Maschinelles Lernen vs. Cookie-Zustimmungssysteme

Eine neue Forschungskooperation zwischen der University of Wisconsin und Google setzt maschinelles Lernen gegen eines der ärgerlichsten Benutzerärgernisse des letzten Jahrzehnts ein – die Undurchsichtigkeit und zynische Missbrauch von DSGVO-konformen Cookie-Zustimmungsbannern.

Der neue Rahmenwerk, betitelt CookieEnforcer, verwendet Semantische Textverständnis, um die Bedeutung und Nützlichkeit des zugrunde liegenden Codes hinter dem Cookie-Zustimmungspopup oder -Banner zu analysieren, um dem Benutzer die fehlende “Ein-Klick-Lösung” zur Deaktivierung aller wirklich “nicht notwendigen” Cookies zu bieten – einschließlich derjenigen, die Domain-Inhaber als “essentiell” darstellen, auch wenn sie es nicht sind.

CookieEnforcer untersucht Cookie-Zustimmungscode von der Website www.askubuntu.com. Quelle: https://arxiv.org/pdf/2204.04221.pdf

Das System wird über ein Benutzer-installiertes Webbrowser-Plugin implementiert, das in der Lage ist, benutzerdefinierte Regeln in einem einzigen Klick anzuwenden. Sobald ein Cookie-Zustimmungsframework auf der Website erscheint, kann der Benutzer das Plugin aktivieren, das dann den Cookie-Zustimmungscode für potenzielle Aktionen durchsucht und geeignetes JavaScript generiert, um die Auswahlmöglichkeiten im Namen des Benutzers zu treffen.

Das Plugin kann so eingestellt werden, dass es Benutzervorlieben automatisch durchsetzt oder einzelne Fälle berücksichtigt, wodurch der Benutzer Einstellungen vor der endgültigen Übermittlung anpassen kann.

Cookie-Enforcer in Aktion. Wenn bevorzugt, kann das Chrome-Plugin diesen Prozess vollständig automatisieren, ohne weitere Benutzereingaben. Siehe später eingebettetes Video für weitere Details. Quelle: https://www.youtube.com/watch?v=5NI6Q981quc

Die Herausforderung, die möglichen “Nicht-Zustimmungs”-Optionen zu parsen, die typischerweise in dunklen und mühsamen Gruppen von Einstellungen versteckt sind (anstatt der benutzerfreundlichen Alle akzeptieren-Typ von Zustimmungsframeworks), wird als Sequenz-zu-Sequenz-Aufgabe modelliert.

In einer End-to-End-Genauigkeitsbewertung konnte CookieEnforcer in 91% der Fälle die notwendigen Schritte generieren, um kryptische Cookie-Zustimmungsverfahren zu umgehen, auf Domains, die während der Trainingsphase des maschinellen Lernmodells nicht gesehen wurden. Eine Benutzerstudie zeigte außerdem, dass das System den Benutzeraufwand bei der Navigation durch die Zustimmungsmodule erheblich reduziert.

Das Papier, das die Methode vorstellt, trägt den Titel CookieEnforcer: Automatisierte Cookie-Zustimmungsanalyse und -Durchsetzung und stammt von drei Forschern der University of Wisconsin at Madison und einem von Google Inc.

Arkane Wege zur Cookie-Zustimmung

Seit der Verabschiedung der Datenschutz-Grundverordnung (DSGVO) im Jahr 2016 und des California Consumer Privacy Act (CCPA) im Jahr 2018 müssen Websites, die Benutzer aus den von diesen Gesetzen abgedeckten Gebieten ansprechen möchten, Cookie-Präferenzmechanismen (in der Regel basierend auf der Erkennung der IP-Adresse des Benutzers als Proxy für sein Herkunftsland) bereitstellen.

Da Domain-Inhaber jedoch seit langem daran gewöhnt waren, wertvolle und handhabbare Benutzerdaten aus der undurchsichtigen und normalerweise unsichtbaren Implementierung von Cookies zu gewinnen, zeigten sie sich wenig bereit, einfache Opt-outs für ihre neu ermächtigten Benutzer bereitzustellen.

Die Standard-Benutzeroberfläche für Cookie-Zustimmungsschnittstellen (die beim ersten Besuch einer Website oder wenn der Benutzer Cookies für diese Website gelöscht hat, erscheinen) etablierte sich schnell in Dunkle Muster, die den Betrachter mit granularen, zeitaufwändigen und umfangreichen Auswahlmöglichkeiten ermüden, wenn sie ihre Rechte ausüben möchten; oder ein einfaches und leicht zugängliches Button, der den Benutzer in alle Cookies optiert, die der Domain-Inhaber ausführen möchte. Diese Kultur von labyrinthinen Benutzeroberflächen wurde in einer Studie aus dem Jahr 2020 als ‘Schatzsuche’ beschrieben.

Das neue Papier kommentiert:

‘[Benutzer] finden es möglicherweise schwierig, informierte Cookie-Kontrolle für Websites mit komplizierten Hinweisen auszuüben. Sie sind viel eher bereit, auf Standardkonfigurationen zu vertrauen, als sie ihre Cookie-Einstellungen für jede [Website] fein zu justieren. In mehreren Fällen sind diese Standardkonfigurationen datenschutzinvasiv und favorisieren die Diensteanbieter, was zu Datenschutzrisiken führt.’

Ein Kommentar zu einem beliebten Forenbeitrag zu diesen Praktiken beschrieb sie als “bösartige Compliance”. Die Unzufriedenheit der Benutzer mit Cookie-Zustimmungssystemen ist ein Thema, das große Verleger betrifft, die normalerweise weitere Berichterstattung finanzieren könnten, wenn sie nicht selbst so sehr von ihren eigenen Praktiken in diesem Bereich betroffen wären.

Ein typisches Labyrinth von Optionen, in diesem Fall von der TechCrunch-Website, ironischerweise als Vorwort zu einem Artikel über die EU-Position zu Cookie-Zustimmung. Die angehängten URL-Identifikatoren und Haken, die zur weiteren Aktivierung der Verfolgung dienen, hatten eine Länge von 262 Zeichen (hier gelöscht). Ein ‘Alle ablehnen’-Button ist zwar für bestimmte Kategorien von Cookies verfügbar, aber nicht für die gesamte Menge möglicher Cookies; in diesen Ausnahmefällen muss der Benutzer jedes ‘Toggle’ betätigen.

Ein Papier aus Deutschland aus dem Jahr 2019 fand heraus, dass die Mehrheit der Website-Besucher in den untersuchten Domains zu umfassender Zustimmung “genudgt” wurden und dass nur ein Drittel der Websites tatsächlich die Zwecke der Datenerfassung erklärten.

Eine Reihe von Webbrowser-Plugins, Add-ons und Erweiterungen sind in den letzten Jahren entstanden, um das Problem anzugehen, wie z.B. die Cookie Quick Manager-Firefox-Erweiterung und eine breite Palette von Chrome-Alternativen, während die Europäische Union versucht, die Compliance-Schleupflöcher um Cookie-Zustimmungsarchitekturen zu schließen.

Methode und Daten

Die Forscher des neuen Papiers waren entschlossen, ein robustes Cookie-Zustimmungsmanagement-Framework zu erstellen, indem sie auf Schlüsselwörter oder handgefertigte Regeln verzichteten, dem zentralen Ansatz einer Reihe von ähnlichen ML-gestützten Projekten.

CookieEnforcer hat drei Ziele: Cookie-Hinweise und -Schnittstellen in ein maschinenlesbares Format zu übersetzen; die Cookie-Konfiguration zu identifizieren, um nicht essentielle Cookies zu deaktivieren; und zusätzliche Einschränkungen ohne weitere Benutzereingaben anzuwenden, wenn dies vom Benutzer gewünscht wird.

Das System besteht aus einer Backend-Komponente, die Cookie-Hinweise erkennt und analysiert, und einer Frontend-Komponente in Form eines Browser-Plugins, das die Deaktivierung nicht essentieller Cookies generiert und ausführt (d.h. Cookies, die die Navigation oder den Zugriff auf die Website nicht behindern, wenn sie blockiert werden).

Das Framework ist in einer Chrome-spezifischen lokal installierten Erweiterung verkörpert, die die Selenium-Web-Testbibliothek unter dem ChromeDriver-Framework verwendet.

Die Backend-Sektion umfasst Module für Erkennung, Analyse und Entscheidungsmodell. Das Analysemodul berücksichtigt Änderungen im Code, die durch Benutzereingaben eingeführt werden, sodass der anfängliche Code-Dump nicht durch simulierte Benutzereingaben ungültig wird.

Natürliches Sprachverständnis

Mit dem gezeigten Code ist es wichtig, dass CookieEnforcer den bestehenden Zustand möglicher Aktionen versteht, die es ausführen kann, da die Sprache hinter Toggle-Buttons in Bezug auf den Nutzen für den Endbenutzer mehrdeutig sein kann.

Zu diesem Zweck trainierten die Forscher ein Text-To-Text-Transfer-Transformer (T5)-Modell für seine Entscheidungskomponente. Das T5-Large-Modell, das 770 Millionen Parameter enthält, wurde auf einer benutzerdefinierten Datenbank von Eingabe-/Ausgabecode (d.h. Code, der die Funktionalität von Toggle-Optionen beschreibt und ermöglicht) fein abgestimmt.

Beispiel-Formatierung (oben) und Trainingsdaten (unten) für das T5-Modell. Das Datenbeispiel stammt von www.askubuntu.com.

Die Datenbank wurde erstellt, indem 300 Websites mit Cookie-Hinweisen aus der Liste der Top-50k beliebtesten Websites von Tranco ausgewählt wurden. Die Erkennungs- und Analysemodule extrahierten die Cookie-Zustimmungsoptionen aus ihrem Laufzeit-Quellcode und bewerteten ihre Standardzustände.

Einer der Forscher hat dann die interpretierte Reihe von Klicks manuell beschriftet, die notwendig sind, um nicht essentielle Cookies für alle untersuchten Websites zu deaktivieren, was zu 300 vollständig beschrifteten Domains führte.

Vielfalt in der Quellcode-Disposition über Beispiele aus der benutzerdefinierten Datenbank.

60 Websites wurden als Testmenge beiseite gelegt, und das T5-Large-Modell wurde mit einer Lernrate von 0,003 bei einer Batch-Größe von 16 für 20 Epochen trainiert, mit einer maximalen Eingabesequenzlänge von 256 Token und einer maximalen Zielsequenzlänge von 64. Die Token bestanden aus Sub-Wörtern, die durch Google’s SentencePiece-Tokenizer erstellt wurden.

Schließlich wird die verarbeitete Information in einer lokalen Datenbank gespeichert und dem Frontend des Systems zur Verfügung gestellt. Die Autoren bevorzugen die querySelector()-HTML-Funktion gegenüber dem XML Path Language (XPath)-Ansatz, der von einigen vorherigen ähnlichen Projekten verwendet wurde, da XPaths für Cookie-Hinweise anfällig für DOM-Aktualisierungen sind (d.h. der Code kann sich nach dem initialen Laden in Reaktion auf Benutzereingaben ändern). Auf diese Weise können die Elementpfade auch dann beibehalten werden, wenn sie dynamisch und auf externe Faktoren reagieren.

Testen und Leistung

In der Praxis erwies sich CookieEnforcer als in der Lage, einige der dunkelsten dunklen Muster in der Datenbank zu navigieren, wie z.B. eine versteckte Option im Cookie-Zustimmungsframework von The New Scientist, die durch JavaScript bis zum expliziten Anfordern durch den Benutzer verborgen bleibt.

Die Autoren kommentieren:

‘Diese Option kann vom Benutzer leicht übersehen werden, da er ein zusätzliches Fenster erweitern muss, um sie zu sehen. CookieEnforcer findet nicht nur diese Option, sondern versteht auch die Semantik und entscheidet sich, Einspruch zu erheben. Diese Beispiele zeigen, dass das Modell den Kontext lernt und auf neue Beispiele verallgemeinert.’

Die Forscher führten drei Tests durch, einschließlich einer End-to-End-Bewertung der Leistung des Frameworks über 500 nicht gesehene Domains (d.h. Websites, für die CookieEnforcer nicht speziell trainiert wurde), bei denen die Autoren berichten, dass es erfolgreich nicht essentielle Cookies für 91% der Websites deaktivieren konnte.

Der zweite Test bestand aus einer Online-Benutzerstudie über 14 Websites und verwendete die System-Usability-Skala (Score) gegen einen manuellen Baseline. Für diesen Test berichten die Autoren, dass CookieEnforcer einen 15% höheren Score als den Baseline erzielte.

CookieEnforcer ermöglicht einen 15% höheren Score als den Baseline (nicht unterstützte) Gebrauch, während es gleichzeitig einen ärgerlichen Prozess automatisiert.

Schließlich wurden die trainierten Parameter von CookieEnforcer gegen die Top-5000-Websites in den USA und Europa getestet, um seine Fähigkeit zu bestimmen, Cookie-Hinweise zu navigieren. Die Autoren stellen fest:

‘Während Messungen in dieser Größenordnung bereits durchgeführt wurden, ermöglicht CookieEnforcer ein tieferes Verständnis der Optionen jenseits von keyword-basierten Heuristiken. Insbesondere finden wir heraus, dass 16,7% der Websites im Vereinigten Königreich, die Cookie-Hinweise anzeigen, mindestens ein nicht essentielles Cookie aktiviert haben. Die gleiche Zahl für Websites in den USA beträgt 22%.’

Die Autoren haben ein kurzes YouTube-Video veröffentlicht, das CookieEnforcer in Aktion zeigt:

Erstveröffentlicht am 12. April 2022.