[論文レビュー] If you are not paying for it, you are the product: How much do advertisers pay for your personal data?

Panagiotis Papadopoulos, Nicolas Kourtellis+2 more|arXiv (Cornell University)|Jan 24, 2017

Privacy, Security, and Data Protection被引用数 4

ひとこと要約

本稿では、リアルタイム入札（RTB）プロトコルを用いて、広告主が個々のユーザーの個人データに割り当てる金銭的価値を推定するリアルタイム手法を提案する。ブラウザアドオンと、プローブキャンペーンデータを用いてモデルを学習するバックエンドサーバーを組み合わせることで、入札価格が暗号化されている場合でさえも、ユーザーのプライバシー価値を82％以上の精度で推定することに成功した。

ABSTRACT

Online advertising is progressively moving towards a programmatic model in which ads are matched to actual interests of individuals collected as they navigate the web. Letting the huge debate around privacy aside, a very important question in this area, for which very little is known, is: How much do advertisers pay for an individual's personal data? In this study, we develop a first of its kind methodology for computing exactly that - the price paid for one's privacy - and we do that in real time. Our approach is based on tapping on the Real Time Bidding (RTB) protocol to collect cleartext and encrypted prices for winning bids paid by advertisers in order to place targeted ads. Our main technical contribution is a method for tallying winning bids even when they are encrypted. We achieve this by training a model using as ground truth prices obtained by running our own probe ad-campaigns. We implement our methodology through a browser addon and a back-end server that provides it with fresh models for encrypted bids. We validate our methodology using a one year long trace of 1600 mobile users and demonstrate that it can estimate a user's worth with more than 82% accuracy.

研究の動機と目的

• 広告主が個々のユーザーの個人データに割り当てる金銭的価値をリアルタイムで測定すること。
• プログラムドオンライン広告におけるプライバシー価格に関する実証的データの不足を是正すること。
• 入札価格が暗号化されている場合でも、ユーザーのデータ価値を正確に推定する手法を開発すること。
• 1600人のモバイルユーザーを対象とした大規模な1年間のユーザートレースを用いて、手法を検証すること。
• 現実のRTB環境においてプライバシー経済を測定するための技術的ソリューションを提供すること。

提案手法

• リアルタイム入札（RTB）プロトコルを活用し、広告交換所から平文および暗号化された入札価格を収集する。
• ブラウザアドオンを導入し、ユーザーのウェブ閲覧セッション中にリアルタイムで入札データをキャプチャする。
• プローブ広告キャンペーンを用いて、学習用の真値価格を生成する。
• プローブキャンペーンの真値データを用いて、暗号化された入札価格を予測するモデルを学習する。
• バックエンドサーバーを活用し、ブラウザアドオンに更新されたモデルを提供して継続的な推定を実現する。
• 訓練済みモデルを用いて、入札価格が暗号化されている場合でも、リアルタイムでユーザーのプライバシー価値を推定する。

実験結果

リサーチクエスチョン

• RQ1 広告主が個々のユーザーの個人データに割り当てるリアルタイム市場価値は何か？
• RQ2 ユーザーのプライバシー価値を推定するために、暗号化された入札価格をどれほど正確に予測できるか？
• RQ3 多様なユーザー行動をカバーする範囲で、リアルタイムシステムが個人データの価格を信頼性高く測定できるか？
• RQ4 暗号化がRTBシステムにおけるユーザーのデータ価値推定に与える影響は何か？
• RQ5 本手法は、長期にわたる現実世界での展開において、スケーラビリティと正確性をどの程度満たしているか？

主な発見

• 提案手法は、リアルタイムデータを用いて、ユーザーのプライバシー価値を82％以上の精度で推定できる。
• プローブ広告キャンペーンの真値データを学習対象として用いることで、システムは暗号化された入札価格を的確に推定できた。
• 1600人のモバイルユーザーを対象とした1年間のトレースにおいても、本手法は強固でスケーラブルであることが実証された。
• 本手法により、これまで測定されていなかった分野であるプログラムド広告におけるリアルタイムのプライバシー価格測定が可能になった。
• 個々のユーザーのデータがRTBエコシステムにおいて、定量的かつ測定可能な市場価値を持つことが確認された。
• 本研究は、オンライン広告におけるプライバシー価格の、初めての実証的でリアルタイムの推定を提供した。