[论文解读] Towards Understanding First-Party Cookie Tracking in the Field

Nurullah Demir, Daniel Theis+2 more|arXiv (Cornell University)|Feb 3, 2022

Privacy, Security, and Data Protection被引用 4

一句话总结

本文对现实世界中第一方Cookie追踪开展了一项大规模测量研究，揭示了76%的顶级15,000个网站通过DNS CNAME伪装技术，利用第一方Cookie代表第三方追踪用户。研究显示，此类追踪从2020年到2021年增长了50%，谷歌和Facebook等主要参与者主导该生态系统，绕过第三方Cookie禁令，暴露出当前反追踪防御中的关键隐私漏洞。

ABSTRACT

Third-party web tracking is a common, and broadly used technique on the Web. Almost every step of users' is tracked, analyzed, and later used in different use cases (e.g., online advertisement). Different defense mechanisms have emerged to counter these practices (e.g., the recent step of browser vendors to ban all third-party cookies). However, all of these countermeasures only target third-party trackers, and ignore the first party because the narrative is that such monitoring is mostly used to improve the utilized service (e.g., analytical services). In this paper, we present a large-scale measurement study that analyzes tracking performed by the first party but utilized by a third party to circumvent standard tracking preventing techniques (i.e., the first party performs the tracking in the name of the third party). We visit the top 15,000 websites to analyze first-party cookies used to track users and a technique called "DNS CNAME cloaking", which can be used by a third party to place first-party cookies. Using this data, we show that 76% sites in our dataset effectively utilize such tracking techniques, and in a long-running analysis, we show that the usage of such cookies increased by more than 50% over 2021. Furthermore, we shed light on the ecosystem utilizing first-party trackers, and find that the established trackers already use such tracking, presumably to avoid tracking blocking.

研究动机与目标

• 调查第一方Cookie追踪在真实网站中的普遍性及其机制，特别是作为绕过第三方追踪屏蔽的手段。
• 分析DNS CNAME伪装在实现可规避标准隐私保护的第一方追踪中的作用。
• 利用HTTP Archive的纵向数据，评估第一方追踪的规模及其随时间的增长趋势。
• 识别追踪生态系统中的关键参与者，并评估其对隐私保护技术的影响。
• 通过证明第一方追踪被用于跨站追踪，挑战“第一方追踪无害且对服务功能必要”的假设。

提出的方法

• 使用自定义测量管道，收集并分析来自顶级15,000个网站的HTTP和DNS流量。
• 追踪包含用户标识符的第一方Cookie的存在及其向第三方域名的传播。
• 通过检测DNS层级的重定向，识别CNAME伪装技术，以隐藏第一方上下文中第三方追踪源的踪迹。
• 利用HTTP Archive数据集，对2020至2021年的追踪趋势进行纵向分析。
• 通过识别主导的第三方追踪器及其在第一方网站中的部署模式，对追踪生态系统进行分类。
• 通过分析标识符泄露至外部域名的情况，评估第一方追踪的隐私影响。

实验结果

研究问题

• RQ1 在真实世界网站中，第一方Cookie在多大程度上被用于代表第三方追踪用户？
• RQ2 DNS CNAME伪装作为一种隐藏第三方追踪于第一方上下文中的技术，其普遍性如何？
• RQ3 2020至2021年间，第一方追踪机制的部署趋势如何？
• RQ4 哪些主要追踪公司最积极地通过CNAME伪装或类似方法部署第一方追踪？
• RQ5 第一方追踪如何削弱现有的隐私保护机制，例如第三方Cookie屏蔽？

主要发现

• 在分析的15,000个网站中，76%使用第一方Cookie代表第三方追踪用户，表明该技术被广泛采用。
• 超过69%的分析网站使用DNS CNAME伪装技术，以在第一方上下文中隐藏第三方追踪器的存在。
• 基于HTTP Archive数据，第一方追踪标识符泄露至第三方的量在2020至2021年间增长了50%以上。
• 谷歌和Facebook等主要追踪平台是第一方追踪生态系统中的主导者，利用这些技术绕过隐私保护。
• 通过Cookie和CNAME伪装实现的第一方追踪对用户和现有隐私工具而言大多不可见，因其伪装成第一方功能运作。
• 本研究揭示，第一方追踪不仅限于服务功能，还被主动用于跨站追踪，挑战了此类追踪无害的假设。