Machine Learning vs. Sistemi di Consenso ai Cookie

Una nuova collaborazione di ricerca tra l’Università del Wisconsin e Google mette a confronto l’apprendimento automatico con uno degli inconvenienti più noti per gli utenti web degli ultimi dieci anni – l’opacità e l’uso cinico delle banner di consenso ai cookie conformi al GDPR.

Intitolato CookieEnforcer, il nuovo framework utilizza la Comprensione del Testo Semantico per analizzare il significato e l’utilità del codice sottostante alla finestra di dialogo o banner di consenso ai cookie, al fine di fornire all’utente la soluzione “one click” mancante per disabilitare tutti i cookie “non necessari” – inclusi quelli che i proprietari di domini potrebbero presentare come “essenziali”, anche se non lo sono.

CookieEnforcer esamina il codice di consenso ai cookie del sito web www.askubuntu.com. Fonte: https://arxiv.org/pdf/2204.04221.pdf

Il sistema è implementato tramite un plugin del browser web installato dall’utente, che è in grado di applicare regole definite dall’utente con un solo clic. Una volta che appare la finestra di dialogo di consenso ai cookie sul sito web, l’utente può attivare il plugin, che analizzerà quindi il codice di consenso ai cookie per azioni potenziali prima di generare JavaScript appropriato per eseguire scelte per conto dell’utente.

Il plugin può essere impostato per applicare automaticamente le preferenze dell’utente o trattare i casi individualmente, consentendo all’utente di regolare le impostazioni prima della presentazione finale.

Cookie enforcer in azione. Se preferito, il plugin Chrome può automatizzare completamente questo processo, senza ulteriore contributo dell’utente. Vedi il video incorporato successivo per ulteriori dettagli. Fonte: https://www.youtube.com/watch?v=5NI6Q981quc

La sfida di analizzare le opzioni di “non consenso”, che sono tipicamente nascoste in gruppi di impostazioni arcani e laboriosi (piuttosto che la finestra di dialogo “accetta tutto” tipica dei framework di consenso) è modellata come un compito di apprendimento sequenza-sequenza.

In una valutazione dell’accuratezza end-to-end, CookieEnforcer è stato in grado di generare tutti i passaggi necessari per superare le procedure di consenso ai cookie criptiche nel 91% dei casi studiati, su domini che non erano stati visti durante l’addestramento del modello di apprendimento automatico del sistema. Uno studio sugli utenti ha inoltre dimostrato che il sistema riduce significativamente lo sforzo dell’utente nella navigazione dei moduli di consenso.

Il documento che presenta il metodo è intitolato CookieEnforcer: Analisi e Applicazione Automatica delle Notifiche dei Cookie, e proviene da tre ricercatori dell’Università del Wisconsin a Madison e uno da Google Inc.

Strade Ardue per il Consenso ai Cookie

Dall’entrata in vigore del Regolamento Generale sulla Protezione dei Dati (GDPR) nel 2016 e del California Consumer Privacy Act (CCPA) nel 2018, i siti web che desideravano coinvolgere gli utenti delle aree coperte da tali legislazioni sono stati tenuti a fornire meccanismi di preferenza per i cookie (di solito basati sulla rilevazione dell’indirizzo IP dell’utente come proxy per il loro paese di origine).

Tuttavia, poiché i proprietari di domini erano da tempo abituati a raccogliere dati utente preziosi e azionabili dall’implementazione opaca e di solito non visibile dei cookie, si sono rivelati riluttanti a fornire facili opzioni di rinuncia per i loro utenti appena potenziati.

L’interfaccia utente predefinita per le interfacce di consenso ai cookie (che appaiono la prima volta che un utente visita un dominio, o se l’utente ha cancellato i cookie per quel dominio) si è rapidamente stabilizzata in modelli oscuri progettati per stancare l’utente con scelte granulari, lunghe e estese nel caso in cui volessero esercitare i loro diritti di consenso; o un semplice e facilmente accessibile pulsante che opta l’utente per tutti i cookie che il proprietario del dominio desidera eseguire. Questa cultura di scelte di interfaccia utente labirintiche è stata descritta in uno studio del 2020 come ‘una caccia al tesoro’.

Il nuovo documento commenta:

‘[Gli utenti] possono trovare difficile esercitare il controllo dei cookie informato per i siti web con avvisi complicati. Sono molto più propensi a fare affidamento alle configurazioni predefinite piuttosto che regolare le impostazioni dei cookie per ogni [sito]. In diversi casi, queste impostazioni predefinite sono invasive della privacy e favoriscono i fornitori di servizi, il che comporta rischi per la privacy.’

Un commento su un post di forum popolare riguardante queste pratiche li ha caratterizzati come ‘conformità maliziosa’. La frustrazione degli utenti con i framework di consenso ai cookie è un argomento che confligge con i principali editori, che potrebbero altrimenti concedere ulteriore copertura se non fossero stati così personalmente esposti dalle loro stesse pratiche in questo senso.

Un tipico labirinto di opzioni presentato, in questo caso, dal sito web TechCrunch, ironicamente come prefazione a un articolo sull’atteggiamento dell’UE nei confronti di ciò che costituisce il consenso ai cookie. Gli identificatori di URL e gli hook aggiunti per abilitare ulteriore tracciamento erano di 262 caratteri (cancellati qui). Un pulsante ‘rifiuta tutto’, mentre disponibile per alcune categorie di cookie, non è disponibile per l’intero set di cookie possibili; in quei casi eccezionali, l’utente deve operare ogni ‘toggle’.

Un documento del 2019 della Germania ha scoperto che la maggioranza dei visitatori del sito nelle domini studiati è stata ‘indirizzata’ verso un consenso ampio, e che solo un terzo dei siti web ha effettivamente spiegato gli scopi delle pratiche di raccolta dei dati.

Una serie di plugin del browser web, estensioni e aggiornamenti sono emersi per affrontare il problema negli ultimi anni, come l’estensione Cookie Quick Manager per Firefox e una gamma di alternative Chrome, mentre l’Unione Europea sta cercando di chiudere le lacune di conformità intorno alle architetture di consenso ai cookie.

Metodo e Dati

I ricercatori del nuovo documento erano determinati a creare un framework di gestione del consenso ai cookie più robusto evitando di fare affidamento su parole chiave o regole create a mano, l’approccio centrale di una serie di progetti simili aiutati dall’apprendimento automatico recenti.

CookieEnforcer ha tre obiettivi: tradurre le notifiche e le interfacce dei cookie in un formato leggibile dalle macchine; identificare la configurazione delle impostazioni dei cookie in modo da disabilitare i cookie non essenziali; e applicare automaticamente ulteriori restrizioni senza ulteriore input dell’utente, se desiderato dall’utente.

Il sistema consiste in un componente backend che rileva e analizza le notifiche dei cookie, e un componente frontend, sotto forma di estensione del browser, che genera ed esegue la disabilitazione dei cookie non essenziali (ovvero i cookie che non ostacoleranno la navigazione o l’accesso al dominio se bloccati).

Il framework è incorporato in un’estensione Chrome specifica installata localmente che utilizza la libreria di testing web Selenium sotto il framework ChromeDriver.

La sezione backend presenta moduli per la rilevazione, l’analisi e un modello di decisione. Il modulo di analisi tiene conto dei cambiamenti nel codice introdotti dall’interazione dell’utente, in modo che il dump di codice iniziale non venga reso invalido dalla simulazione dell’esplorazione dell’utente.

Comprensione del Linguaggio Naturale

Con il codice rivelato, è importante che CookieEnforcer capisca lo stato esistente di azioni possibili che potrebbe intraprendere, poiché il linguaggio dietro i pulsanti di toggle può essere ambiguo in termini di beneficio per l’utente finale.

Per questo scopo, i ricercatori hanno addestrato un modello di trasferimento di testo-testo (T5) per il suo componente di decisione. Il modello T5-Large, che contiene 770 milioni di parametri, è stato ottimizzato su un database personalizzato di input/output di codice (ovvero codice che descrive ed abilita la funzionalità delle opzioni di toggle).

Esempio di formattazione (sopra) e dati di addestramento (sotto) per il modello T5. L’esempio di dati è tratto da www.askubuntu.com.

Il set di dati è stato creato campionando 300 siti web con notifiche dei cookie selezionate dall’elenco dei siti web più popolari di Tranco. I moduli di rilevamento e analisi hanno estratto le opzioni di consenso ai cookie dal loro codice sorgente runtime e hanno valutato i loro stati predefiniti.

Uno dei ricercatori ha quindi etichettato manualmente la serie di clic interpretati necessari per disabilitare i cookie non essenziali per tutti i siti web studiati, risultando in 300 domini completamente etichettati.

Varietà nella disposizione del codice sorgente attraverso esempi dal set di dati personalizzato.

60 siti web sono stati messi da parte come set di test, e il modello T5-Large è stato addestrato con un tasso di apprendimento di 0,003 a una dimensione del batch di 16 per 20 epoche, con una lunghezza di sequenza di input massima di 256 token e una lunghezza di sequenza di destinazione massima di 64. I token sono stati formati da sottoparole stabilite dal tokenizer SentencePiece di Google.

Infine, le informazioni elaborate vengono archiviate in un database locale e rese disponibili al frontend del sistema. Gli autori hanno preferito la funzione HTML querySelector() all’approccio XPath adottato da alcuni progetti simili precedenti, poiché gli XPath per le notifiche dei cookie sono vulnerabili agli aggiornamenti del DOM (ovvero il codice può cambiare dopo il caricamento iniziale in risposta alle interazioni dell’utente). In questo modo, i percorsi degli elementi possono essere mantenuti anche quando sono dinamici e reattivi a fattori esterni.

Test e Prestazioni

Nella pratica, CookieEnforcer si è rivelato in grado di navigare alcuni dei modelli oscuri più oscuri nel set di dati, come un’opzione nascosta nel framework di consenso ai cookie di The New Scientist che è oscurata da JavaScript fino a quando l’utente non richiede esplicitamente di vederla.

Gli autori commentano:

‘Questa opzione può essere facilmente persa dagli utenti poiché devono espandere un frame aggiuntivo per vederla. CookieEnforcer non solo trova questa opzione, ma comprende anche la semantica e decide di obiettare. Questi esempi mostrano che il modello apprende il contesto e generalizza a nuovi esempi.’

I ricercatori hanno eseguito tre test, tra cui una valutazione end-to-end delle prestazioni del framework su 500 domini non visti (ovvero siti web per cui CookieEnforcer non era stato addestrato specificamente), dove gli autori riportano che è stato in grado di disabilitare con successo i cookie non essenziali per il 91% dei siti.

Il secondo test ha comportato uno studio online sugli utenti che copriva 14 siti web, utilizzando il punteggio della System Usability Scale (score) contro un baseline manuale. Per questo test, gli autori riportano che CookieEnforcer ha ottenuto un punteggio del 15% più alto rispetto al baseline.

CookieEnforcer consente un punteggio del 15% più alto rispetto all’uso non assistito, contemporaneamente automatizzando un processo fastidioso.

Infine, i parametri addestrati di CookieEnforcer sono stati testati contro i 5000 siti web principali negli Stati Uniti e in Europa, per determinare la sua capacità di navigare le notifiche dei cookie. Gli autori affermano:

‘Mentre le misurazioni a tale scala sono state eseguite in precedenza, CookieEnforcer consente una comprensione più approfondita delle opzioni al di là degli euristici basati sulle parole chiave. In particolare, abbiamo scoperto che il 16,7% dei siti web del Regno Unito che mostrano notifiche dei cookie ha abilitato almeno un cookie non essenziale. Lo stesso numero per i siti web negli Stati Uniti è del 22%.’

Gli autori hanno rilasciato un breve video YouTube che mostra CookieEnforcer in azione:

Pubblicato per la prima volta il 12 aprile 2022.