Aprendizado de Máquina vs. Sistemas de Consentimento de Cookies

Uma nova colaboração de pesquisa entre a Universidade de Wisconsin e o Google coloca o aprendizado de máquina contra uma das principais irritações dos usuários da web da última década – a opacidade e o uso cínico de banners de consentimento de cookies conformes com o GDPR.

Intitulado CookieEnforcer, o novo framework utiliza Compreensão de Texto Semântico para analisar o significado e a utilidade do código subjacente por trás do popup ou banner de consentimento de cookies, a fim de fornecer ao usuário a solução de “um clique” para desabilitar todos os cookies “não necessários” – incluindo aqueles que os proprietários de domínio podem apresentar como “essenciais”, mesmo que não sejam.

CookieEnforcer examina o código de consentimento de cookies do site www.askubuntu.com. Fonte: https://arxiv.org/pdf/2204.04221.pdf

O sistema é implementado por meio de um plugin de navegador instalado pelo usuário, que é capaz de aplicar regras definidas pelo usuário em um único clique. Uma vez que um framework de consentimento de cookies aparece no site, o usuário pode ativar o plugin, que então vasculhará o código de consentimento de cookies para ações potenciais antes de gerar JavaScript apropriado para agir em nome do usuário.

O plugin pode ser configurado para aplicar automaticamente as preferências do usuário ou tratar os casos individualmente, permitindo que o usuário ajuste as configurações antes da submissão final.

Cookie Enforcer em ação. Se preferir, o plugin do Chrome pode automatizar completamente esse processo, sem contribuição adicional do usuário. Veja o vídeo incorporado posteriormente para mais detalhes. Fonte: https://www.youtube.com/watch?v=5NI6Q981quc

O desafio de analisar as opções de “não consentimento”, que normalmente estão escondidas em grupos de configurações complexas e trabalhosas (em vez da configuração de “aceitar todos” típica dos frameworks de consentimento), é modelado como uma tarefa de sequência para sequência.

Em uma avaliação de precisão de ponta a ponta, o CookieEnforcer foi capaz de gerar todos os passos necessários para evitar procedimentos de consentimento de cookies criptográficos em 91% dos casos estudados, em domínios que não haviam sido vistos durante o treinamento do modelo de aprendizado de máquina do sistema. Um estudo de usuário também demonstrou que o sistema reduz significativamente o esforço do usuário ao navegar pelos módulos de consentimento.

O artigo que apresenta o método é intitulado CookieEnforcer: Análise e Aplicação Automatizada de Notificações de Cookies, e vem de três pesquisadores da Universidade de Wisconsin em Madison e um da Google Inc.

Caminhos Arcanos para o Consentimento de Cookies

Desde a promulgação do Regulamento Geral de Proteção de Dados (GDPR) em 2016 e da Lei de Privacidade do Consumidor da Califórnia (CCPA) em 2018, os sites que desejam engajar usuários das áreas cobertas por essa legislação foram obrigados a fornecer mecanismos de preferência de cookies (normalmente baseados na detecção do endereço IP do usuário como um proxy para o seu país de origem).

No entanto, desde que os proprietários de domínio estavam acostumados a coletar dados de usuário valiosos e ações a partir da implementação opaca e normalmente invisível de cookies, eles se mostraram relutantes em fornecer opções de saída fáceis para os seus novos usuários empoderados.

A interface padrão para interfaces de consentimento de cookies (que aparecem pela primeira vez que um usuário visita um domínio, ou se o usuário excluiu cookies para esse domínio) rapidamente se estabeleceu em padrões escuros projetados para cansar o visualizador com escolhas granulares, demoradas e extensas no caso de eles desejarem exercer seus direitos de consentimento; ou um botão simples e facilmente acessível que opta o usuário em todos os cookies que o proprietário do domínio deseja executar. Essa cultura de escolhas de UI labirínticas foi descrita em um estudo de 2020 como ‘uma caça ao tesouro’.

O novo artigo comenta:

‘[Os usuários] podem ter dificuldade em exercer o controle de cookies informado para sites com notificações complicadas. Eles são muito mais propensos a confiar nas configurações padrão do que a ajustar suas configurações de cookies para cada [site]. Em vários casos, essas configurações padrão são invasivas e favoráveis aos provedores de serviços, o que resulta em [riscos] de privacidade.’

Um comentário em uma postagem popular sobre essas práticas as caracterizou como ‘conformidade maliciosa’. A irritação do usuário com os frameworks de consentimento de cookies é um tópico que conflita com os principais editores, que poderiam normalmente fornecer mais cobertura se não estivessem tão pessoalmente expostos por suas próprias práticas nesse aspecto.

Um labirinto típico de opções apresentado, neste caso, pelo site TechCrunch, ironicamente como um prefácio para um artigo sobre a atitude cambiante da UE em relação ao que constitui consentimento de cookies. Os identificadores de URL anexados e ganchos projetados para habilitar ainda mais o rastreamento tinham 262 caracteres (excluídos aqui). Um botão ‘rejeitar todos’, embora disponível para certas categorias de cookies, não está disponível para o conjunto completo de cookies possíveis; nesses casos excepcionais, o usuário deve operar cada ‘alternância’.

Um artigo de 2019 da Alemanha descobriu que a maioria dos visitantes do site nos domínios estudados foi ’empurrada’ para um consentimento amplo, e que apenas um terço dos sites realmente explicou os propósitos das práticas de coleta de dados.

Vários plugins, complementos e extensões de navegador surgiram nos últimos anos para resolver o problema, como a extensão Cookie Quick Manager do Firefox, e uma ampla gama de alternativas do Chrome, enquanto a União Europeia está tentando fechar as brechas de conformidade em torno das arquiteturas de consentimento de cookies.

Método e Dados

Os pesquisadores do novo artigo estavam determinados a criar um framework de gerenciamento de consentimento de cookies mais robusto, evitando a dependência de palavras-chave ou regras criadas manualmente, a abordagem central de vários projetos semelhantes auxiliados por ML.

O CookieEnforcer tem três objetivos: traduzir notificações e interfaces de cookies para um formato legível por máquina; identificar a configuração de cookies de forma a desabilitar cookies não essenciais; e aplicar restrições adicionais automaticamente, sem entrada adicional do usuário, se desejado pelo usuário.

O sistema consiste em um componente de backend que detecta e analisa notificações de cookies, e um componente de frontend, na forma de uma extensão de navegador, que gera e executa a desabilitação de cookies não essenciais (ou seja, cookies que não obstruirão a navegação ou o acesso ao domínio se bloqueados).

O framework é incorporado em uma extensão específica do Chrome, instalada localmente, que usa a biblioteca de teste da web Selenium sob o framework ChromeDriver.

A seção de backend apresenta módulos para detecção, análise e modelo de decisão. O módulo de análise leva em conta as alterações no código introduzidas pela interação do usuário, para que o dump de código inicial não seja invalidado pela exploração simulada do usuário.

Compreensão de Linguagem Natural

Com o código revelado, é importante que o CookieEnforcer entenda o estado existente de ações possíveis que ele pode tomar, desde que a linguagem por trás dos botões de alternância possa ser ambígua em termos de benefício para o usuário final.

Para isso, os pesquisadores treinaram um Transformador de Transferência de Texto para Texto (T5) para o componente de decisão. O modelo T5-Large, que contém 770 milhões de parâmetros, foi ajustado em um banco de dados personalizado de entrada/saída de código (ou seja, código que descreve e habilita a funcionalidade das opções de alternância).

Exemplo de formatação (acima) e dados de treinamento (abaixo) para o modelo T5. O exemplo de dados é do www.askubuntu.com.

O conjunto de dados foi criado amostrando 300 sites com notificações de cookies selecionados a partir da lista de sites populares top-50k da Tranco. Os módulos de detecção e análise extraíram as opções de consentimento de cookies do seu código-fonte de tempo de execução e avaliaram seus estados padrão.

Um dos pesquisadores, então, rotulou manualmente a série de cliques necessários para desabilitar cookies não essenciais para todos os sites estudados, resultando em 300 domínios completamente rotulados.

Variedade na disposição do código-fonte em exemplos do conjunto de dados personalizado.

60 sites foram reservados como um conjunto de teste, e o modelo T5-Large foi treinado com uma taxa de aprendizado de 0,003 em um tamanho de lote de 16 por 20 épocas, com um comprimento máximo de sequência de entrada de 256 tokens e um comprimento máximo de sequência de destino de 64. Os tokens foram formados de subpalavras estabelecidas pelo tokenizer SentencePiece da Google.

Finalmente, as informações processadas são armazenadas em um banco de dados local e disponibilizadas para o frontend do sistema. Os autores preferiram a função querySelector() do HTML em vez da abordagem XPath adotada por alguns projetos semelhantes anteriores, desde que os XPaths para notificações de cookies são vulneráveis a atualizações do DOM (ou seja, o código pode mudar após o carregamento inicial em resposta a interações do usuário). Dessa forma, os caminhos de elementos podem ser mantidos mesmo quando são dinâmicos e responsivos a fatores externos.

Testes e Desempenho

Na prática, o CookieEnforcer provou ser capaz de navegar alguns dos padrões mais escuros no conjunto de dados, como uma opção oculta no framework de consentimento de cookies do The New Scientist que é obscurecida por JavaScript até que o usuário solicite explicitamente vê-la.

Os autores comentam:

‘Essa opção pode ser facilmente perdida pelos usuários, pois eles precisam expandir um quadro adicional para vê-la. O CookieEnforcer não apenas encontra essa opção, mas também entende a semântica e decide se opor. Esses exemplos mostram que o modelo aprende o contexto e generaliza para novos exemplos.’

Os pesquisadores realizaram três testes, incluindo uma avaliação de ponta a ponta do desempenho do framework em 500 domínios não vistos (ou seja, sites para os quais o CookieEnforcer não foi treinado especificamente), onde os autores relatam que ele pode desabilitar com sucesso cookies não essenciais para 91% dos sites.

O segundo teste consistiu em um estudo de usuário online abrangendo 14 sites, e usando a Escala de Usabilidade do Sistema (pontuação) contra uma linha de base manual. Para esse teste, os autores relatam que o CookieEnforcer obteve uma pontuação 15% maior do que a linha de base.

O CookieEnforcer permite uma pontuação 15% maior do que a utilização não auxiliada (linha de base), ao mesmo tempo em que automatiza um processo frustrante.

Finalmente, os parâmetros treinados do CookieEnforcer foram testados contra os 5000 principais sites nos EUA e na Europa, para determinar sua capacidade de navegar notificações de cookies. Os autores afirmam:

‘Embora medições em tal escala tenham sido realizadas antes, o CookieEnforcer permite uma compreensão mais profunda das opções além de heurísticas baseadas em palavras-chave. Em particular, descobrimos que 16,7% dos sites no Reino Unido que exibem notificações de cookies têm pelo menos um cookie não essencial habilitado. O mesmo número para sites nos EUA é de 22%.’

Os autores lançaram um vídeo curto do YouTube mostrando o CookieEnforcer em ação:

Publicado pela primeira vez em 12 de abril de 2022.