[논문 리뷰] If you are not paying for it, you are the product: How much do advertisers pay for your personal data?

Panagiotis Papadopoulos, Nicolas Kourtellis외 2명|arXiv (Cornell University)|2017. 01. 24.

Privacy, Security, and Data Protection인용 수 4

한 줄 요약

이 논문은 실시간 입찰(Real Time Bidding, RTB) 프로토콜을 사용하여 광고주가 개인 사용자의 개인정보에 부여하는 금액적 가치를 실시간으로 추정하는 방법을 제안한다. 브라우저 애드온과 프로브 캠페인 데이터를 기반으로 모델을 훈련하는 백엔드 서버를 결합함으로써, 입찰 가격이 암호화되어 있어도 사용자 개인정보 가치를 82% 이상의 정확도로 추정할 수 있다.

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.

연구 동기 및 목표

• 광고주가 개인 사용자 개인정보에 부여하는 금액적 가치를 실시간으로 정량화하는 것.
• 정렬형 온라인 광고에서 개인정보 가격 책정에 대한 실증적 데이터 부족 문제를 해결하는 것.
• 입찰 가격이 암호화되어 있어도 사용자 데이터 가치를 정확하게 추정할 수 있는 방법을 개발하는 것.
• 1600명의 모바일 사용자를 대상으로 한 대규모 1년간 사용자 추적을 통해 방법론을 검증하는 것.
• 실세계 RTB 환경에서 개인정보 경제학을 측정하기 위한 기술적 솔루션을 제공하는 것.

제안 방법

• 실시간 입찰(RTB) 프로토콜을 활용하여 광고 교환소에서 클리어텍스트 및 암호화된 입찰 가격을 수집한다.
• 브라우저 애드온을 배포하여 사용자가 웹을 탐색하는 동안 실시간으로 입찰 데이터를 캡처한다.
• 기본값 가격을 생성하기 위해 프로브 광고 캠페인을 사용하여 기계학습 모델을 훈련한다.
• 프로브 캠페인에서 확보한 기본값 데이터를 사용하여 암호화된 입찰 가격을 예측하는 모델을 훈련한다.
• 업데이트된 모델을 브라우저 애드온에 전달하기 위해 백엔드 서버를 활용하여 지속적인 추정을 수행한다.
• 훈련된 모델을 적용하여, 입찰 가격이 암호화되어 있어도 실시간으로 사용자 개인정보 가치를 추정한다.

실험 결과

연구 질문

• RQ1 광고주가 개인 사용자 개인정보에 부여하는 실시간 시장 가치는 얼마인가?
• RQ2 암호화된 입찰 가격을 얼마나 정확하게 예측할 수 있는가? 이를 통해 사용자 개인정보 가치를 어떻게 추정할 수 있는가?
• RQ3 다양한 사용자 행동 간에 실시간 시스템이 개인 정보 가격을 신뢰성 있게 측정할 수 있는가?
• RQ4 암호화가 RTB 시스템에서 사용자 데이터 가치 추정에 어떤 영향을 미치는가?
• RQ5 장기간의 실세계 구현에서 제안된 방법론은 얼마나 확장 가능하고 정확한가?

주요 결과

• 제안된 방법론은 실시간 데이터를 활용하여 사용자 개인정보 가치를 82% 이상의 정확도로 추정한다.
• 프로브 광고 캠페인에서 확보한 기본값 데이터를 기반으로 훈련함으로써, 암호화된 입찰 가격을 성공적으로 유추한다.
• 1600명의 모바일 사용자를 대상으로 한 1년간의 추적에서 효과적으로 작동하여 강건성과 확장성을 입증한다.
• 이 방법은 이전에 측정되지 않은 도메인인 정렬형 광고에서 실시간으로 개인정보 가격을 측정할 수 있도록 한다.
• 결과는 개인 사용자 데이터가 RTB 생태계에서 정량적이고 측정 가능한 시장 가치를 가진다는 것을 확인한다.
• 본 연구는 온라인 광고 분야에서 개인정보 가격 책정에 대한 첫 실증적 실시간 추정을 제공한다.