A Scoping Review of Methods to Measure the Energy and Carbon Footprint of Web Tracking and Advertising

웹사이트를 방문할 때마다, 보이지 않는 곳에서는 데이터 교환이라는 숨겨진 경제 활동이 일어납니다. 당신이 기사를 읽거나 비디오를 시청하는 동안, 보이지 않는 스크립트들이 실행되며 당신의 행동을 추적하고, 관심사 프로필을 구축하며, 타겟 광고를 전달합니다. 흔히 '애드테크(ad-tech) 생태계'라고 불리는 이 시스템은 많은 무료 온라인 서비스가 수익을 창환하는 주요 방식입니다. 하지만 이 방대한 양의 사용자 데이터를 수집, 저장 및 처리하는 데는 상당한 컴퓨팅 능력이 필요합니다. 그 동력은 전기에너지에서 나오며, 그 전기를 생성하는 과정은 종종 탄소 배출을 발생시킵니다. 인터넷이 성장함에 따라 그 환경적 발자국도 커지고 있으며, 이는 연구자들에게 어려운 질문을 던집니다. 즉, 우리가 보려는 콘텐츠 자체가 아니라 오직 광고와 추적만을 위해 실제로 소비되는 에너지는 얼마나 되는가 하는 점입니다.

토론토 대학교의 한 연구팀은 기존의 과학 문헌을 검토함으로써 이 질문에 답하고자 했습니다. 그들은 직접 새로운 실험을 수행하는 대신, 다른 과학자들이 이 특정한 환경적 비용을 측정하기 위해 어떻게 시도해 왔는지 그 지형을 그려내는 데 집중했습니다. 그들은 이 분야가 아직 초기 단계이며 파편화되어 있다는 사실을 발견했습니다. 그들이 검토한 연구들은 서로 다른 학문 분야에 흩어져 있으며, 동일한 과정을 설명하기 위해 서로 다른 용어를 사용하고, 동일한 것을 측정하기 위해 서로 다른 도구를 사용하고 있었습니다. 이를 체계화하기 위해 저자들은 초기 후보군 46개 중 15개의 핵심 연구를 선정하여, 웹 추적 및 광고의 에너지 비용을 분리해 내기 위해 연구자들이 사용하는 다섯 가지의 뚜xt한 방법론으로 분류했습니다.

가장 흔한 접근법은 대다수의 연구에서 사용되는 '광고 차단(ad blocking)' 방식입니다. 이 방법에서 연구자들은 인기 있는 웹사이트 목록을 두 번 방문합니다. 한 번은 표준 브라우저로, 또 한 번은 광고 차단기를 켠 상태로 방문합니다. 두 상황 사이의 차이를 비교함으로써, 광고와 추적기에 의해 구체적으로 발생하는 에너지 차이를 계산할 수 있습니다. 어떤 연구자들은 브라우저 확장 프로그램을 사용하여 광고를 차단하고, 어떤 이들은 브라우저 자체 기능을 사용하거나 심지어 네트워크 수준에서 요청을 차단하기도 합니다. 이러한 수치를 얻기 위해, 그들은 컴퓨터의 프로세서 사용량이나 배터리 소모량을 읽는 소프트웨어를 사용하거나, 경우에 따라 하드웨어로 흘러 들어가는 전력을 측정하기 위해 물리적인 전압계를 장치에 연결하기도 합니다. 이 방법은 일반적인 컴퓨터로 수행할 수 있어 실용적이지만, 두 방문 사이의 유일한 변화는 광고의 존재 여부뿐이라는 가정에 의존한다는 한계가 있습니다.

두 번째 그룹의 연구자들은 실험실 환경에서 웹사이트를 재현하는 더 통제된 접근 방식을 취합니다. 이들은 공개된 인터넷상의 라이브 사이트를 방문하는 대신, 페이지를 다운로드한 후 광고와 추적 스크립트를 직접 제거하여 깨끗한 버전의 사이트를 만듭니다. 그런 다음 자신들이 제어하는 서버에서 이 버전들을 로컬로 서빙하여, 외부 변수가 테스트에 간섭하지 않도록 보장합니다. 이 방법의 한 변형으로는, 연구자들이 웹사이트를 처음부터 구축한 뒤 다양한 수의 추적 도구를 추가하며, 각 도구가 추가될 때마다 에너지 소비가 어떻게 증가하는지 관찰하는 방식이 있습니다. 이는 실험에 대한 높은 수준의 통제를 제공하여, 과학자들이 단 하나의 추적기가 정확히 얼마만큼의 에너지를 소비하는지 볼 수 있게 해주지만, 실제 웹의 혼란스러운 현실을 완벽하게 반영하지는 못할 수 있습니다.

세 번째로 더 이색적인 방법은 개별 광고를 재생하는 것입니다. 한 연구는 웹에서 수천 개의 광고를 수집하여 빈 브라우저 페이지에 광고를 하나씩 표시하는 시스템을 만들었습니다. 빈 페이지를 기준으로 단일 광고를 렌더링하는 데 필요한 에너지를 측정함으로써, 연구자들은 특정 광고의 비용을 결정할 수 있었습니다. 그 후 그들은 이 데이터를 사용하여 광고의 특성에 기반해 다른 광고의 에너지 비용을 예측할 수 있는 컴퓨터 모델을 학습시켰습니다. 이 기술은 개별 광고 단위의 비용을 세밀하게 들여다볼 수 있게 해주지만, 초기 광고 라이브러리를 구축하기 위해 방대한 양의 수동 데이터 수집이 필요합니다.

네 번째 접근법은 화면에 표시되는 장치가 아니라 데이터의 흐름 자체를 살펴봅니다. 이 연구자들은 컴퓨터 화면을 측정하는 대신, 사용자와 인터넷 사이를 이동하는 네트워크 트래픽을 분석합니다. 그들은 데이터 패킷이 송수신되는 과정을 조사하여, 데이터 스트림 중 어느 부분이 광고나 추적 쿠키에 속하는지를 식별하려고 시도합니다. 이 특정 트래픽의 총량을 합산함으로써, 그 데이터를 인터넷을 통해 이동시키는 데 필요한 에너지를 추정합니다. 그러나 이 리뷰의 저자들은 이 방법의 중대한 결함을 지적합니다. 단순히 전송된 데이터의 양을 아는 것이 그 데이터를 처리하는 데 사용된 에너지를 자동으로 알려주지는 않는다는 것입니다. 왜냐하면 데이터 크기와 에너지 소비 사이의 관계는 복잡하며 아직 완전히 이해되지 않았기 때문입니다.

마지막 방법은 새로운 측정을 하기보다 전적으로 기존의 수치에 의존합니다. 이 접근법을 사용하는 연구자들은 데이터 1기가바이트를 이동하는 데 드는 평균 에너지 비용이나 전력망의 탄소 집약도와 같은 다른 발표된 연구의 수치와 계수를 가져와, 광고가 생성하는 데이터량 추정치에 적용합니다. 이 방식은 어떤 실험이나 새로운 데이터 수집 없이도 광범위하고 대규모의 계산을 가능하게 합니다. 이는 가장 접근하기 쉬운 방법이지만, 그 정확성은 빌려온 원래 수치의 품질과 관련성에 전적으로 달려 있습니다.

이 리뷰는 해당 분야가 이제 막 기틀을 잡아가고 있음을 보여줍니다. 분석된 연구의 80%가 지난 5년 이내에 발표되었는데, 이는 환경 위기가 심화됨에 따라 관심이 급격히 증가하고 있음을 나타냅니다. 이러한 성장에도 불구하고, 연구자들은 연구들이 서로 소통하는 경우가 드물다는 점을 발견했습니다. 서로 다른 팀들이 동일한 개념에 대해 서로 다른 용어를 사용하며, 서로의 연구 결과를 바탕으로 발전하지 못하는 경우가 많습니다. 예를 들어, 한 연구는 광고를 위해 전송된 데이터의 크기가 그것을 표시하는 데 필요한 에너지를 반드시 예측하는 것은 아니라는 점을 발견했는데, 이는 데이터 볼륨을 통해 에너지 사용량을 추정하는 다른 연구들의 가정을 반박하는 결과입니다.

현재 모든 이가 동의하는 단일 표준 방법은 존재하지 않습니다. 대부분의 연구는 사용자의 장치에서 일어나는 현상에 집중되어 있으며, 이는 이 정보를 저장하고 처리하는 거대한 데이터 센터에서 소비되는 에너지에 대한 이해의 큰 공백을 남깁니다. 이러한 기업 인프라는 불투명하고 접근하기 어렵기 때문에, 연구자들은 간접적인 방법이나 통제된 시뮬레이션에 의존해야 했습니다. 저자들은 향후 연구가 이러한 데이터 센터에서 사용되는 에너지를 측정하는 더 나은 방법을 개발하고, 서로 다른 분야의 과학자들이 결과를 정확하게 비교할 수 있도록 공유된 언어를 만들어야 한다고 제언합니다. 그때까지 우리는 디지털 경제의 환경적 비용을 엿볼 수 있는 조각난 방법들을 가지고 있을 뿐, 완전한 그림은 갖지 못할 것입니다.