एडब्लॉक-विरोधी तकनीकों का मुकाबला करने के लिए मशीन लर्निंग

अमेरिका और पाकिस्तान से एक नए शोध पहल ने मशीन लर्निंग-आधारित विधि विकसित की है जो वेबसाइटों की पहचान करने के लिए है जो एडब्लॉकिंग और अन्य गोपनीयता-संरक्षण प्रौद्योगिकियों के प्रतिरोधी हैं, साथ ही साथ ऐसी साइटों द्वारा उपयोग की जाने वाली तकनीकों को भी अलग करने के लिए जो विज्ञापनों और वास्तविक सामग्री के मूल को ‘मिलाती’ हैं, ताकि सामग्री दिखाई न दे अगर विज्ञापनों को ब्लॉक किया जाए।

नए एडब्लॉकिंग प्रौद्योगिकियां, जो इस शोध के निष्कर्षों से विकसित की जा सकती हैं, उन घटनाओं को समाप्त कर सकती हैं जहां लेख की केंद्रीय सामग्री दिखाई नहीं देती है जब विज्ञापनों को ब्लॉक किया जाता है, एक स्वचालित तरीके से विज्ञापन और स्क्रिप्ट संसाधनों को अलग करने के लिए, जो वर्तमान में लोकप्रिय एडब्लॉकिंग फ्रेमवर्क द्वारा उपयोग किए जाने वाले मैनुअल दृष्टिकोण के बजाय।

लेखकों ने 100,000 वेबसाइटों पर ‘मिश्रित संसाधनों’ का एक बड़े पैमाने पर अध्ययन किया, जिसमें पाया गया कि 17% डोमेन, 48% होस्टनाम, 6% स्क्रिप्ट और 9% सामग्री वितरण विधियां जानबूझकर ट्रैकिंग (यानी, विज्ञापन) कार्यक्षमता को वास्तविक सामग्री प्रदान करने वाली प्रक्रियाओं के साथ मिलाती हैं। ऐसे मामलों में, लेख सामग्री उन उपयोगकर्ताओं के लिए गायब हो जाएगी जो एडब्लॉकिंग या एंटी-ट्रैकिंग सॉफ्टवेयर का उपयोग कर रहे हैं, जिससे उपयोगकर्ता को सामग्री देखने के लिए इन उपायों को बंद करने के लिए मजबूर किया जाएगा।

अधिकांश मामलों में, यह नहीं है कि विज्ञापन फिर से दिखाई देंगे, बल्कि उपयोगकर्ताओं को फिर से क्रॉस-डोमेन ट्रैकिंग प्रणालियों में वापस लाया जाएगा जिन्होंने हाल के वर्षों में गोपनीयता अभियानों को बढ़ावा दिया है।

नई शोध एक ऐसी प्रणाली प्रदान करती है जो 98% सटीकता के साथ इन ‘मिश्रित’ वेब संसाधनों के घटकों को अलग कर सकती है, एडब्लॉकिंग और एंटी-ट्रैकिंग समाधानों को अपने सॉफ्टवेयर के बाद के संस्करणों में धाराओं को अलग करने और फिर से सामग्री पहुंच को सक्षम करने का अवसर प्रदान करती है।

नया शोध पत्र ट्रैकरसिफ्ट: मिश्रित ट्रैकिंग और कार्यात्मक वेब संसाधनों को अलग करना शीर्षक से है, और यह अमेरिका में वर्जीनिया टेक और यूसी डेविस के शोधकर्ताओं और पाकिस्तान में फास्ट न्यूक्लियस और लाहौर यूनिवर्सिटी ऑफ मैनेजमेंट साइंसेज (लुम्स) से है।

एडब्लॉक युद्ध

एडब्लॉकिंग सिस्टम आमतौर पर वेब-पेज में विज्ञापन सामग्री के लिए विशिष्ट, समर्पित डोमेन से उत्पन्न होने की आवश्यकता पर निर्भर करते हैं – आमतौर पर एडटेक प्लेटफ़ॉर्म जिनके डोमेन नाम और/या आईपी पते ‘तीसरे पक्ष के विज्ञापन’ के रूप में वर्गीकृत किए जा सकते हैं, जिससे ब्लॉकलिस्ट विकसित की जा सकती है जो वेब पेज के अंदर उन मूलों से सामग्री को प्रस्तुत नहीं करेगी।

इसके अलावा, विज्ञापन-विशिष्ट संसाधनों, जैसे कि स्क्रिप्ट के नाम, ब्लॉकलिस्ट में जोड़े जा सकते हैं ताकि वे तब भी नहीं चलें जब उनके मूल को जानबूझकर धुंधला किया जाए। ऐसे सिस्टम रूप से उत्पन्न स्क्रिप्ट के नामकरण योजनाएं अक्सर सुसंगत होती हैं, जिससे पहचान और ब्लॉकलिस्टिंग संभव हो जाती है।

चूंकि एक वेब पेज में विज्ञापन अक्सर पेज लोड होने से कुछ मिलीसेकंड पहले डायनामिक नीलामी प्रक्रियाओं (पेज में पाए जाने वाले कीवर्ड, अभियान लक्ष्य मेट्रिक्स और कई अन्य कारकों के आधार पर) के माध्यम से चुना जाता है, इसलिए विज्ञापनों को होस्ट डोमेन पर संग्रहीत करना व्यावहारिक नहीं है, जो सिद्धांत रूप में एडब्लॉकर्स को वाणिज्यिक सामग्री को छिपाने से रोकेगा।

वेबसाइटें बढ़ती एडब्लॉकिंग के खिलाफ सीएनएएम क्लोकिंग के माध्यम से प्रतिकार कर रही हैं – होस्ट डोमेन के उपडोमेन का उपयोग एड सर्वर के लिए प्रॉक्सी के रूप में किया जाता है (यानी, सामग्री.example.com example.com को विज्ञापन प्रदान करेगा, भले ही उपडोमेन का कोई अन्य उद्देश्य न हो कि यह विज्ञापनों की सेवा करे, और यह होस्ट वेबसाइट द्वारा बनाए रखा नहीं है, बल्कि इसके विज्ञापनदाताओं द्वारा बनाए रखा जाता है)।

हालांकि, इस विधि को मात्रा और ब्लॉक किया जा सकता है उपडोमेन की सामग्री को विज्ञापन के रूप में पहचानने से या नेटवर्क विश्लेषण तकनीकों का उपयोग करके उपडोमेन के मूल डोमेन के साथ असामान्य और अनियमित संबंध की पहचान करने से।

ट्रैकरसिफ्ट

लेखकों के पेपर में ट्रैकरसिफ्ट, एक मंच का प्रस्ताव है जो वेबसाइटों द्वारा प्राप्त नेटवर्क संसाधनों का विश्लेषण करता है, और फिर मिश्रित संसाधनों को ‘सामग्री’ और ‘विज्ञापन’ में पुनः वर्गीकृत करता है। सबसे सामान्य विश्लेषण स्तर पर, ट्रैकरसिफ्ट मूल रूप से नेटवर्क अनुरोधों को रिकॉर्ड करता है संसाधनों के लिए, जैसे कि सीडीएन या विज्ञापन मंच से प्राप्त विज्ञापन सामग्री; लेकिन फिर यह संसाधनों की सामग्री में गहराई से जाता है, कोड-स्तरीय विश्लेषण करता है, और विभिन्न प्रकार के कोड कॉल और प्रक्रियाओं के कार्यों को अलग करता है।

ट्रैकरसिफ्ट का विश्लेषण पदानुक्रम, ट्रैकिंग संसाधनों (लाल) से लेकर आवश्यक कार्यात्मक संसाधनों (हरा) तक। मिश्रित संसाधन, जो सामग्री धुंधला करने का कारण बन सकते हैं (पीला), गहरे विश्लेषण के अधीन हैं। स्रोत: https://arxiv.org/pdf/2108.13923.pdf

डेटा

ट्रैकरसिफ्ट को शक्ति देने वाले डेटासेट प्राप्त करने के लिए, लेखकों ने 2018 की ट्रैंको टॉप-मिलियन सूची से यादृच्छिक रूप से चुनी गई 100,000 वेबसाइटों को खंगाला। सेलेनियम ब्राउज़र स्वचालन का उपयोग गूगल क्रोम के साथ किया गया था।

वेब-क्रॉलिंग नेटवर्क उत्तरी अमेरिका में विश्वविद्यालय साइटों पर आधारित था, जिसमें 13-नोड क्लस्टर था जिसमें 112 कोर, 52 टेराबाइट स्टोरेज और 823 गीगाबाइट ऑपरेटिव रैम थी।

प्रत्येक नोड एक डॉकर कंटेनर में आधारित था और 100,000 वेबपेजों के एक उपसेट को क्रॉल करने के लिए समर्पित था, जिसमें स्थिरता के लिए प्रोग्रामेटिक पॉज़ और प्रत्येक डोमेन लोड होने पर सभी कुकीज़ और पहचानकर्ताओं को पूरी तरह से मिटाना शामिल था, ताकि पिछले सत्र और राज्य अगले डोमेन की पठनीयता को प्रभावित न करें।

मिश्रित स्क्रिप्ट

परिणामों से पता चलता है कि स्क्रिप्ट बंडलिंग का व्यापक उपयोग है, जहां एड प्लेटफ़ॉर्म और सामग्री होस्ट जानबूझकर सामग्री-आधारित और विज्ञापन-आधारित स्क्रिप्ट को ‘उबेरस्क्रिप्ट’ में समेटते हैं जो सामग्री प्रदर्शन को बाधित करेगा अगर ब्लॉक किया जाए। उदाहरण के लिए, लेखकों ने उल्लेख किया कि pressl.co एक वेब स्क्रिप्ट परोसता है जो वेबपैक जावास्क्रिप्ट कॉनकैटेनेटर प्लेटफ़ॉर्म के माध्यम से बंडल किया जाता है, जिसमें एक फ़ेसबुक ट्रैकिंग पिक्सल और वास्तविक सामग्री को प्रस्तुत करने के लिए कोड शामिल है।

इसके अलावा, पत्र में उल्लेख किया गया है कि कई डोमेन स्क्रिप्ट को सीधे वेब पेजों के कोड में एम्बेड करने के लिए तैयार हैं, जिससे एडब्लॉकिंग फ़्रेमवर्क को स्क्रिप्ट के भीतर कार्यक्षमता को संबोधित करने की आवश्यकता होती है, न कि केवल स्क्रिप्ट को उसके तीसरे पक्ष के स्रोत यूआरएल के आधार पर लोड होने से रोकने की।

इन तरीकों को स्थानीय करके, ऐसे कोड को सामग्री और विज्ञापन श्रेणियों में व्यवस्थित करने और एडब्लॉक्ड वातावरण में सामग्री प्रदर्शन को बहाल करने के लिए एक स्पष्ट मार्ग है।

हालांकि मौजूदा एडब्लॉकिंग समाधान, जैसे नोस्क्रिप्ट, एडगार्ड, यूब्लॉक ओरिजिन और फ़ायरफ़ॉक्स स्मार्टब्लॉक, सरोगेट स्क्रिप्ट का उपयोग करते हैं जो ऐसे मिश्रित स्क्रिप्ट को ब्लॉक करने योग्य घटक स्क्रिप्ट में विभाजित करते हैं, वे मैनुअल स्क्रिप्ट लेखन पर निर्भर करते हैं, जिससे ब्लॉकर्स और उन तकनीकों के बीच एक निरंतर ठंडा युद्ध होता है जो उन्हें तोड़ते हैं। इसके विपरीत, ट्रैकरसिफ्ट मिश्रित सामग्री विघटन के लिए एक संभावित प्रोग्रामेटिक विधि प्रदान करता है।