ローカルブラウザの動作に基づく広告ブロックのためのマシンラーニング方法

スイスと米国の研究者は、コンテンツやネットワークの動作を分析するのではなく、ブラウザとのやり取りに基づいてウェブサイトの広告素材を検出するための新しいマシンラーニングアプローチを開発しました。これらのアプローチは、CNAMEクローキング（後述）に対して長期的には効果的ではありません。

WebGraphと呼ばれるこのフレームワークは、グラフベースのAI広告ブロックアプローチを使用して、テレメトリの試みやローカルブラウザストレージなどのネットワーク広告の基本的な活動に焦点を当てて、プロモーションコンテンツを検出します。唯一の有効な回避技術は、これらの活動を行わないことです。

以前のアプローチはWebGraphよりもわずかに高い検出率を達成しましたが、すべてのアプローチは回避技術に弱く、WebGraphは悪意のある応答に対して100％の完全性に近づくことができます。

この研究は、スイス連邦工科大学の2人の研究者によって主導され、カリフォルニア大学デービス校とアイオワ大学の研究者と共同で行われました。

AdGraphを超えて

この研究は、2020年にBraveブラウザと共同で行われたAdGraphという研究プロジェクトの発展です。

AdGraphは、URLの分析に基づくコンテンツの特徴を使用して、商業コンテンツを検出します。しかし、これらの特徴は、広告検出システムの存在を検出しようとする攻撃者にとって、単一の潜在的な故障点となります。AdGraphは、コンテンツの特性に依存しているため、基本的にフィルターリストベースのアプローチの機械化されたバージョンであり、その弱点を共有しています。

CNAMEクローキング

ウェブサイト自身のドメインから発信されるコンテンツは、ドメイン自体が信頼されている限り、「信頼できる」カテゴリに入ります。高権威のウェブサイトでは、自身のドメインでホストされているように見せる広告キャンペーンを実行することは、高価なものですが、フィルターベースの広告ブロックリストやAdGraphアプローチに対して免疫があります。

しかし、カスタムキャンペーンは交渉が難しく、実装が高価で、25年間で開発されたネットワーク広告モデルの基本原則に反します。このモデルでは、第三者のプラットフォームがホストサイトに直接コードを挿入し、通常はマイクロ秒単位で広告スロットを「オークション」形式で販売します。

ほとんどの広告ブロックシステムは、ウェブページ内の第三者コンテンツ（別のドメインにホストされている要素）をキーとしているため、広告主はCNAMEクローキング技術を使用して反撃しています。CNAMEクローキングは、トラッカーを欺くことで、ホストサイトのサブドメイン（例：information.example.com）がサイトの真正な付属物であると信じ込ませますが、実際には第三者広告提供者と共同で設立されたプロキシ広告配信メカニズムです。

2021年3月の研究によると、CNAMEクローキングの事例は2018年から2020年の間に22％増加し、2020年10月までにTrancoのトップ10,000ウェブサイトのうち約10％が少なくとも1つのCNAMEベースのトラッカーを使用していました。

URLへの信頼の低下

CNAMEデシPTION技術は、広告配信プロセスに関与するURLの操作を伴います。URLチェーンを信頼する広告ブロックシステムは、操作と回避の対象となります。したがって、WebGraphは、プロセス（クエリ文字列、パラメータの数、パラメータ名を含む）で提供されたURLをランダムに変更し、特定の禁止または受け入れられたURLではなく、使用パターンを探します。

システムは、広告配信アーキテクチャで2つの一般的な構成を考慮する必要があります。1つは、ホストが広告主と直接協力しているシナリオです。もう1つは、広告主がクライアントによる操作から自分自身を保護するために、限定的な協力を提供する、より一般的なシナリオです。

リストベースのアプローチ、包括してAdGraphでは、広告配信システムによるURLの操作は、ほぼ完全な勝利です。広告に「ローカル」な出自を付与し、広告コンテンツをブロックしようとするほぼすべての試みを回避します。

シグネチャーとして残るものは何でしょうか。WebGraphは、広告システムがさまざまな半分に隠された手段を使用して情報を共有する必要性に焦点を当てています。例えば、ウェブトラッカー、iframesとウェブ「リスナー」の間の通信、ホストページのライブ状態の有意な活動をポーリングするものなどです。このような活動には、クッキーまたはHTML5ベースのローカルストレージに変数を保存することが含まれます。

WebGraphは、MozillaのWebプライバシーメジャメント（OpenWPMフレームワーク）を使用して、Firefoxでこのような活動を追跡します。JavaScriptレイヤーでのすべての活動と、ネットワークレイヤーでのすべての出力要求と応答をキャプチャします。

この追加のスクラッチは、AdGraphによって提案されたグラフネットワークに新しい「情報フローのエッジ」を導入し、WebGraphがローカル活動に基づいて情報共有パターンを明示的に記録および量化できるようにします。テレメトリまたは広告配信システム内のその他の種類の内部通信の元の送信先URLに関係なくです。

結果

研究者は、Alexaトップ100,000サイトから10,000のウェブサイトと、1,000から100,000のランクのランダムサンプル9,000のサイトを体系的にクロールし、グラフ表現を保存し、結果をAdGraphの元の設計に基づく決定木分類器に渡し、人気のある広告フィルターリストを基準事実として使用しました。こうして、コアモデルのトレーニングのためにデータセットが構築されました。

システムは、92.33％の精度でAdGraphと同等の結果を達成しました。ただし、新しいシステムの悪意のある抵抗に対する耐性は、AdGraphのほぼ完全な故障率からWebGraphの8％の脆弱性に上昇しました。

将来の方向性

論文では、広告ネットワークがWebGraphアプローチの検出を回避するには、著しくシステムを再構築する必要があると主張しています。さらに、ホストサイトと第三者広告主の間の信頼関係を再検討する必要があると示唆しています。

論文では、WebGraphは、Canvas要素（ブラウザフィンガープリント）を介したステートレストラッキング技術を考慮していないことも指摘しています。研究者は、WebGraphをこれらの種類のインタラクションやローカルストレージのシグニファイアを考慮するように将来拡張できることを示唆しています。