[논문 리뷰] An Empirical Study of Mobile Ad Targeting

Theodore Book, Dan S. Wallach|arXiv (Cornell University)|2015. 02. 23.

Web Data Mining and Analysis참고 문헌 20인용 수 35

한 줄 요약

이 논문은 32台의 기기와 고유한 사용자 프로필을 가진 사용자 맞춤형 AdMob 에뮬레이터를 사용하여 안드로이드에서 모바일 광고 타겟팅을 실증적으로 조사한다. 베이지안 추론과 카이제곱 검정을 통해 99%의 광고가 애플리케이션 기반 또는 시간 기반 타겟팅을 보이며, 43%는 위치 기반 타겟팅, 39%는 사용자 기반 타겟팅을 보임을 발견하여 기기 수준의 프로파일링이 초래하는 심각한 개인정보 유출 문제를 드러낸다.

ABSTRACT

Advertising, long the financial mainstay of the web ecosystem, has become nearly ubiquitous in the world of mobile apps. While ad targeting on the web is fairly well understood, mobile ad targeting is much less studied. In this paper, we use empirical methods to collect a database of over 225,000 ads on 32 simulated devices hosting one of three distinct user profiles. We then analyze how the ads are targeted by correlating ads to potential targeting profiles using Bayes' rule and Pearson's chi squared test. This enables us to measure the prevalence of different forms of targeting. We find that nearly all ads show the effects of application- and time-based targeting, while we are able to identify location-based targeting in 43% of the ads and user-based targeting in 39%.

연구 동기 및 목표

• AdMob과 같은 모바일 광고 라이브러리가 기기 및 행동 신호를 기반으로 사용자를 어떻게 타겟팅하는지 이해하기 위해.
• 특히 사용자 프로필을 포함한 다양한 타겟팅 메커니즘의 보편성을 정량화하기 위해.
• 모바일 광고에서 기기 수준의 식별자와 유추된 사용자 프로필이 초래하는 개인정보 보호 영향을 평가하기 위해.
• 광고 타겟팅이 애플리케이션 컨텍스트, 시간, 위치 또는 사용자 전용 데이터 기반으로 이루어지는지 평가하기 위해.
• 보편적인 모바일 광고 시장의 대리자로서 AdMob 생태계에 대한 종단 간 분석을 제공하기 위해.

제안 방법

• 앱 이름, 기기 ID, 시간대 등의 입력 매개변수를 제어할 수 있도록 AdMob 광고 요청 프로토콜을 역공학적으로 분석하였다.
• 사용자 프로필을 구성 가능한 설정으로 가진 광고 요청을 생성하고 결과 광고를 수집하기 위해 AdMob 에뮬레이터를 구축하였다.
• 3개의 고유한 사용자 프로필을 가진 32대의 시뮬레이션 기기를 배포하여 225,000건 이상의 광고로 구성된 데이터셋을 생성하였다.
• 광고 콘텐츠와 잠재적 타겟팅 프로필 간의 상관관계를 분석하기 위해 베이지안 추론을 적용하였다.
• 관측된 타겟팅 패턴의 통계적 유의성을 검증하기 위해 피어슨의 카이제곱 검정을 사용하였다.
• 광고 서버를 블랙박스로 간주하여 내부 알고리즘을 역공학하지 않고 입력-출력 행동만 관찰하였다.

실험 결과

연구 질문

• RQ1 안드로이드에서의 모바일 광고는 애플리케이션 컨텍스트 기반으로 얼마나 타겟팅되는가?
• RQ2 모바일 광고에서 위치 기반 타겟팅은 얼마나 보편적인가? 이를 가능하게 하는 신호는 무엇인가?
• RQ3 다른 프로필 간 광고 콘텐츠의 변동성을 통해 사용자 기반 타겟팅을 감지할 수 있는가?
• RQ4 시간대와 기기 고유 식별자가 광고 배달에 어떤 영향을 미치는가?
• RQ5 AdMob 생태계에서 프로파일링 메커니즘의 총 보편성은 어떠한가?

주요 결과

• 거의 모든 광고(99%)가 애플리케이션 기반 또는 시간 기반 타겟팅의 증거를 보이며, 강력한 컨텍스트 기반 타겟팅이 이루어지고 있음을 시사한다.
• 43%의 광고에서 위치 기반 타겟팅이 확인되어 기기 위치가 광고 배달에 중요한 신호임을 시사한다.
• 39%의 광고에서 사용자 기반 타겟팅이 확인되어 지속적인 기기 식별자가 사용자 프로필 구축에 사용되고 있음을 시사한다.
• 이 연구는 기기 수준의 식별자가 세션 간 추적과 프로필 구축을 가능하게 하며, 개인정보 보호 문제를 야기함을 확인한다.
• 결과는 조용한 광고 라이브러리인 AdMob조차도 최소한의 입력 데이터로도 고도로 발전된 타겟팅을 수행하고 있음을 시사한다.
• 결과는 모바일 광고 타겟팅이 보편적이며, 명시적인 사용자 데이터 공유 없이도 점점 더 개인화되고 있음을 암시한다.