[論文レビュー] DOBBS: Towards a Comprehensive Dataset to Study the Browsing Behavior of Online Users

Christian von der Weth, Manfred Hauswirth|arXiv (Cornell University)|Jul 5, 2013

Spam and Phishing Detection被引用数 3

ひとこと要約

DOBBSは、ユーザーの包括的で細分化されたブラウジング行動データ（ウィンドウ/タブのアクティビティ、セッション時間、ページ表示時間など）を収集するプライバシー保護型ブラウザアドオンを提案する。これにより、受動的消費や並列ブラウジングといった現代のブラウジングパターンの深い分析が可能になる。主な貢献は、従来のサーバーログとは異なり、公開可能で匿名化されたデータセットを提供することで、より包括的な洞察を可能にすることである。

ABSTRACT

The investigation of the browsing behavior of users provides useful information to optimize web site design, web browser design, search engines offerings, and online advertisement. This has been a topic of active research since the Web started and a large body of work exists. However, new online services as well as advances in Web and mobile technologies clearly changed the meaning behind "browsing the Web" and require a fresh look at the problem and research, specifically in respect to whether the used models are still appropriate. Platforms such as YouTube, Netflix or last.fm have started to replace the traditional media channels (cinema, television, radio) and media distribution formats (CD, DVD, Blu-ray). Social networks (e.g., Facebook) and platforms for browser games attracted whole new, particularly less tech-savvy audiences. Furthermore, advances in mobile technologies and devices made browsing "on-the-move" the norm and changed the user behavior as in the mobile case browsing is often being influenced by the user's location and context in the physical world. Commonly used datasets, such as web server access logs or search engines transaction logs, are inherently not capable of capturing the browsing behavior of users in all these facets. DOBBS (DERI Online Behavior Study) is an effort to create such a dataset in a non-intrusive, completely anonymous and privacy-preserving way. To this end, DOBBS provides a browser add-on that users can install, which keeps track of their browsing behavior (e.g., how much time they spent on the Web, how long they stay on a website, how often they visit a website, how they use their browser, etc.). In this paper, we outline the motivation behind DOBBS, describe the add-on and captured data in detail, and present some first results to highlight the strengths of DOBBS.

研究の動機と目的

• 従来のサーバーログや検索エンジンのトランザクションログといったデータソースには、YouTube や last.fm などのプラットフォームにおける受動的メディア消費や、タブを用いたマルチタスクブラウジングといった現代のブラウジング行動が捉えられていないという限界を解消すること。
• ストリーミングプラットフォーム（例：YouTube、Netflix）、Ajax、WebSockets、モバイルブラウジングといった新技術の影響で変化するブラウジング行動を調査すること。
• ユーザーの匿名性を損なわず、細分化されたレベルでユーザー行動を捉える包括的でプライバシー保護型のデータセットを構築すること。
• 単なるページ訪問数を超えた、実際の閲覧時間や複数ウィンドウ・タブにまたがるセッションパターンといった、ユーザー行動メトリクスの新たな研究を可能にすること。
• オープンソースの提供と透明性の高いプライバシー対策（匿名フィードバックメカニズムを含む）により、広範な参加を促進すること。

提案手法

• パフォーマンスに影響を与えないように、バックグラウンドで静かにユーザーのブラウジングイベントをログ記録するFirefox専用のブラウザアドオンを導入する。
• 主に3種類のイベントをキャプチャする：ウィンドウイベント（ウィンドウやタブの開閉）、セッションイベント（ブラウジングセッションの開始・終了およびアクティビティの変化）、ブラウジングイベント（ページ読み込み時間と表示時間）。
• 再追跡不能なランダム生成ユーザーIDを用いることで、完全な匿名化を確保し、再識別を防ぐ。
• 送信または保存の前に、すべての機微なデータをローカルで暗号化してプライバシーを保護する。
• 構造化された形式でデータを保存し、ユーザーのブラウジング履歴をグラフとして再構築可能にする。これによりナビゲーションパターンの分析が可能になる。
• DOBBSプロジェクトのウェブサイトを通じてデータセットを公開し、BSDライセンスのもとでオープンソースコードを提供することで、透明性と再利用を促進する。

実験結果

リサーチクエスチョン

• RQ1 YouTube や last.fm などのプラットフォームにおける受動的メディア消費といった、現代のブラウジング行動は、従来のアクティブでリンク依存のナビゲーションとどのように異なるか？
• RQ2 ユーザーはどの程度、複数のブラウザウィンドウやタブを同時に使用して並列ブラウジングを行っており、その管理戦略は個人差にどのように現れるか？
• RQ3 ページ読み込み時間、表示時間、実際のユーザー閲覧時間の区別が、単なる訪問頻度を超えたウェブページの人気測定のための新しい、より正確なメトリクスの構築にどのように寄与するか？
• RQ4 ブラウジングセッション中のユーザーの非アクティブ状態や注目状態のパターンは何か？ そして、これらのパターンはログに記録されたデータの解釈にどのように影響を与えるか？
• RQ5 ログに記録されたイベントから、ユーザーのブラウジング履歴を正確に再構築できるか？ また、その再構築によってどのような行動モデリングのインサイトが得られるか？

主な発見

• 並列ブラウジングは一般的であり、ユーザーは頻繁に複数のブラウザウィンドウやタブを同時に管理しているが、その戦略は個人差が顕著に現れる。
• 受動的ブラウジング（例：他の作業中に音声のみを聴いているオンラインラジオをそのまま開いておく）は非常に頻繁に発生しており、主要なブラウジングパターンの一つである。
• ページ読み込み時間、表示時間、実際のユーザー閲覧時間の区別により、単なる訪問頻度を超えた、より正確なウェブページの人気測定のための新しいメトリクスの定式化が可能になる。
• このデータセットにより、ユーザーのブラウジング履歴を非常に高い精度で再構築でき、ナビゲーショングラフとして可視化することで、複雑なナビゲーション行動のモデリングが可能になる。
• 収集されたデータは、従来のサーバーのアクセスログでは捉えきれない重要な側面、たとえばバックグラウンドでのメディア消費や、複数のタブにまたがるセッションの断片化を明らかにしている。
• 技術的制限や解釈の曖昧さ（例：フォーカスがないウィンドウが「閲覧された」と見なされるか）が存在するが、既存の代替手段に比べ、ユーザー行動のより豊かで洗練された理解が得られる。