[논문 리뷰] Who Filters the Filters: Understanding the Growth, Usefulness and Efficiency of Crowdsourced Ad Blocking

Peter J. Snyder, Antoine Vastel외 1명|arXiv (Cornell University)|2018. 10. 22.

Privacy, Security, and Data Protection인용 수 5

한 줄 요약

이 논문은 가장 인기 있는 커뮤니티 기반 광고 차단 필터 목록인 EasyList을 분석하여, 일반적인 브라우징 시나리오에서 90.16%의 규칙이 아무런 이점을 제공하지 않는다는 것을 밝혀냈다. 규칙 적용 빈도를 측정하고 회피 기법을 규명함으로써, 저자들은 데스크톱 성능을 62.5% 향상시키고 모바일 장치에 효율적으로 구현할 수 있는 최적화된 필터링 전략을 제안한다. 이 전략은 99% 이상의 차단 커버리지를 유지한다.

ABSTRACT

Ad and tracking blocking extensions are popular tools for improving web performance, privacy and aesthetics. Content blocking extensions typically rely on filter lists to decide whether a web request is associated with tracking or advertising, and so should be blocked. Millions of web users rely on filter lists to protect their privacy and improve their browsing experience. Despite their importance, the growth and health of filter lists are poorly understood. Filter lists are maintained by a small number of contributors, who use a variety of undocumented heuristics to determine what rules should be included. Lists quickly accumulate rules, and rules are rarely removed. As a result, users' browsing experiences are degraded as the number of stale, dead or otherwise not useful rules increasingly dwarf the number of useful rules, with no attenuating benefit. An accumulation of "dead weight" rules also makes it difficult to apply filter lists on resource-limited mobile devices. This paper improves the understanding of crowdsourced filter lists by studying EasyList, the most popular filter list. We find that EasyList has grown from several hundred rules, to well over 60,000 rules, during its 9-year history. We measure how EasyList affects web browsing by applying EasyList to a sample of 10,000 websites. We find that 90.16% of the resource blocking rules in EasyList provide no benefit to users in common browsing scenarios. We further use our changes in EasyList application rates to provide a taxonomy of the ways advertisers evade EasyList rules. Finally, we propose optimizations for popular ad-blocking tools, that allow EasyList to be applied on performance constrained mobile devices, and improve desktop performance by 62.5%, while preserving over 99% of blocking coverage.

연구 동기 및 목표

• 커뮤니티 기반 필터 목록인 EasyList와 같은 것들의 장기적 성장, 유용성, 성능 비용을 이해하기 위해.
• 실제 브라우징 시나리오에서 비효율적이거나 '무거운 짐'이 되는 EasyList 내 규칙의 비율을 규명하기 위해.
• 광고주가 URL 및 구조적 변경을 통해 탐지 회피를 어떻게 시도하는지 분석하기 위해.
• 자원 오버헤드를 줄이되 차단 효과성을 훼손하지 않는 최적화된 필터링 전략을 개발하기 위해.
• 성능 제약이 있는 모바일 장치에서 필터 목록을 효율적으로 배포할 수 있도록 하기 위해.

제안 방법

• 2개월 이상 동안 10,000개의 웹사이트 샘플(인기 있는 5,000개와 웹의 꼬리 부분에 속하는 5,000개)에 EasyList의 매일 업데이트를 적용하였다.
• 실제 브라우징 환경에서 어떤 규칙이 실제로 사용되는지 파악하기 위해 규칙 적용 빈도를 측정하였다.
• 데이터셋을 분석하여 URL 및 요청 패턴의 변화를 기반으로 광고주 회피 기법을 분류하였다.
• 두 단계 필터링 전략을 제안: 규칙의 유용성에 기반한 사전 필터링과 런타임 오버헤드를 줄이기 위한 동적 규칙 평가.
• 데스크톱 및 모바일 유사 환경에서 실세계 벤치마크를 사용하여 성능 향상 여부를 평가하였다.
• EasyList의 9년 역사를 기반으로 한 종단적 데이터를 활용하여 규칙의 수명 주기, 삽입 및 삭제 패턴을 모델링하였다.

실험 결과

연구 질문

• RQ1 EasyList의 성장률은 시간에 따라 규칙 수로 측정했을 때 어떻게 되는가?
• RQ2 EasyList의 활성 규칙 수와 규칙 매칭 수는 시간이 지남에 따라 어떻게 변화하는가?
• RQ3 규칙의 유용성이 시간이 지남에 따라 감소하는가? 일반적인 브라우징 시나리오에서 유용한 규칙의 비율은 얼마인가?
• RQ4 웹사이트가 새로운 광고 차단 규칙을 회피하기 위해 노력하는가? 만약 그렇다면 주요 회피 전략은 무엇인가?
• RQ5 오래된 필터 규칙이 인기 있는 광고 차단 도구에서 성능에 미치는 비용은 얼마인가?

주요 결과

• EasyList 내 자원 차단 규칙의 90.16%가 일반적인 브라우징 시나리오에서 아무런 이점을 제공하지 않아, 규칙의 과다 축적 현상이 광범위하게 발생하고 있음을 시사한다.
• 새로운 규칙는 오래된 규칙가 삭제되는 것보다 1.7배 더 자주 추가되어, 비활성 또는 노후화된 규칙가 크게 축적되고 있음을 의미한다.
• 광고주들은 자주 URL과 구조를 변경하여 탐지를 회피하며, 관찰된 인기 있는 사이트 중 8.7%가 어느 시점에 광고 차단 방지 스크립트를 사용하고 있었다.
• 새로운 이중 단계 필터링 전략은 데스크톱에서 차단 성능을 62.5% 향상시키며, EasyList의 차단 커버리지의 99% 이상을 유지한다.
• 최적화된 전략은 규칙 평가 오버헤드를 줄여, 자원 제약이 있는 모바일 장치에서 EasyList를 효율적으로 적용할 수 있도록 한다.
• 이 연구는 필터 목록이 심각한 기술적 빚을 지고 있으며, 성능 비용이 그 유용성보다 더 빠르게 증가하고 있음을 드러낸다.