TrustRank
TrustRank는 사람이 신뢰할 수 있다고 판단한 소수의 시드(seed) 사이트에서 출발해 링크를 따라 신뢰도를 전파하고, 그 신뢰가 거의 닿지 않는 페이지를 스팸으로 걸러내는 준자동(semi-automatic) 링크 분석 알고리즘입니다. 2004년 스탠퍼드 대학과 야후(Yahoo!) 연구진이 웹 스팸 대응 기법으로 제안했습니다.
- TrustRank는 사람이 검증한 신뢰할 수 있는 시드 사이트에서 출발해 링크를 따라 신뢰도를 전파하고, 신뢰가 거의 도달하지 않는 페이지를 스팸으로 분류하는 준자동 알고리즘입니다.
- 2004년 스탠퍼드 대학의 졸탄 죙지(Zoltan Gyöngyi)·헥토르 가르시아몰리나(Hector Garcia-Molina)와 야후의 얀 페데르센(Jan Pedersen)이 논문 Combating Web Spam with TrustRank에서 발표했습니다.
- 핵심 가정은 "좋은 페이지는 좋은 페이지를 가리키며, 스팸 페이지를 가리키는 경우는 드물다"는 근사 격리(approximate isolation) 원리입니다.
- 200개 미만의 양질의 시드만으로도 웹의 상당 부분에서 스팸을 효과적으로 걸러낼 수 있다고 보고되었습니다.
개요
TrustRank는 검색 결과에서 부당하게 높은 순위를 차지하려는 웹 스팸을 가려내기 위해 고안된 링크 기반 신뢰도 전파 알고리즘입니다. 전체 웹을 사람이 일일이 검수하는 일은 비용이 너무 크기 때문에, 사람이 직접 신뢰할 수 있다고 판정한 소수의 시드 페이지에서 출발해 웹의 링크 구조를 따라 신뢰를 자동으로 퍼뜨리는 방식을 취합니다. 이때 시드에서 멀어질수록 전파되는 신뢰도가 점점 줄어들고, 신뢰가 거의 닿지 않는 페이지는 스팸일 가능성이 높다고 판단합니다.
이 기법은 사람이 시드를 고르는 단계와 알고리즘이 신뢰를 전파하는 단계가 결합된 준자동(semi-automatic) 방식이라는 점이 특징입니다. 사람의 판단과 기계의 확장성을 함께 활용해, 적은 수작업으로 넓은 범위의 스팸을 걸러내려는 목적을 가집니다.
작동 원리
오라클 함수와 시드 집합 선정
TrustRank는 페이지가 스팸인지 양질인지 판정하는 사람 전문가를 오라클(oracle) 함수로 봅니다. 사람의 검수는 비용이 크기 때문에, 가능한 한 적은 페이지만 평가하도록 시드 후보를 선별합니다. 후보 선정에는 역(逆) 페이지랭크(inverse PageRank)를 사용합니다. 이는 웹 그래프의 인링크와 아웃링크를 뒤집어(전치 행렬에 대해 페이지랭크를 실행해), 많은 페이지로 신뢰를 효율적으로 퍼뜨릴 수 있는 "전파력이 큰" 페이지를 우선 후보로 뽑는 방법입니다. 이렇게 추려진 후보를 사람 전문가가 평가해 최종 신뢰 시드 집합을 만듭니다.
신뢰 전파와 감쇠
신뢰 시드가 정해지면, 시드에 부여된 신뢰 점수를 링크를 따라 이웃 페이지로 전파합니다. 이 과정은 페이지랭크와 유사하게 반복적으로 진행되며, 각 단계에서 한 노드의 신뢰 점수는 그 노드가 가리키는 이웃들에게 나누어지고(splitting) 일정 비율만큼 줄어듭니다(attenuation, 감쇠). 따라서 시드에서 링크 거리가 멀어질수록 도달하는 신뢰도는 점점 낮아지고, 신뢰가 거의 닿지 않는 페이지는 신뢰도가 낮게 매겨집니다.
근사 격리 가정
이 전파가 의미를 가지는 근거는 "좋은 페이지는 다른 좋은 페이지를 가리키며, 스팸 페이지를 가리키는 일은 드물다"는 경험적 관찰, 곧 좋은 집합의 근사 격리(approximate isolation) 가정입니다. 이 가정 덕분에 신뢰할 수 있는 시드에서 출발한 신뢰는 주로 양질의 페이지 사이를 흐르고, 스팸 영역에는 잘 도달하지 못한다고 기대할 수 있습니다.
역사와 SEO에서의 통념
TrustRank는 2004년 8월 제30회 VLDB(Very Large Data Bases) 국제 학회에서 발표되었으며, 스탠퍼드 대학과 야후의 공동 연구 성과입니다. 논문은 200개 미만의 양질의 시드 집합만으로도 웹의 상당 부분에서 스팸을 효과적으로 분리할 수 있음을 보였습니다. 발상은 구글의 페이지랭크가 링크 조작에 취약하다는 문제의식과 맞닿아 있으며, 신뢰의 출처(시드)를 명시적으로 고정한다는 점에서 차이가 있습니다.
SEO 업계에서는 "구글이 TrustRank를 그대로 쓴다"거나 "사이트마다 공개된 TrustRank 점수가 있다"는 식의 통념이 퍼져 있으나, 이는 정확하지 않은 이해입니다. 위키백과 등은 이 알고리즘 계열의 아이디어가 야후와 구글의 검색 엔진에 반영되었다고 설명하지만, 구글이 논문 그대로의 TrustRank를 운영 랭킹에 쓴다고 공식 확인한 바는 없습니다. 또한 구글이 별개로 출원한 "Trust Rank" 상표나 일부 도구의 자체 지표와 원논문의 TrustRank는 서로 구분해서 보아야 합니다. 실무에서 유효한 시사점은 점수 자체가 아니라, 신뢰할 수 있는 출처와의 링크 거리 및 좋은 이웃 관계가 스팸 판별의 신호로 쓰일 수 있다는 원리 수준의 이해입니다.