[论文解读] Beyond content analysis: Detecting targeted ads via distributed counting

Costas Iordanou, Nicolas Kourtellis+4 more|MPG.PuRe (Max Planck Society)|Jul 3, 2019

Privacy, Security, and Data Protection参考文献 33被引用 5

一句话总结

本文提出 eyeWnder，一种保护隐私的众包系统，通过聚合分布式广告曝光次数，在不暴露个体用户数据的情况下实时检测有针对性的在线广告。与基于内容的方法不同，它通过用户曝光的统计模式识别目标投放，包括间接投放，从而实现实时审计广告是否符合 GDPR 和 CCPA 等隐私法规。

ABSTRACT

Being able to check whether an online advertisement has been targeted is essential for resolving privacy controversies and implementing in practice data protection regulations like GDPR, CCPA, and COPPA. In this paper we describe the design, implementation, and deployment of an advertisement auditing system called iWnder that uses crowdsourcing to reveal in real time whether a display advertisement has been targeted or not. Crowdsourcing simplifies the detection of targeted advertising, but requires reporting to a central repository the impressions seen by different users, thereby jeopardising their privacy. We break this deadlock with a privacy preserving data sharing protocol that allows iWnder to compute global statistics required to detect targeting, while keeping the advertisements seen by individual users and their browsing history private. We conduct a simulation study to explore the effect of different parameters and a live validation to demonstrate the accuracy of our approach. Unlike previous solutions, iWnder can even detect indirect targeting, i.e., marketing campaigns that promote a product or service whose description bears no semantic overlap with its targeted audience.

研究动机与目标

• 解决实践中缺乏实时、大规模检测有针对性广告的工具的问题。
• 使用户和监管机构能够验证广告是否被投放，特别是在涉及间接或基于人口统计特征投放的情况下。
• 通过保护用户匿名性同时支持全局统计分析，克服众包广告检测中的隐私风险。
• 开发一个可扩展、可部署的系统，在真实用户的设备上运行，并支持对广告投放行为的独立审计。
• 通过模拟和实际部署验证该方法的准确性，证明其在内容分析方法之外的有效性。

提出的方法

• eyeWnder 使用一种分布式计数协议，用户在本地统计广告曝光次数，但不报告广告本身或其浏览上下文。
• 差分隐私机制确保无法从报告的计数中重建个体用户数据。
• 系统聚合用户间的计数，以检测表明投放行为的统计显著偏差，例如特定用户群体的广告曝光比例异常。
• 该方法依赖一种启发式算法，通过比较不同用户群体的广告曝光频率来推断投放行为，而无需分析广告或网页内容。
• 众包数据通过客户端浏览器扩展实时收集，运行在用户设备上。
• 验证框架使用公开可用的数据进行模拟，评估检测准确性，包括对间接投放的检测能力。

实验结果

研究问题

• RQ1 仅通过广告曝光的分布式计数，能否在不进行内容分析的情况下实时检测有针对性广告？
• RQ2 保护隐私的众包模型能否检测到间接投放，即广告基于推断的兴趣而非语义重叠而展示的情况？
• RQ3 与基于内容或相关性分析的方法相比，基于计数的启发式方法在识别有针对性广告方面的准确性如何？
• RQ4 在众包广告审计系统中使用真实用户时，可扩展性与隐私之间的权衡如何？
• RQ5 此类系统能否支持用户、监管机构以及像 YourAdChoices 这类自我监管倡议的独立审计？

主要发现

• eyeWnder 仅通过广告曝光的分布式计数，成功实现实时检测有针对性广告，无需内容分析或用户身份披露。
• 该系统能够检测间接投放——即基于推断的用户行为而非语义相似性展示的广告——而传统基于内容的方法无法做到。
• 模拟研究证实，该基于计数的启发式方法在各种参数设置下均具有鲁棒性，包括噪声和采样变化。
• 实际部署验证表明，即使在复杂的真实广告投放环境中，该方法也能高精度识别有针对性广告。
• 隐私保护协议确保了个体用户的广告曝光记录和浏览历史保密，同时支持对投放行为的全局统计检测。
• 该方法在可扩展性和对非语义目标投放（如人口统计或行为目标投放）的适用性方面，优于基于内容的检测方法。