모바일 앱은 프레임 드롭(frame drops), 발열, 과도한 전력 소비와 같은 성능 문제로 자주 고통받습니다. 개발자들이 알고리즘을 최적화하고 코드를 디버깅하는 동안, 종종 간과되는 결정적인 병목 현상이 있습니다. 바로 낮은 최적화 수준(O2/O3 대신 O0/O1)으로 컴파일된 네이티브 라이브러리(native libraries)입니다. 이러한 라이브러리들은 기능적 오류 없이 실행되기 때문에, 결과적으로 발생하는 성능 저하는 프로덕션 앱 내에 숨겨진 채로 남아 수백만 명의 사용자에게 영향을 미칩니다. 우리는 소스 코드나 빌드 메타데이터(build metadata)를 요구하지 않고 앱 바이너리(app binaries)에서 직접 컴파일러 최적화 문제를 탐지하는 소스 프리(source-free) 프레임워크인 extsc{OptDetect}를 제시합니다. extsc{OptDetect}는 바이너리 역어셈블(binary disassembly), 청크 수준 분류(chunk-level classification), 가중치 점수 집계(weighted score aggregation) 파이프라인을 통해 단일 바이너리 내의 혼합된 최적화 수준을 처리하며, 통제된 데이터셋에서 93.0%의 정확도를, 실제 데이터셋에서 81.9%의 정확도를 달성했습니다. Google Play 상위 830개 앱에서 추출한 21,972개의 네이티브 라이브러리에 extsc{OptDetect}를 적용한 결과, 라이브러리의 30.5%가 낮은 최적화 수준을 사용하고 있으며, 이는 앱의 91.7%에 영향을 미치고 있음을 발견했습니다. 12개의 프로덕션 앱(상용 6개, 오픈 소스 6개)에 대한 사례 연구를 통해, 탐지된 문제를 수정하면 CPU 명령어(CPU instructions)가 상용 앱의 경우 10-63%(중앙값: 20.5%), 오픈 소스 앱의 경우 15-58%(중앙값: 32%) 감소하며, 성능 관련 불만 사항은 중앙값 기준 42% 감소하고 평점은 중앙값 기준 0.14점 상승함을 입증했습니다. 추가 조사를 통해 이전에 간과되었던 근본 원인이 밝혀졌습니다. 널리 사용되는 제3자 라이브러리(third-party libraries) 자체가 낮은 최적화 수준으로 배포되고 있으며, 주요 저장소의 라이브러리 1,073개 중 49.7%가 이러한 문제를 보이고 있습니다. 이러한 발견은 자동화된 탐지 도구와 산업 전반의 최적화 표준의 필요성을 강조합니다.