게이머스넥서스가 벤치마크 차트 이미지에 사람 눈에는 보이지 않는 교란 데이터를 심었고, 그 차트를 읽은 LLM은 GPU 성능 수치 대신 초콜릿칩 쿠키 레시피를 출력했다.
출발점은 Cloudflare 집계다. 미국 지역 트래픽의 41%가 봇으로 잡혔고, 봇 트래픽이 인간 트래픽을 넘어선 것은 인터넷 역사상 처음이다. 게이머스넥서스는 페이월과 써드파티 광고를 모두 거부한 채 케이스 리뷰 한 편에 약 2,000달러를 쓰고 1,400달러를 회수하는 적자 구조를 10년 넘게 끌고 왔고, 그 손실은 다큐멘터리와 딥다이브 수익, 월 약 1만 달러의 Patreon이 메운다. 무료 공개를 포기하지 않으면서 데이터가 공짜로 재가공되는 것만 막겠다는 선택이 ‘PNG 차트 + 시각적 노이즈’였다.
한눈에 보기
- Cloudflare 기준 미국 지역 트래픽의 41%가 봇, 봇이 인간 트래픽을 앞선 첫 사례
- 차트에 삽입한 교란 데이터로 LLM이 ‘27 dBA 노이즈 정규화 초콜릿칩 쿠키 레시피’를 출력한 시연 공개
- Cooler Master HAF 500 리뷰는 비용 약 2,000달러에 수익 1,400달러, 약 600달러 적자
- YouTube가 AdSense 수익의 약 45~50%를 가져가며, 자체 수익원은 Patreon 월 약 1만 달러와 자체 스토어
- 갱신 메가차트는 케이스 27 dBA 노이즈 정규화, GPU 60종 3개 해상도, CPU 40종 규모
https://www.youtube.com/watch?v=0WP6kEO3i8g
미국 트래픽의 41%가 봇
Cloudflare CEO의 발언은 짧지만 무게가 크다. 봇 트래픽이 인터넷 역사상 처음으로 인간 트래픽을 넘어섰고, 지역별로는 미국이 41%로 가장 높았다. 웹 페이지를 여는 주체의 절반 가까이가 사람이 아니라는 뜻이다.
이 수치를 광고 지표에 대입하면 해석이 하나 나온다. 노출, 조회수, 체류 시간은 모두 ‘사람 한 명’을 단위로 설계된 값인데, 그 단위의 상당 부분이 사람이 아닌 클라이언트로 채워지고 있다. 다만 봇 비율이 곧바로 광고 손실률로 환산된다는 근거는 영상에 없으므로, 여기까지는 수치에서 끌어낸 추정으로 읽는 편이 안전하다.
영상이 더 크게 문제 삼는 쪽은 공개 콘텐츠의 소멸이다. 인터넷이 봇과 LLM 슬롭으로 채워지는 동안 쓸 만한 콘텐츠는 페이월 뒤로 숨어버렸다는 것이 게이머스넥서스의 진단이다. 벤치마크 데이터는 장비를 사고, 테스트 벤치를 세팅하고, 수십 시간을 갈아 넣어야 나오는 1차 데이터인데, 그 결과가 요약 한 줄로 재가공되어 출처 없이 유통된다.
그러면 남는 선택지는 보통 두 가지다. 데이터를 유료 구역으로 옮기거나, 유출을 감수하고 계속 무료로 푸는 것. 게이머스넥서스는 둘 다 거부하고 세 번째 길을 찾았다.
쿠키 레시피를 뱉은 차트 포이즈닝
대응책의 이름은 ‘차트 포이즈닝’이다. 차트 이미지의 픽셀 수준에 사람 눈으로는 거의 감지되지 않는 패턴을 넣어, 기계가 이미지에서 글자를 뽑아낼 때만 엉뚱한 결과가 나오도록 만드는 방식이다. OCR은 이미지 속 글자를 텍스트로 변환하는 기술이고, 프롬프트 인젝션은 모델이 읽는 입력에 명령처럼 보이는 문자열을 섞어 원래 지시를 밀어내는 기법이다. 이 둘을 합치면 ‘읽히긴 하는데 잘못 읽히는’ 이미지가 된다.
Level1Techs의 Wendell과 함께 진행한 첫 시연 결과가 인상적이다. 포이즈닝된 GPU 차트를 LLM에 넣자 프레임 수치 대신 ‘27 dBA 노이즈 정규화 초콜릿칩 쿠키 레시피’가 튀어나왔다. 모델이 데이터를 조금 틀리게 읽은 수준이 아니라, 아예 다른 문서를 읽었다고 착각한 결과다.
중요한 지점은 사람과 기계의 경험이 분리된다는 데 있다. 독자는 평소와 똑같은 차트를 보고, 스크래퍼는 쓸모없는 텍스트를 가져간다. 접근 차단이 아니라 품질 저하로 방어한다는 점에서, robots.txt 차단이나 로그인 장벽과는 성격이 다르다.
한계도 분명하다. 모델의 비전 파이프라인이 바뀌면 지금의 패턴이 무력화될 가능성이 있고, 반대로 노이즈를 키우면 사람 눈에도 거슬리기 시작한다. 이 균형점이 얼마나 오래 유지될지는 영상에서 다루지 않았으므로 현재로선 미지수다.
HAF 500 리뷰의 600달러 적자
영상은 기술 이야기에서 바로 장부로 넘어간다. 케이스 리뷰는 의도적으로 적자를 내는 콘텐츠라는 선언과 함께, Cooler Master HAF 500 리뷰의 숫자를 그대로 공개했다.
| 항목 | 금액 |
|---|---|
| 제작 비용 | 약 2,000달러 |
| 회수 수익 | 약 1,400달러 |
| 순손익 | 약 -600달러 |
여기에 플랫폼 몫이 겹친다. YouTube가 AdSense 수익의 약 45~50%를 가져가므로, 광고만으로 케이스 리뷰의 손익분기를 맞추는 시나리오는 애초에 성립하지 않는다. 그럼에도 케이스 리뷰를 계속하는 이유는 그것이 독자에게 필요한 데이터이기 때문이고, 손실은 다른 콘텐츠가 떠받친다.
떠받치는 쪽은 다큐멘터리와 딥다이브다. GPU 블랙마켓 조사 캠페인은 100만 달러 이상 규모로 언급됐고, 상시 수익원으로는 Patreon 월 약 1만 달러와 자체 스토어가 있다. 굿즈를 외주에서 자체 제조로 돌린 것도 같은 맥락으로, 고정비를 남의 손에 두지 않아야 적자 콘텐츠를 계속 찍을 여력이 생긴다.
이 구조가 주는 교훈은 콘텐츠 단위 손익을 따로 보지 말라는 것이다. 적자 콘텐츠를 없애는 대신, 그것을 감당할 흑자 엔진을 따로 키우는 설계다. 다만 게이머스넥서스가 도달한 지점은 10년 넘게 쌓은 신뢰와 자산 소유가 전제이므로, 신생 채널이 같은 배치를 곧바로 복제하기는 어렵다.
PNG 차트와 갱신된 메가차트
독자 편의만 따지면 정렬·필터가 되는 HTML 테이블이 압도적으로 낫다. 그런데 게이머스넥서스는 PNG 이미지를 고수한다. 이유는 하나다. 텍스트 테이블은 스크래핑하기 쉽고 포이즈닝하기 어렵지만, 이미지는 반대이기 때문이다.
세 가지 선택지를 놓고 보면 트레이드오프가 선명해진다.
| 방식 | 독자 접근성 | 스크래핑 저항 | 수익 구조 |
|---|---|---|---|
| 페이월 | 낮음(결제 필요) | 높음 | 구독 수익 발생, 도달 축소 |
| 텍스트 테이블 공개 | 높음(정렬·필터 가능) | 매우 낮음 | 무보상 재가공에 노출 |
| PNG 차트 + 포이즈닝 | 높음(무료 열람) | 중간~높음 | 도달 유지, 재가공 비용 상승 |
같은 발표에서 메가차트 갱신 내용도 함께 나왔다. 측정 기준부터 손봤는데, 케이스 차트는 팬 100% 조건과 27 dBA 노이즈 정규화 조건을 함께 제공한다. 소음 수준을 같은 값으로 맞춘 뒤 냉각 성능을 비교하겠다는 뜻으로, 팬을 세게 돌려 온도만 낮추는 제품과 실제로 잘 식히는 제품을 구분하는 방식이다.
갱신된 데이터 범위는 다음과 같다.
- GPU: 60종, 해상도 3종 기준 데이터
- CPU: 40종, Ryzen 7 7700X3D와 9800X3D·9950X3D 데이터 추가
- 신규 항목: RX 7650 GRE, Intel Arc Pro B70 등
- 케이스·쿨러: 100% 및 27 dBA 정규화 차트 동시 제공
주목할 변화는 공개 경로다. 일부 신규 하드웨어는 영상 리뷰 없이 사이트 차트로 바로 올라간다. 영상 제작 비용을 들이지 않고도 데이터는 먼저 공개하겠다는 판단이며, 앞서 나온 적자 구조를 생각하면 비용 측면에서도 일관된 선택이다.
그래서 무엇이 달라지나
당장 바뀌는 것은 ‘무료 공개’의 의미다. 지금까지 무료 공개는 도달을 얻는 대신 수익을 포기하는 거래였는데, 이제는 도달도 못 얻고 데이터만 빠져나가는 경우가 생긴다. 게이머스넥서스의 대응은 공개 여부가 아니라 공개 형식을 바꿔 이 거래 조건을 되돌리려는 시도다.
자기 콘텐츠에 적용한다면 순서는 이렇다.
- robots.txt에 GPTBot, ClaudeBot, CCBot, Bytespider 등 주요 LLM 크롤러를 명시적으로 Disallow 처리한다. 규약을 지키는 크롤러에만 효과가 있으므로 1차 방어선으로만 본다.
- 핵심 수치 자산은 텍스트 테이블 대신 이미지로 게시하고, matplotlib이나 Plotly 파이프라인에 미세 패턴을 넣는 단계를 추가한다.
- 만든 이미지를 실제 비전 모델에 직접 넣어 수치가 제대로 읽히는지 회귀 테스트한다. 방어가 통했는지 확인할 방법은 이것뿐이다.
- Cloudflare 무료 플랜의 Bots 탭에서 자기 사이트의 봇 비율을 주 단위로 기록해, 41%라는 수치와 얼마나 차이 나는지 비교한다.
- 콘텐츠를 적자형과 흑자형으로 나누고, 흑자형이 적자형의 몇 퍼센트를 떠받치는지 계산한다. HAF 500 표가 그대로 템플릿이 된다.
효과의 지속성은 확실하지 않다. 포이즈닝은 모델 쪽 전처리가 바뀌면 우회될 수 있고, 이 공방이 어느 쪽으로 기울지는 지금 데이터로 판단할 수 없다. 다만 방어 수단이 아예 없다고 여겨지던 영역에서 실제로 작동하는 사례가 하나 나왔다는 사실 자체가 이번 발표의 성과다.
정리
미국 트래픽의 41%가 봇인 환경에서 게이머스넥서스는 차트 PNG에 교란 데이터를 심어 LLM이 쿠키 레시피를 뱉게 만들었다. 케이스 리뷰 한 편에서 600달러씩 잃으면서도 페이월을 세우지 않는 선택은 Patreon과 자체 스토어, 대형 조사 캠페인이 뒤를 받치기에 가능하다. 데이터를 파는 대신 훔치기 어렵게 만드는 방향이 실제로 작동한다는 첫 증거가 나온 셈이다.
원문 출처
영상 원문 보기 — It’s Time to Poison AI | GN Mega Charts Update & LLM Countermeasures — Gamers Nexus