طريقة تعلم الآلة لمنع الإعلانات بناءً على سلوك المتصفح المحلي

قام باحثون في سويسرا والولايات المتحدة بتصميم نهج جديد لتحليل المحتوى الإعلاني للمواقع على الإنترنت بناءً على تفاعله مع المتصفح، بدلاً من تحليل المحتوى أو سلوك الشبكة – نهجين أثبتا عدم فعالية على المدى الطويل في مواجهة تقنيات التخفي الإعلاني (انظر أدناه).

سميت هذه الإطار باسم WebGraph، وتستخدم نهجًا قائمًا على الرسم البياني لتحليل الإعلانات من خلال التركيز على الأنشطة الأساسية للإعلانات على الإنترنت – بما في ذلك محاولات التелеметري والخزن المحلي للمتصفح – بحيث يكون التخفي الفعال الوحيد هو عدم إجراء هذه الأنشطة.

على الرغم من أن النهوج السابقة حققت معدلات كشف أعلى قليلاً من WebGraph، إلا أن جميعها معرضة لتقنيات التهرب، في حين يمكن لمنصة WebGraph أن تصل إلى نسبة 完整ة تبلغ 100٪ في مواجهة الاستجابات المعادية، بما في ذلك الاستجابات المتقدمة المتصورة التي قد تظهر في مواجهة هذه الطريقة الجديدة لمنع الإعلانات.

تترأس البحث باحثان من المعهد الفدرالي السويسري للتكنولوجيا، بالتعاون مع باحثين من جامعة كاليفورنيا، دافيس وجامعة آيوا.

ما وراء AdGraph

هذا العمل هو تطور لمبادرة بحثية عام 2020 مع متصفح Brave تسمى AdGraph، والتي شارك فيها اثنان من الباحثين في الورقة الجديدة.

مقارنة بين AdGraph و WebGraph، مع خطوط متقطعة تمثل الابتكارات المعمارية على النهج السابق. مصدر: https://arxiv.org/pdf/2107.11309.pdf

يعتمد AdGraph على سمات المحتوى الإعلاني، المستمدة من تحليل عناوين URL، كوسيلة لتحديد المحتوى التجاري. ومع ذلك، تمثل هذه السمات نقطة فشل محتملة للمخادعين الذين يبحثون عن الكشف عن وجود أنظمة كشف الإعلانات، وتصميم طرق للتغلب عليها. يعتمد هذا الاعتماد على سمات المحتوى على نهج قائم على قائمة فلتر يدوية، مما يجعله نسخة آليّة من النهوج القائمة على القوائم.

التخفي الإعلاني

ينتمي المحتوى المنشأ من نطاق الموقع نفسه إلى فئة “موثوق بها”، بقدر ما يتمثّل النطاق نفسه بالثقة.对于 موقع ذي سلطة عالية، هناك قيمة كبيرة في تشغيل حملات إعلانية تتميز بأنها تبدو وكأنها مستضافة من قبل الموقع ذاته، لأن مثل هذه الإعلانات تكون محمية من قوائم منع الإعلانات القائمة على الفلتر، وحتى من نهج AdGraph لعام 2020.

然而، فإن الحملات المخصصة صعبة التفاوض، باهظة التكلفة، وتتعارض مع مبادئ نموذج الإعلان على الشبكة الذي تم تطويره على مدار 25 عامًا الماضية، حيث يدرج منصة إعلانية طرف ثالث رمزًا مباشرةً في موقع المستضيف، عادةً ما “يتألف” من فترة زمنية قصيرة dựa على رغبة المعلن في الكلمات الرئيسية وعوامل أخرى.

منذ أن تعتمد معظم أنظمة منع الإعلانات على المواد الثالثة في صفحات الويب (أي العناصر المضيفة على نطاقات “أجنبية”)، فقد قام المعلنون بمكافحة ذلك باستخدام تقنيات التخفي الإعلاني على مدار الخمس سنوات الماضية. تقنيات التخفي الإعلاني تخدع المتابعين للاعتقاد بأن نطاق فرعي لموقع المستضيف (على سبيل المثال، معلومات.مثال.كوم بدلاً من مثال.كوم) هو تابع حقيقي للموقع، بينما هو في الواقع آلية إعلانية وسيطة مع مزودي إعلانات طرف ثالث.

في مارس 2021، كشفت دراسة أن حوادث التخفي الإعلاني زادت بنسبة 22٪ بين 2018 و 2020، مع استخدام ما يقرب من 10٪ من مواقع Tranco العشرين ألف الأولى على الأقل جهاز تتبع قائم على CNAME بحلول أكتوبر 2020.

التنازل عن الثقة في عناوين URL

تتضمن تقنيات التخفي الإعلاني التلاعب بعناوين URL المشاركة في عملية تقديم الإعلانات. أي نظام لمنع الإعلانات يثق في سلسلة عناوين URL سوف يكون عرضة للتلاعب والتهرب.

لذلك، تقوم منصة WebGraph بتغيير عناوين URL الموردة بشكل عشوائي (بما في ذلك سلاسل الاستعلام، عدد المعاملات وأسماء المعاملات)، تبحث عن أنماط الاستخدام بدلاً من عناوين URL المحددة الممنوعة أو المقبولة.

يجب على النظام أن يأخذ في الاعتبار两个 تكوين شائع في هيكل تقديم الإعلانات: أحدهما، حيث يتعاون الموقع المضيف مباشرة مع المعلن؛ والآخر (الأكثر شيوعًا) حيث يقدم المعلن تعاونًا محدودًا بسبب الحاجة لحماية نفسه من التلاعب من قبل عملائه.

في النهوج القائمة على القوائم، بما في ذلك AdGraph، فإن التلاعب الناجح بعناوين URL من قبل نظام تقديم الإعلانات هو تقريبًا نصر كامل، مما يعطي الإعلان مصدرًا “محليًا” ويتجنب几乎 جميع محاولات منع المحتوى الإعلاني بشكل منهجي.

ما بقي من التوقيع؟ تركز منصة WebGraph بدلاً من ذلك على حاجة أنظمة الإعلانات لمشاركة المعلومات بطرق شبه محجوبة، مثل متابعي الويب والاتصالات بين الإطارات والسمع المتصفح، والتي تقوم بتلبية حالة الصفحة المضيفة بشكل دائم للنشاط الذي يعتبر ذا معنى فيما يتعلق بمقاييس الويب للمعلن.

تتضمن هذه الأنشطة تخزين المتغيرات في الكوكيز أو التخزين المحلي القائم على HTML5.

تستخدم منصة WebGraph إطار عمل Mozilla للقياس الخاص بالخصوصية على الويب (OpenWPM) لتتبع هذه الأنشطة في متصفح Firefox. تقوم بتقاط جميع الأنشطة على مستوى جافا سكريبت، وجميع الطلبات الصادرة والاستجابات على مستوى الشبكة.

يضيف هذا الفحص الإضافي حواف جديدة لتدفق المعلومات إلى شبكة الرسم البياني التي提出了ها AdGraph، مما يسمح لمنصة WebGraph بتسجيل وتقدير أنماط مشاركة المعلومات بناءً على النشاط المحلي، بغض النظر عن عناوين URL الأصلية والوجهة لاتصالات التелеметري أو الاتصالات الداخلية الأخرى في أنظمة تقديم الإعلانات.

النتائج

استخدم الباحثون نسخة موسعة من OpenWPM لتحليل منهجي لمواقع الويب 10,000 من مواقع Alexa العشرين ألف الأولى، وعينة عشوائية من 9,000 موقع من الترتيب 1,000 إلى 100,000، وقاموا بتخزين تمثيلات الرسم البياني قبل تمرير النتائج إلى مصنف شجرة القرار الذي تم نمذجته على تصميم AdGraph الأصلي، واستخدموا قوائم فلتر الإعلانات الشائعة كحقيقة أساسية. بهذه الطريقة، تم بناء مجموعة بيانات لتدريب النموذج الأساسي.

حققت المنصة نتائج مقاربة لنتائج AdGraph، مع دقة 92.33٪. ومع ذلك، زادت مقاومة النظام الجديد للتحايل من معدل فشل شبه كامل لمنصة AdGraph إلى معدل قابلية للتأثر بنسبة 8٪ فقط تحت منصة WebGraph.

اتجاهات مستقبلية

يزعم البحث أن شبكات الإعلانات ستحتاج إلى إعادة هيكلة أنظمتها بشكل ملحوظ لتجنب الكشف في مواجهة نهج منصة WebGraph، ويشير إلى أن مثل هذه التغييرات سوف تتطلب مراجعة العلاقة الثقة الحالية بين المعلنين الطرف الثالث والمواقع المضيفة التي تظهر إعلاناتهم.

كما يشير البحث إلى أن منصة WebGraph لا تأخذ في الاعتبار تقنيات التتبع الخالية من الحالة مثل بصمة المتصفح (من خلال عنصر الكanvas)، والتي تستخدم واجهات برمجة التطبيقات التي لا يتم تتبعها حاليًا من قبل النظام. ويقترح الباحثون أن منصة WebGraph يمكن توسيعها في المستقبل لتأخذ في الاعتبار هذه الأنواع من التفاعلات ومؤشرات التخزين المحلي.