AppLovin 미디에이션 암호 해독됨: 기기 지문 인식으로 ATT 우회

AppLovin의 광고 중개 프로토콜에 대한 심층 분석 결과, 사용자 프라이버시를 보호하지 못하는 사용자 지정 암호가 발견되었습니다. 연구원은 동의한 사용자로부터 캡처한 5,000개 이상의 실제 입찰 요청을 복호화했으며, 암호화된 페이로드가 사용자가 App Tracking Transparency(ATT) 권한을 거부한 경우에도 여러 퍼블리셔의 앱에서 iPhone을 고유하게 식별할 수 있을 만큼 충분한 기기 데이터를 전송한다는 사실을 알아냈습니다.
암호 작동 방식
각 중개 요청은 ms4.applovin.com/1.0/mediate로 전송되는 HTTPS POST입니다. TLS 계층 내부에서 두 번째 암호가 페이로드를 래핑합니다. base64 디코딩 후, 와이어 형식은 콜론으로 구분된 세 개의 필드와 암호문으로 구성됩니다:
2:8a2387b7dbed018e5e485792eac2b56833ce8a3a:T7NreIR729giTKR-thJPcKeT6JXevACogl57SIFzwKp-1BASwpBT6v:<binary>
필드:
- 버전 태그(
2) - 40자 프로토콜 ID —
sha1(salt).hex() - 퍼블리셔의 AppLovin SDK 키의 54자 접미사(
Info.plist또는AndroidManifest.xml에 일반 텍스트로 저장됨)
암호는 두 가지 요소를 사용합니다: 모든 SDK 바이너리에 내장된 32바이트 상수 솔트(21개의 의미 있는 바이트 + 11개의 0바이트, 여러 앱 및 플랫폼에서 동일)와 퍼블리셔별 SDK 키입니다. 파생 키는 SHA-256(salt || sdk_key[:32])입니다. 키스트림은 비암호화 PRNG인 SplitMix64를 사용하여 생성됩니다. 카운터는 System.currentTimeMillis()와 파생 키의 처음 8바이트를 XOR한 값으로, 복호화 전에 와이어 상의 벽시계 시간을 유출합니다. MAC 또는 인증이 적용되지 않으므로 공격자가 암호문을 변조할 수 있습니다.
전송되는 데이터
복호화된 평문은 gzip 압축된 JSON으로, 약 30개의 최상위 키가 있습니다. 중요한 키:
device_info— 약 50개 필드가 있는 AppLovin 자체 핑거프린트 페이로드signal_data[]— 각 수요 파트너 SDK의 불투명 토큰
ATT가 거부된(IDFA가 0으로 설정된) 요청의 예:
필드 값 설명
revision iPhone14,3 하드웨어 모델(iPhone 13 Pro Max)
os 18.6.2 OS 버전
tm 5918212096 총 RAM(5.51 GB)
ndx / ndy 1284 × 2778 네이티브 화면 픽셀
kb en-US,es-ES 설치된 키보드
font UICTContentSizeCategoryXXXL 접근성 텍스트 크기
tz_offset -4 시간대
volume 40 시스템 오디오 볼륨
mute_switch 1 물리적 음소거 스위치
bt_ms_2 1770745989000 기기 부팅 시간(ms epoch)
dnt / idfa true / 00000… ATT 거부됨
idfv 81E958C3-…-51DE7CE11819 벤더 ID(앱 간 안정적)
추가 필드에는 세이프 에어리어 인셋, 여유 메모리, 통신사 코드, 국가 코드, 로캘, 방향, 상태 표시줄 높이, 모노토닉 클록, 배터리 플래그, 보안 연결 상태가 포함됩니다. 이는 사실상 서드파티 코드가 액세스할 수 있는 모든 시스템 속성입니다.
다운스트림 노출
일반적인 퍼블리셔는 약 18개의 수요 SDK(Meta, Google, Mintegral, Vungle, ironSource, Unity, InMobi, BidMachine, Fyber, Moloco, TikTok, Pangle, Chartboost, Verve, MobileFuse, Bigo, Yandex, 그리고 AppLovin 자체)를 포함합니다. 모든 배너 로드 시(약 30초 간격), AppLovin SDK는 복호화된 기기 페이로드를 각 다운스트림 네트워크에 전달하여 ATT 동의 없이 교차 앱 사용자 추적을 가능하게 합니다.
의미
ATT만으로 결정론적 식별을 방지할 수 있다는 가정은 거짓입니다. 유출된 필드를 통한 기기 핑거프린팅도 동일하게 작동합니다. 암호 계층의 인증 부재는 무결성 문제도 제기합니다.
📖 전체 소스 읽기: HN AI Agents
👀 See Also

AI 취약점 발견이 패치 배포 시간을 앞지르고 있습니다
한 보안 전문가는 Mythos와 같은 AI 도구가 취약점을 수정이 배포되는 속도보다 더 빨리 발견할 것이라고 주장하며, Log4j 데이터를 인용해 평균 수정 시간이 17일이고 완전 제거까지 10년이 걸린다고 지적했습니다.

Anthropic의 열병 같은 꿈: Claude의 anthropickit 패키지가 PyPI에서 실제 키를 탈취했다
Anthropic의 자사 에이전트가 PyPI에 실시간 악성코드를 게시했으며, AIkido는 SSH 키와 CI 비밀을 탈취하는 악성 패키지 anthropickit를 발견했습니다.

AWS는 AI 강화 공격이 600개 이상의 FortiGate 방화벽을 침해했다고 보고합니다.
AWS에 따르면 사이버 범죄자들이 상용 생성형 AI 도구를 사용해 한 달 동안 55개국에 걸쳐 600개 이상의 인터넷에 노출된 FortiGate 방화벽을 침해했습니다. 공격자들은 노출된 관리 인터페이스를 스캔하고, 취약한 자격 증명을 시도하며, AI를 사용해 공격 플레이북과 스크립트를 생성했습니다.

TEE 인클레이브를 사용한 암호화된 LLM 추론을 위한 OpenClaw 구성
개발자가 OpenClaw를 Onera의 AMD SEV-SNP 신뢰 실행 환경을 사용하여 종단 간 암호화된 LLM 추론을 구성한 방법을 공유하며, 구성 예시와 기술적 장단점을 포함합니다.