LLM, 익명 사용자의 실제 신원을 놀라운 정확도로 대규모 식별 가능

최근 연구에 따르면 대규모 언어 모델(LLM)이 온라인에서 가명(pseudonym)을 사용하는 사용자의 실제 신원을 놀라운 수준의 정확도로 식별할 수 있는 것으로 나타났다. 기존의 문체 분석(stylometry) 기법은 소규모 후보군에서만 유효했지만, LLM은 어휘 선택, 문장 구조, 구두점 습관, 주제 선호도 등 수백 가지 언어적 특징을 동시에 분석하여 대규모 사용자 풀에서도 개인을 특정할 수 있다.

LLM 기반 탈익명화의 핵심 원리는 각 사용자가 고유한 '언어 지문(linguistic fingerprint)'을 가진다는 점에 있다. 모델은 방대한 텍스트 데이터로 학습한 언어 패턴 이해력을 활용해, 서로 다른 계정에서 작성된 글이 동일 인물의 것인지를 교차 비교할 수 있다. 이는 단순한 키워드 매칭이 아니라 맥락적·의미적 수준의 패턴 매칭이기 때문에 의도적으로 문체를 바꾸려는 시도도 완벽히 회피하기 어렵다.

이 연구 결과는 Reddit, 익명 포럼, 내부고발 플랫폼 등 가명 기반 프라이버시에 의존하는 서비스에 심각한 영향을 미친다. 개발자와 플랫폼 운영자는 텍스트 난독화, 문체 변환 도구, 또는 메타데이터 최소화 같은 추가적인 프라이버시 보호 계층을 설계에 반영해야 할 필요성이 커졌다. 특히 사용자 데이터를 다루는 엔지니어라면 LLM을 활용한 재식별 공격을 위협 모델에 포함시키고, 데이터 공개 범위와 보존 정책을 재검토할 필요가 있다.