📚 지식 노트

비트, 바이트, 16진수

• 비트는 0 또는 1 하나다. 비트 8개가 바이트이고, 바이트 하나는 0~255의 256가지를 나타낸다.
• 2진수는 자리마다 1, 2, 4, 8…을 뜻한다. 1011 = 8 + 0 + 2 + 1 = 11이다.
• 16진수는 4비트를 글자 하나(0~9, A~F)로 적는다. 바이트 하나가 두 글자가 되어 읽기 쉽다. 색 코드 #FF8800은 빨강 255, 초록 136, 파랑 0이다.
• KB와 KiB: 1KB = 1,000바이트, 1KiB = 1,024바이트. 저장장치 회사는 1,000 단위, 운영체제는 1,024 단위로 세는 경우가 많아, 1TB 디스크가 약 931GB로 보인다.
• 음수: 2의 보수: 부호 있는 정수는 맨 앞 비트가 1이면 음수로 읽는다. −x는 x의 비트를 모두 뒤집고 1을 더해 만든다. 8비트면 −128~127을 담고, 11111111이 −1이다. 이렇게 두면 덧셈 회로 하나로 양수·음수를 함께 더할 수 있다. 대신 127에 1을 더하면 10000000, 곧 −128이 되는 오버플로가 조용히 일어난다.
• 실수: 소수는 IEEE 754 부동소수점으로 적는데, 0.1 같은 수는 2진수로 끝나지 않아 근삿값만 담긴다. 0.1 + 0.2가 0.3과 다르게 나오는 이유는 계산 과학 노트의 부동소수점 절에 있다.
• 바이트 순서: 여러 바이트로 된 수를 메모리에 어느 쪽부터 놓을지(엔디언)는 CPU마다 정해져 있다. 파일이나 네트워크로 바이트를 주고받을 때 어긋나면 숫자가 엉뚱하게 읽힌다. 자세한 것은 컴퓨터 구조 노트의 명령어 집합 절에 있다.

이 사이트의 헥스 편집기로 파일을 바이트 단위로 직접 볼 수 있다.

글자도 숫자다: 텍스트 인코딩

글자마다 번호를 정한 표가 문자 집합(유니코드)이고, 그 번호를 바이트로 적는 방법이 인코딩다. 지금은 대부분 UTF-8을 쓴다. 영문은 1바이트, 한글은 보통 3바이트다. 다른 인코딩(예: EUC-KR)으로 저장된 파일을 UTF-8로 읽으면 글자가 깨진다. 이 사이트의 인코딩 도구로 바꿔 볼 수 있다.

인코딩이 같아도 글자가 달라 보일 수 있다. 유니코드에는 "각"을 글자 하나로 적는 방법과 초성 ㄱ·중성 ㅏ·종성 ㄱ 세 자모를 이어 적는 방법이 모두 있고, 둘은 같은 글자로 친다. 앞쪽으로 모으는 것이 NFC, 자모로 푸는 것이 NFD다(유니코드 표준 부속서 UAX #15). 파일 이름을 NFD로 저장하는 시스템에서 만든 파일을 다른 시스템으로 옮기면 "한글"이 "ㅎㅏㄴㄱㅡㄹ"처럼 자모가 풀려 보이거나, 눈에는 같은 두 이름이 서로 다른 문자열로 비교된다. 글자를 비교·검색·저장하기 전에 한 형식(보통 NFC)으로 맞춘다. UTF-8 인코딩 규칙, 글자 수 세기, 한글 조합 공식, 시간대까지는 문자와 시간 노트에 있다.

압축: 무손실과 손실

무손실 — 되돌리면 원래와 똑같다 (ZIP, PNG)

• 데이터에 반복과 치우침이 있을수록 줄어든다. 얼마나 예측하기 어려운지를 재는 값이 엔트로피다. 완전히 무작위인 데이터는 엔트로피가 최대라 줄일 수 없다. 이미 압축된 파일을 다시 압축해도 작아지지 않는 이유다.
• 허프만 부호화: 자주 나오는 글자에는 짧은 비트, 드문 글자에는 긴 비트를 준다(모스 부호와 비슷한 생각).
• LZ 계열: 앞에서 나온 내용이 다시 나오면 “몇 칸 앞에서 몇 글자 복사”로 바꿔 적는다.

손실 — 사람이 잘 못 느끼는 부분을 버린다 (JPEG, MP3, 동영상)

• 크로마 서브샘플링: 눈은 밝기 변화에 민감하고 색 변화에는 둔하다. 그래서 색 정보는 해상도를 낮춰 저장한다.
• DCT: JPEG은 이미지를 8×8 블록으로 나누고, 각 블록을 “완만한 변화부터 촘촘한 무늬까지” 성분으로 바꾼다. 눈에 덜 띄는 촘촘한 성분을 거칠게 줄여 저장한다. 품질을 낮추면 블록 경계가 보이는 이유다.
• 손실 압축은 저장할 때마다 조금씩 더 망가진다. 편집 중간본은 무손실로 저장한다.

이 사이트의 스테가노그래피(이미지 DCT)는 바로 이 DCT 성분에 데이터를 숨기고, 이미지 LSB는 픽셀 값의 가장 낮은 비트에 숨긴다. GIF·WebP의 구간을 잘라 다시 압축해 보려면 움직이는 이미지 편집기를 쓴다.

암호와 해시

HTTPS는 둘을 섞는다. 공개키 암호로 대칭 열쇠를 안전하게 나눈 뒤, 실제 내용은 빠른 대칭 암호로 주고받는다.

QR 코드는 일부가 가려져도 읽힌다

QR 코드는 검은·흰 칸을 비트로 읽는다. 세 모서리의 큰 사각형은 위치와 방향을 찾는 표시다. 데이터와 함께 오류 정정 부호(리드-솔로몬)를 덧붙여, 등급에 따라 대략 7~30%가 가려지거나 더러워져도 원래 내용을 복원한다. 가운데에 로고를 얹은 QR이 읽히는 이유다.

흔한 오해

• “압축은 여러 번 하면 더 작아진다” — 한 번 압축하면 반복이 사라져 더 줄지 않는다.
• “해시는 암호화다” — 해시는 되돌릴 수 없는 지문이다. 암호화는 열쇠로 되돌릴 수 있다.
• “Base64로 바꾸면 암호화된다” — Base64는 3바이트를 6비트씩 네 글자로 옮겨 적는 인코딩일 뿐이다. 열쇠가 없어 누구나 되돌리고, 크기는 약 3분의 1 늘어난다. 표준인 RFC 4648도 보안 절에서 기밀성을 주지 않는다고 적는다. 텍스트 형식에 바이너리를 실을 때의 함정은 시스템 설계 › 데이터 모델과 인코딩에 있다.
• “PNG가 JPEG보다 항상 좋다” — 사진은 JPEG·WebP가 훨씬 작다. PNG는 글자·도형·투명 배경에 알맞다.