앙상블 평균 (Ensemble Average)

앙상블 평균(ensemble average)은 같은 과정에서 나온 여러 수열을 모아 놓고, 수열 안의 특정 위치(시점)에 있는 값들을 모든 수열에 걸쳐 평균낸 것입니다. 기호 수열이라면 '그 위치에 각 기호가 나타날 확률'을 추정하는 것과 같습니다. 하나의 수열을 따라가며 평균내는 시간 평균(time average)과 대비되는 개념입니다.

자세히 알아보기

확률 과정 X(t)에서 앙상블 평균은 E[X(t)], 즉 고정된 시점 t에서의 기댓값입니다. 실제로는 같은 조건에서 여러 번 실험해 얻은 수열 N개의 t번째 값을 평균해 추정합니다. 반대로 시간 평균은 수열 하나의 값들을 t에 걸쳐 평균합니다.

두 평균이 같아지는 과정을 에르고딕(ergodic) 과정이라고 합니다. 에르고딕 과정이라면 긴 수열 하나만 관측해도 전체 통계를 알 수 있지만, 그렇지 않다면 두 평균이 달라 잘못된 결론을 낼 수 있습니다. 예를 들어 시작 직후에만 특정 패턴을 보이는 생성기는 시간 평균으로는 정상처럼 보여도, 여러 번 재시작해 '첫 출력'만 모은 앙상블 평균에서는 편향이 드러납니다.

블록체인·암호화폐에서는

• 스트림 암호의 초기 편향: RC4 암호는 키를 바꿔 가며 '두 번째 출력 바이트'만 모으면 0이 약 2/256 확률로, 기댓값 1/256의 두 배로 나타난다는 편향이 발견되었습니다(Mantin–Shamir, 2001). 이는 위치별 앙상블 평균으로 찾아낸 대표적 약점이며, RC4가 TLS 등에서 금지되는 원인 중 하나가 되었습니다.
• 난수 생성기 점검: 지갑이나 노드가 재시작 직후 생성하는 첫 난수들이 균일한지, 여러 기기·여러 부팅에 걸친 앙상블로 확인해야 합니다. 부팅 직후 엔트로피 부족은 실제 키 중복 사고의 원인이었습니다.
• 부채널 분석: 하드웨어 지갑의 전력 소비를 수천 번 측정해 같은 시점끼리 평균내면(앙상블 평균) 잡음이 줄고 키에 의존하는 미세한 신호가 드러납니다. 차분 전력 분석의 기본 기법입니다.

쉽게 말하면

앙상블 평균은 '한 사람의 1년치 기록'이 아니라 '1만 명의 같은 날 기록'을 평균내는 방식입니다.

예시

10년치 날씨 기록에서 매년 6월 1일만 뽑아 비가 온 해가 3번이면, 6월 1일 강수의 앙상블 평균(확률 추정)은 0.3입니다.

같은 데이터를 시간 평균으로 보면 1년 중 비가 온 날의 비율이 나오는데, 이 값은 6월 1일이라는 특정 날의 확률과 다를 수 있습니다. 계절성이 있는 과정은 정상(stationary) 과정이 아니어서 두 평균이 일치하지 않습니다.