Facebook : ‘Nanociblage’ des utilisateurs en fonction de leurs seuls intérêts

Des chercheurs ont développé une méthode pour diffuser une campagne publicitaire Facebook à une seule personne sur 1,5 milliard, en fonction uniquement des intérêts de l’utilisateur, et non sur des informations personnelles identifiables (PII), telles que les adresses e-mail, les numéros de téléphone ou la localisation géographique généralement associées aux scandales de ciblage de ces dernières années.

Les utilisateurs ont un contrôle limité sur ces intérêts, qui sont déterminés de manière algorithmique en fonction de leurs habitudes de navigation, de leurs “j’aime” et d’autres formes d’interaction que Facebook peut identifier, et qui sont inclus dans les critères pour recevoir une publicité Facebook.

Étant donné que les intérêts sont associés aux utilisateurs de Facebook en fonction du contenu qu’ils publient et avec lequel ils interagissent, les utilisateurs peuvent être ciblés individuellement sans jamais explicitement déclarer leurs intérêts dans le contenu qu’ils publient, et en opposition à presque toutes les mesures actuelles qu’ils pourraient prendre pour se protéger contre un ciblage publicitaire hyper-spécifique.

La recherche suggère également que le “nanociblage” des utilisateurs de cette manière n’est pas seulement peu coûteux, mais parfois gratuit, car Facebook ne facture pas souvent un annonceur pour une campagne sous-serve (c’est-à-dire une campagne qui n’a atteint qu’une seule personne).

En 2018, une étude AdNews a établi que, en moyenne, Facebook attribue de manière algorithmique 357 intérêts par utilisateur, dont 134 étaient considérés comme “précis”.

Taux d’intérêt élevés

Les auteurs de la nouvelle étude ont testé leurs hypothèses sur eux-mêmes, en créant une campagne publicitaire Facebook conçue pour “nanocibler” les auteurs à partir d’un public potentiel de 1,5 milliard d’utilisateurs de Facebook, en fonction d’un ensemble aléatoire d’intérêts ciblés; les publicités ont été livrées avec succès et exclusivement aux cibles où un plus grand nombre d’intérêts aléatoirement choisis étaient considérés (voir tableau de résultats vers la fin de l’article).

Les chercheurs estiment qu’un individu peut être identifié et ciblé, en fonction uniquement de ses intérêts, avec une précision de 90 %, bien que le nombre d’intérêts nécessaires varie en fonction de la fréquence de ces intérêts:

‘Nos résultats indiquent que les 4 intérêts les plus rares d’un utilisateur le rendent unique dans la base d’utilisateurs mentionnée avec une probabilité de 90 %. Si nous considérons au lieu de cela une sélection aléatoire d’intérêts, alors 22 intérêts seraient nécessaires pour rendre un utilisateur unique avec une probabilité de 90 %.’

Les auteurs suggèrent que cette approche de ciblage de sniper de publics d’utilisateurs de Facebook supposément généralisés ou semi-anonymes n’est que “l’extrémité de l’iceberg” en termes d’utilisation de données non PII pour annuler les efforts et initiatives récents pour protéger la vie privée des utilisateurs à la suite du scandale Cambridge Analytica.

Le document, intitulé Unique sur Facebook: Formulation et preuves de (nano)ciblage d’utilisateurs individuels avec des données non PII, est une collaboration entre trois chercheurs de l’Universidad Carlos III de Madrid, ainsi qu’un scientifique des données de GTD System & Software Engineering et un professeur de l’Université technique de Graz en Autriche.

Méthodologie

La recherche a été menée sur un ensemble de données collecté en janvier 2017. L’année suivante, Facebook a augmenté la taille minimale de public Potential Reach pour une campagne publicitaire de 20 à 1000, mais les chercheurs notent que cela n’empêche pas les annonceurs de cibler des groupes de moins de 1000, mais seulement de connaître la taille réelle du public cible obtenu.

Les chercheurs notent également que des travaux antérieurs ont démontré que la limite de 1000 utilisateurs peut être effectivement abaissée à seulement 100, et que 100 utilisateurs est le plus petit groupe cible disponible pour ceux qui souhaitent reproduire le travail.

Cependant, depuis que l’ensemble de données a été compilé, Facebook a ajouté ‘Tout le monde’ comme zone de capture potentielle pour la campagne, ce qui signifie que les chercheurs ont prouvé leur hypothèse sous des restrictions supplémentaires qui n’existent plus (ils ont dû soumettre une cible de localisation filtrée comprenant les 50 pays où Facebook a la plus grande présence d’utilisateurs, ce qui a donné un public potentiel de 1,5 milliard d’utilisateurs).

Données

Les données ont été obtenues à partir d’un ensemble de 2 390 utilisateurs de Facebook réels qui avaient installé l’extension de navigateur FDVT des auteurs avant janvier 2017, tous des volontaires. L’extension fournit aux utilisateurs une estimation en temps réel des revenus que leur navigation génère pour Facebook, basée sur les données PII et démographiques que les volontaires acceptent de partager avec les chercheurs.

L’extension de navigateur FDVT fournie par les chercheurs donne à l’utilisateur de Facebook connecté un flux d’informations sur les aspects de confidentialité et de rentabilité (pour Facebook) de ses activités de navigation. Source: https://www.youtube.com/watch?v=Gb6mwJqHhCI

Les chercheurs ont obtenu 1,5 million de points de données à partir de 99 000 intérêts Facebook uniques associés aux participants, qui avaient un nombre médian de 426 intérêts enregistrés.

Les chercheurs ont ensuite calculé une formule pour établir le nombre minimum d’intérêts nécessaires pour effectuer un nanociblage sur un individu, en établissant que seuls 4 “intérêts marginaux” sont requis, et que la probabilité d’attaque augmente à mesure que les intérêts deviennent plus spécialisés et moins représentatifs des tendances d’intérêt général.

Pour les “intérêts aléatoires” – des intérêts tirés arbitrairement de l’ensemble de toutes les catégories d’intérêts disponibles – la formule a estimé que ’12, 18, 22 et 27 intérêts aléatoires rendent un utilisateur unique sur Facebook avec une probabilité de 50 %, 80 %, 90 % et 95 %, respectivement’.

Résultats du modèle des chercheurs, calculant le nombre d’intérêts nécessaires pour individualiser un utilisateur sous diverses contraintes. Source: https://arxiv.org/pdf/2110.06636.pdf

Test de nanociblage

Les auteurs ont créé des campagnes publicitaires ciblées visant eux-mêmes en utilisant des ensembles aléatoires d’intérêts attribués par l’interface de publicité Facebook. Bien que des résultats plus précis aient pu être obtenus en définissant des “intérêts marginaux”, les auteurs ont préféré prouver l’applicabilité générale de la théorie, plutôt que de “tricher” en se concentrant sur des intérêts hyper-spécifiques.

Dans le coin inférieur droit, le nombre d’intérêts alimentant la publicité est affiché dans l’interface FDVT.

En utilisant plusieurs critères, notamment des captures d’écran de l’avis “Pourquoi vois-je cette publicité?” inclus avec les publicités Facebook, les auteurs ont établi des critères de succès en termes de cible exclusive qui reçoit une publicité en fonction de ses seuls intérêts. Le “défaillance” a été défini par les cas où la publicité a été affichée non seulement à l’auteur, mais également à d’autres lecteurs.

Neuf des 21 campagnes menées, avec des nombres variables d’intérêts en tant que critères ciblés, ont réussi à “monocibler” l’auteur visé de la publicité, avec un succès croissant en fonction du nombre d’intérêts identifiés (et en rappelant que des “intérêts aléatoires” ont été utilisés pour obtenir ces résultats, et non des intérêts spécifiques et personnalisés).

Résultats de l’expérience de nanociblage pour les trois auteurs de l’article, qui ont tous reçu au moins deux publicités nanociblées. Les impressions multiples pour un nanociblage réussi sont le résultat de la publicité affichée plusieurs fois à la cible à travers les impressions de page, et non une indication que quelqu’un d’autre a vu la publicité.

Les auteurs reconnaissent que le coût élevé des campagnes publicitaires manipulatrices de Facebook pourrait rendre ce type d’attaque non réalisable. Cependant, il s’avère que le coût a été minime:

‘Malheureusement, les résultats extraits du [gestionnaire de campagnes publicitaires Facebook] prouvent que le nanociblage d’un utilisateur est plutôt peu coûteux. En effet, le coût total des 9 campagnes de nanociblage réussies n’était que de 0,12 €. Étonnamment, [Facebook] ne nous a facturé rien dans les trois campagnes de nanociblage réussies qui n’ont livré qu’une seule impression publicitaire à l’utilisateur ciblé.

‘Par conséquent, plutôt qu’un facteur dissuasif, le coût extrêmement faible du nanociblage peut encourager les attaquants à utiliser cette pratique.’

Contournement des “protections” de Facebook

Le document note que les services publicitaires de Facebook ont des “tailles de liste minimales” que l’utilisateur peut cibler, ce qui rend techniquement impossible l’upload d’un individu spécifique en tant que cible de campagne publicitaire. Cependant, les auteurs observent que ces restrictions sont disingénument faciles à contourner.

Par exemple, le rapport note qu’un PDG a signalé en 2017 comment il a pu recruter un employé potentiel d’une autre entreprise en orchestrant une campagne publicitaire Facebook conçue uniquement pour atteindre la cible, un homme. Cela impliquait de satisfaire les critères minimaux de Facebook (30) en téléchargeant une liste de 29 femmes et d’un homme (la cible), puis de sélectionner “Homme” en tant que critère de livraison.

Le document soutient que les restrictions de Facebook, bien que mises à jour par la suite, sont imparfaitement appliquées et incohérentes. Alors que les résultats d’un document précédent ont forcé le géant des médias sociaux à interdire la configuration d’audiences de moins de 20 dans son gestionnaire de campagnes publicitaires, les auteurs contestent l’efficacité du changement de politique, affirmant que ‘Notre recherche montre que cette limite n’est pas actuellement appliquée’.

Fausses impressions

En plus du backlash culturel général provoqué par le scandale Cambridge Analytica, qui a incité un changement réticent de la part de géants de la publicité tels que Google, le nanociblage de publicités sape la compréhension commune selon laquelle la culture publicitaire est une “culture générale”, partagée, sinon par tout le monde, du moins par un large groupe démographique ou géographique.

Les auteurs de l’article soulignent un certain nombre de cas où le nanociblage a été utilisé de manière trompeuse, notamment en 2017, lorsque le politicien travailliste britannique Jeremy Corbyn, alors chef du parti d’opposition, a décrété que le Labour devait lancer une campagne publicitaire Facebook pour encourager l’inscription des électeurs.

Les dirigeants du Labour ont désapprouvé l’idée, mais plutôt que d’entrer en conflit, ils ont simplement mis en œuvre une campagne publicitaire de 5 000 £ conçue pour ne cibler que Corbyn et ses associés, ainsi qu’un nombre sélectionné de journalistes sympathisants. Personne d’autre n’a vu ces publicités.

Les auteurs déclarent:

‘[Le nanociblage] peut être utilisé efficacement pour manipuler un utilisateur pour le convaincre d’acheter un produit ou de changer d’avis sur une question particulière. De plus, le nanociblage pourrait être utilisé pour créer une fausse perception dans laquelle l’utilisateur est exposé à une réalité qui diffère de ce que voient les autres utilisateurs (comme cela s’est produit dans le cas de Corbyn). Enfin, le nanociblage pourrait être exploité pour mettre en œuvre d’autres pratiques nuisibles, telles que le chantage.’

Ils concluent:

‘Enfin, il est important de noter que notre travail n’a révélé que l’extrémité de l’iceberg en ce qui concerne la manière dont les données non PII peuvent être utilisées à des fins de nanociblage. Notre travail repose exclusivement sur les intérêts des utilisateurs, mais un annonceur peut utiliser d’autres paramètres sociodémographiques disponibles pour configurer les audiences dans le [gestionnaire de campagnes publicitaires Facebook], tels que l’emplacement de résidence (pays, ville, code postal, etc.), le lieu de travail, l’université, le nombre d’enfants, le dispositif mobile utilisé (iOS, Android), etc., pour réduire rapidement la taille de l’audience pour nanocibler un utilisateur.’