[论文解读] Clash of the Trackers: Measuring the Evolution of the Online Tracking Ecosystem

Κωνσταντίνος Σολωμός, Panagiotis Ilia+2 more|arXiv (Cornell University)|Jul 30, 2019

Privacy, Security, and Data Protection参考文献 36被引用 7

一句话总结

本项纵向研究通过六次时间序列爬取，分析了两年间5,000个顶级网站在线追踪生态系统的演变。研究提出新颖的基于图的方法——发布者-追踪器（PT）网络与追踪器-追踪器（TT）网络，用于衡量追踪器的普遍性、嵌入程度及追踪器间协作情况，发现47–81%的已知Cookie同步对可通过TT图检测到，为真实用户追踪流提供了可扩展、低成本的代理指标。

ABSTRACT

Websites are constantly adapting the methods used, and intensity with which they track online visitors. However, the wide-range enforcements of regulations such us GDPR and e- Privacy has forced websites serving EU-based online visitors to eliminate, or at least reduce, such tracking activity, given they receive proper user consent. Thus, it is important to analyze the aftermath of such policies, record the evolution of this tracking activity, and assess the overall “privacy health” of the Web ecosystem. This work makes a significant step towards this direction. In this paper, we analyze the ecosystem of 3rd- parties embedded in top websites, which amass the majority of online tracking, through six time snapshots taken every few months apart, in the duration of the last few years. We perform this analysis in three ways: 1) by looking into the network activity that 3rd-parties impose on each publisher hosting them, 2) by constructing a bipartite graph of “publisher-to-tracker”, connecting 3rd-parties with their publishers, 3) by constructing a “tracker-to-tracker” graph connecting 3rd-parties who are commonly found in publishers. We record significant changes through time in number of trackers, traffic induced in publishers, embeddedness of trackers in publishers, popularity and mixture of trackers across publishers. In the last level of analysis, we dig deeper and look into the interconnectivity of trackers, and how this relates to potential cookie synchronization activity.

研究动机与目标

• 理解在线追踪生态系统在应对GDPR及其他隐私法规时的演变过程。
• 评估隐私法规对追踪器普遍性、网络活动及追踪器间协作的影响。
• 开发无需依赖真实用户数据的可扩展、自动化的追踪器交互检测方法。
• 评估基于合成流量的自动化网络爬取是否能有效推断第三方追踪器之间的Cookie同步流。
• 利用二分图（发布者-追踪器）与共现图（追踪器-追踪器）对追踪生态系统进行建模，以开展结构分析。

提出的方法

• 使用位于欧盟的IP地址对顶级Alexa网站执行六次按时间排序的爬取，以捕捉受GDPR影响的追踪行为。
• 分析第三方追踪器的网络级HTTP活动，以衡量流量规模与追踪强度。
• 构建发布者-追踪器（PT）二分图，以建模追踪器在网站间的嵌入性与连通性。
• 构建追踪器-追踪器（TT）共现图，以识别在发布者中频繁共现的追踪器对。
• 将TT对与先前研究提供的真实Cookie同步（CS）对进行比较，以验证检测准确性。
• 应用图度量方法（如度中心性、介数中心性、聚类系数）分析追踪生态系统随时间变化的结构特性。

实验结果

研究问题

• RQ1 在两年期间，顶级网站中第三方追踪器的数量及其网络活动发生了怎样的变化？
• RQ2 像GDPR这样的隐私法规在多大程度上减少了追踪活动？生态系统又如何适应这些变化？
• RQ3 发布者中追踪器的共现关系（TT图）能否可靠地检测追踪器之间的潜在Cookie同步流？
• RQ4 哪些追踪器在追踪生态系统中最具中心性或影响力？它们的角色随时间如何演变？
• RQ5 使用合成流量的自动化爬取在多大程度上能反映真实用户驱动的Cookie同步模式？

主要发现

• 尽管GDPR已实施，Google、Facebook、AppNexus和Criteo等主要追踪器在发布者中的市场份额仍保持或有所增加。
• Twitter和Adobe等顶级追踪器虽未位列度中心性最高的列表，但表现出较高的介数中心性，表明其在生态系统中具有核心作用。
• 追踪器-追踪器（TT）图检测到了47–81%的已知Cookie同步（CS）对，表明其具有很强的相关性。
• 发布者-追踪器（PT）网络的结构在时间上保持高度稳定，嵌入性与连通性模式无显著变化。
• TT图可作为检测追踪器间潜在数据共享与Cookie同步的实用、低成本代理指标。
• 本研究通过TT图分析揭示了此前未被发现的追踪器间关系，凸显了追踪生态系统中隐藏的协作模式。