Adblockien eston estoamisen torjuminen koneoppimisella

Yhdysvalloista ja Pakistanista lähtöisin oleva uusi tutkimushanke on kehittänyt koneoppimismenetelmän, jolla voidaan tunnistaa verkkosivustot, jotka ovat vastustuskykyisiä mainosesto- ja muiden yksityisyyden suojaamiseen liittyvien teknologioiden suhteen, sekä purkaa näiden sivustojen käyttämät tekniikat, joilla sekoitetaan mainosten ja oikean sisällön alkuperä, jotta sisältöä ei voida näyttää, jos mainokset estetään.

Uudet mainosestoteknologiat, jotka kehitetään tämän tutkimuksen tuloksena, voivat lopettaa tapahtumat, joissa artikkelin keskeinen sisältö ei ole näkyvissä, kun mainokset estetään, tarjoamalla automaattisen menetelmän erottaa mainos- ja skriptiresursseja, sen sijaan, että käytettäisiin nykyisten mainosestoframejen manuaalista lähestymistapaa.

Tutkimuksen tekijät suorittivat laajan tutkimuksen “sekoitetuista resursseista” 100 000 verkkosivustolla, ja he löysivät, että 17 % verkkotunnuksista, 48 % isäntänimistä, 6 % skripteistä ja 9 % sisällön toimittamistavoista sekoittavat tarkoituksella seurantatoiminnallisuuden (eli mainontaa) prosesseihin, jotka toimittavat oikeaa sisältöä. Tällaisissa tapauksissa artikkelin sisältö katoaa käyttäjiltä, jotka käyttävät mainosestoa tai seurantaa estävää ohjelmistoa, ja pakottaa käyttäjän poistamaan nämä toimenpiteet, jotta sisältö voidaan näyttää.

Useimmissa tapauksissa tämä ei tarkoita vain sitä, että mainokset tulevat jälleen näkyviin, vaan myös sitä, että käyttäjät joutuvat takaisin ristiinverkkoseurantajärjestelmiin, jotka ovat herättäneet tietosuojan puolustajien viime vuosina.

Uusi tutkimus tarjoaa järjestelmän, joka pystyy erottamaan näiden “sekoitettujen” verkkoresurssien osat 98 %:n tarkkuudella, antaen mainosestoon ja seurantaa estäville ratkaisuille mahdollisuuden purkaa nämä virrat myöhemmissä ohjelmistoversioissaan, ja mahdollistaen sisällön näyttämisen uudelleen mainosesti estettyjen sivujen yhteydessä.

Uusi tutkimusartikkeli on otsikoitu TrackerSift: Untangling Mixed Tracking and Functional Web Resources, ja se on peräisin tutkijoilta Virginian teknillisestä yliopistosta ja Kalifornian yliopistosta Davisissa Yhdysvalloissa, sekä FAST NUCES:sta ja Lahore University of Management Sciences (LUMS):sta Pakistanissa.

Mainoseston sota

Mainosestojärjestelmät perustuvat yleensä siihen, että mainossisältö verkkosivulla on peräisin tietystä, omistetusta verkkotunnuksesta – yleensä mainosteknologian alustoista, joilla on verkkotunnukset ja/tai IP-osoitteet, jotka voidaan luokitella “kolmannen osapuolen mainonnaksi”, mahdollistaen estolistojen kehittämisen, jotka eivät suorita sisältöä näistä alkuperistä verkkosivulla.

Lisäksi mainoskohtaisia resursseja, kuten skriptejä, voidaan lisätä estolistoihin, jotta ne eivät suorita, vaikka niiden alkuperä on tietoisesti peitetty. Näiden järjestelmällisesti luotujen skriptien nimistö on usein johdonmukainen, mahdollistaen tunnistamisen ja estämisen.

Koska mainos, joka on esitetty verkkosivulla, valitaan usein viimeisten muutaman millisekunnin aikana sivun lataamisen aikana dynaamisen huutokauppa-prosessin kautta (perustuen sivulla oleviin avainsanoihin, kampanjan kohdennusmittareihin ja muihin tekijöihin), ei ole käytännöllistä tallentaa mainoksia isäntäverkkotunnukseen, mikä teoriassa estäisi mainosestäjiä piilottamasta kaupallista sisältöä.

Yhä useammin verkkosivustot taistelevat mainosestoa vastaan CNAME-peittämisen avulla – käyttämällä isäntäverkkotunnusten aliverkkotunnuksia välittäjinä mainospalvelimille (esim. content.example.com palvelee mainoksia example.com:lle, vaikka aliverkkotunnus ei ole muuta tarkoitusta kuin palvella mainoksia, eikä sitä ylläpidä isäntäverkkosivusto, vaan sen mainostajat).

TrackerSift

Tutkimuksen tekijät esittävät TrackerSiftin, alustan, joka analysoi verkkosivustojen hakemia verkkoresursseja ja luokittelee sekoitetut resurssit “sisällöksi” ja “mainonnaksi”. Yleisimmällä tasolla TrackerSift tallentaa perustiedot verkkoresursseista, kuten mainossisällön, joka haetaan sisällön toimittamisverkosta (CDN) tai mainosalustalta, mutta se syvenee resurssien sisältöön, suorittaa koodin analyysin ja erottaa eri skriptikutsujen ja prosessien toiminnallisuuden.

Uusi tutkimusartikkeli on otsikoitu TrackerSift: Untangling Mixed Tracking and Functional Web Resources, ja se on peräisin tutkijoilta Virginian teknillisestä yliopistosta ja Kalifornian yliopistosta Davisissa Yhdysvalloissa, sekä FAST NUCES:sta ja Lahore University of Management Sciences (LUMS):sta Pakistanissa.

Data

Tutkimuksen tekijät keräsivät aineiston, joka mahdollisti TrackerSiftin, tarkastamalla 100 000 satunnaisesti valittua verkkosivustoa vuoden 2018 Tranco top-million listalta. Selenium -selainautomaatio ja Google Chrome käytettiin yhdessä tehtävän suorittamiseen.

Verkkokävelyverkko perustui Pohjois-Amerikan yliopistoihin, ja se koostui 13 solmusta, joissa oli 112 ydintä, 52 teratavua tallennustilaa ja 823 gigatavua käyttömuistia koko järjestelmässä.

Sekoitetut skriptit

Tulokset osoittavat laajan käytön skriptibundlingia, jossa mainosalat ja sisällön isännät tietoisesti yhdistävät sisältöön perustuvia ja mainoksiin perustuvia skriptejä “ylikokoelmiin”, jotka estävät sisällön näyttämisen, jos ne estetään. Esimerkiksi tutkijat mainitsivat, että pressl.co palvelee web-skriptiä, joka on yhdistetty WebPack -JavaScript-yhdistämisalustalla, joka sisältää Facebookin seurantapikselin ja myös koodin, joka mahdollistaa oikean sisällön renderöinnin.

Lisäksi tutkimusartikkeli toteaa, että useat verkkotunnukset ovat valmiit upottamaan skriptejä suoraan verkkosivujen koodiin, mikä edellyttää mainosestoframejen osoittaa skriptien toiminnallisuutta, sen sijaan, että estettäisiin skriptin lataus sen kolmannen osapuolen lähdetunnisteesta.

Näiden menetelmien lokalisoimalla on selvä polku systemaattisen tällaisen koodin jakamiselle sisältö- ja mainosluokkiin, ja mahdolliselle sisällön näyttämisen palauttamiselle mainosesti estettyihin ympäristöihin.

Vaikka olemassa olevat mainosestoratkaisut, kuten NoScript, AdGuard, uBlock Origin ja Firefox Smartblock, käyttävät korvaavaiskriptejä, jotka purkavat tällaiset yhdistetyt skriptit estettävien komponenttiskriptien osaksi, ne riippuvat manuaalisesta skriptien uudelleenkirjoittamisesta, mikä johtaa jatkuvaan “kylmään sotaan” estäjien ja jatkuvasti muuttuvien tekniikoiden välillä, jotka rikkovat ne. TrackerSift tarjoaa potentiaalisen ohjelmallisen menetelmän sekoitetun sisällön hajottamiseksi.