[論文レビュー] Clash of the Trackers: Measuring the Evolution of the Online Tracking Ecosystem

Κωνσταντίνος Σολωμός, Panagiotis Ilia+2 more|arXiv (Cornell University)|Jul 30, 2019

Privacy, Security, and Data Protection参考文献 36被引用数 7

ひとこと要約

本研究は、5,000の主要なウェブサイトを2年間にわたり縦断的に分析し、6回の時系列クローリングを用いてオンライントラッキングエコシステムの進化を調査した。本研究では、パブリッシャーからトラッカー（PT）およびトラッカー同士（TT）のグラフベースの新手法を導入し、トラッカーの普及度、埋め込み度、トラッカー間連携を測定した。その結果、既知のクッキー同期ペアの47–81％がTTグラフを介して検出可能であることが判明し、実ユーザーのトラッキングフローを効率的かつ低コストで代替的に特定可能であることが示された。

ABSTRACT

Websites are constantly adapting the methods used, and intensity with which they track online visitors. However, the wide-range enforcements of regulations such us GDPR and e- Privacy has forced websites serving EU-based online visitors to eliminate, or at least reduce, such tracking activity, given they receive proper user consent. Thus, it is important to analyze the aftermath of such policies, record the evolution of this tracking activity, and assess the overall “privacy health” of the Web ecosystem. This work makes a significant step towards this direction. In this paper, we analyze the ecosystem of 3rd- parties embedded in top websites, which amass the majority of online tracking, through six time snapshots taken every few months apart, in the duration of the last few years. We perform this analysis in three ways: 1) by looking into the network activity that 3rd-parties impose on each publisher hosting them, 2) by constructing a bipartite graph of “publisher-to-tracker”, connecting 3rd-parties with their publishers, 3) by constructing a “tracker-to-tracker” graph connecting 3rd-parties who are commonly found in publishers. We record significant changes through time in number of trackers, traffic induced in publishers, embeddedness of trackers in publishers, popularity and mixture of trackers across publishers. In the last level of analysis, we dig deeper and look into the interconnectivity of trackers, and how this relates to potential cookie synchronization activity.

研究の動機と目的

• GDPRその他のプライバシー規制の影響を受けて、オンライントラッキングエコシステムがどのように進化したかを理解すること。
• プライバシー法の影響がトラッカーの普及度、ネットワーク活動、トラッカー間連携に与える影響を評価すること。
• 本物のユーザーデータに依存せずに、トラッカー間の相互作用をスケーラブルかつ自動的に検出する手法を開発すること。
• 自動化されたウェブクローリングが、第三者トラッカー間のクッキー同期フローを効果的に推定できるかどうかを評価すること。
• 二部グラフ（パブリッシャー-トラッカー）および共起性グラフ（トラッカー-トラッカー）を用いてトラッキングエコシステムをモデル化し、構造的分析を行うこと。

提案手法

• EU拠点のIPを用いて、Alexa上位のウェブサイトを6回の時系列順クローリングで収集し、GDPRの影響を受けるトラッキング行動を捉える。
• 第三者トラッカーのネットワークレベルHTTP活動を分析し、トラフィック量とトラッキング強度を測定する。
• パブリッシャーからトラッカーへの（PT）二部グラフを構築し、ウェブサイト全体におけるトラッカーの埋め込みと接続性をモデル化する。
• トラッカー同士の共起性（TT）グラフを構築し、パブリッシャーに同時に存在するトラッカーのペアを特定する。
• 事前研究で得られた真値のクッキー同期（CS）ペアとTTペアを比較し、検出精度を検証する。
• 次数中心性、媒介性、クラスタ係数などのグラフ指標を適用し、時間経過に伴うトラッキングエコシステムの構造的特性を分析する。

実験結果

リサーチクエスチョン

• RQ1 2年間にわたり、上位ウェブサイトにおける第三者トラッカーの数とそのネットワーク活動はどのように変化したか？
• RQ2 GDPRなどのプライバシー規制によってトラッキング活動はどの程度減少したのか。また、エコシステムはどのように適応したか？
• RQ3 パブリッシャー内でのトラッカー共起性（TTグラフ）は、トラッカー間の潜在的クッキー同期フローを信頼性高く検出できるか？
• RQ4 トラッキングエコシステム内で最も中心的または影響力のあるトラッカーはどれであり、その役割は時間経過でどのように変化したか？
• RQ5 合成トラフィックを用いた自動クローリングは、実ユーザーによるクッキー同期パターンをどの程度正確に反映できるか？

主な発見

• GDPRの施行にもかかわらず、Google、Facebook、AppNexus、Criteoといった主要なトラッカーは、パブリッシャーにおける市場シェアを維持または拡大した。
• Twitter や Adobe といったトップトラッカーは、度数中心性のリスト上では上位に挙げられないものの、高い媒介性を示し、エコシステム内で中心的な役割を果たしていた。
• トラッカー同士の（TT）グラフは、過去の真値データセットから得られた既知のクッキー同期（CS）ペアの47–81％を検出できた。これは強い相関関係を示している。
• パブリッシャー-トラッカー（PT）ネットワークの構造は、時間経過に伴いほとんど安定しており、埋め込み度や接続パターンの変化は顕著ではなかった。
• TTグラフは、トラッカー間の潜在的データ共有やクッキー同期を検出する実用的で低コストな代替手段である。
• TTグラフ分析を通じて、従来の分析では捉えきれなかったトラッカー間の関係が明らかになり、トラッキングエコシステム内に隠れた連携パターンが浮き彫りになった。