지의 이더리움 가격 데이터 및 2019년 1월까지의 자체 토큰 가격 데이터)

앞서 반복적으로 설명했듯 데이터 생성에는 많은 부정확성과 가정이 따르지만, 저희의 방법론에 기반하면 ICO 팀들은 해당 ICO 과정에서 미화 130억 달러에 달하는 수익을 얻은 것으로 보입니다. 저희는 ICO 팀들이 이 자금을 노력과 책임감 혹은 투명성이 거의 없이 아주 쉽게 얻었다고 생각합니다. 이에 따라 ICO는 프로젝트 창립자의 입장에서 자금 조성을 위한 매우 매력적인 방법임을 입증해보였습니다. 물론 투자자들의 결과는 그다지 매력적이지 못했지만 말입니다.

ICO 열풍의 주기는 이제 어느 정도 사그라들고 있는 것으로 보이며, 2017년 말보다 자금을 모금하는 것이 훨씬 더 어려워졌습니다. 그러나 이렇게 많은 자금이 만들어지고 사라진 2017년과 2018년 초의 사건들이 금방 잊혀지지는 않을 것입니다. 기업가들은 그 때의 성공을 기억 (그리고 계속해서 자금 모금을 위해 노력)할 것이고 투자자들은 그 때의 고통을 기억할 것입니다. 따라서 이 주기는 몇 년 안에 많은 사람들이 생각하는 것 만큼 쉽게 돌아오지 않을 것입니다.