วิธีการปิดโฆษณาโดยใช้เครื่องมือ Machine Learning ตามพฤติกรรมของเบราว์เซอร์

นักวิจัยจากสวิตเซอร์แลนด์และสหรัฐอเมริกาได้พัฒนาแนวทางใหม่ในการตรวจจับวัสดุโฆษณาบนเว็บไซต์โดยอาศัยพฤติกรรมของเบราว์เซอร์แทนการวิเคราะห์ nội dungหรือพฤติกรรมเครือข่าย ซึ่งได้พิสูจน์แล้วว่าไม่มีประสิทธิภาพในระยะยาวเมื่อเผชิญกับเทคนิค CNAME Cloaking (ดูรายละเอียดด้านล่าง)

ทีมวิจัยได้ตั้งชื่อเครื่องมือนี้ว่า WebGraph ซึ่งเป็นเฟรมเวิร์กที่ใช้การเข้าถึงข้อมูลโดยอาศัยกราฟและ AI เพื่อตรวจจับเนื้อหาส่งเสริมการขายโดยมุ่งเน้นไปที่กิจกรรมสำคัญของโฆษณาบนเครือข่าย รวมถึงการพยายามติดตามและจัดเก็บข้อมูลในเบราว์เซอร์ ซึ่งเป็นวิธีการหลบหลีกที่มีประสิทธิภาพมากที่สุด

แม้ว่าแนวทางก่อนหน้านี้จะมีอัตราการตรวจจับที่สูงกว่า WebGraph แต่ทั้งหมดมีความเสี่ยงต่อเทคนิคหลบหลีก ในขณะที่ WebGraph สามารถเข้าใกล้ 100% ในการป้องกันการหลบหลีก รวมถึงการตอบสนองที่ซับซ้อนกว่าที่อาจเกิดขึ้นเมื่อเผชิญกับวิธีการปิดโฆษณาใหม่นี้

เกิน AdGraph

งานวิจัยนี้เป็นการพัฒนาต่อจากโครงการวิจัยในปี 2020 ที่มีชื่อว่า AdGraph ซึ่งเป็นความร่วมมือกับเบราว์เซอร์ Brave และมีนักวิจัยสองคนจากโครงการวิจัยใหม่นี้

การเปรียบเทียบ AdGraph และ WebGraph โดยมีเส้นประแสดงถึงนวัตกรรมทางสถาปัตยกรรมในแนวทางก่อนหน้า Source: https://arxiv.org/pdf/2107.11309.pdf

AdGraph อาศัยคุณลักษณะของเนื้อหาส่งเสริมการขายที่ได้มาจากการวิเคราะห์ URL เป็นกุญแจสำคัญในการตรวจจับเนื้อหาส่งเสริมการขาย อย่างไรก็ตาม คุณลักษณะเหล่านี้เป็นจุดอ่อนที่สามารถถูกโจมตีได้โดยผู้ที่ต้องการหลบหลีกการตรวจจับ และสามารถพัฒนาเทคนิคเพื่อหลบหลีกการตรวจจับได้

CNAME Cloaking

เนื้อหาที่มาจากโดเมนของเว็บไซต์เองจะถูกจัดเป็น “เชื่อถือได้” ในกรณีที่โดเมนนั้นเชื่อถือได้ สำหรับเว็บไซต์ที่มีอำนาจสูง มีค่าใช้จ่ายสูงในการจัดทำแคมเปญโฆษณาที่มีเนื้อหาที่ดูเหมือนจะถูกโฮสต์โดยเว็บไซต์เอง เนื่องจากโฆษณาเหล่านี้จะหลบหลีกการปิดโฆษณาโดยใช้ฟิลเตอร์และแม้แต่แนวทาง AdGraph ในปี 2020

อย่างไรก็ตาม การจัดทำแคมเปญโฆษณาส่วนบุคคลมีค่าใช้จ่ายสูงและยากต่อการเจรจา และไม่สอดคล้องกับหลักการของโมเดลโฆษณาบนเครือข่ายที่พัฒนาในช่วง 25 ปีที่ผ่านมา ซึ่งแพลตฟอร์มโฆษณาที่สามจะแทรกโค้ดลงในเว็บไซต์โดยตรง โดยทั่วไปจะ “ประมูล” ช่องโฆษณาในไม่กี่ไมโครวินาทีตามความน่าสนใจของคำค้นหาและปัจจัยอื่นๆ

เนื่องจากระบบปิดโฆษณาส่วนใหญ่จะตรวจจับเนื้อหาของบุคคลที่สามบนเว็บไซต์ (เช่น องค์ประกอบที่โฮสต์บนโดเมน “แปลก”) ผู้โฆษณาจึงต่อสู้กลับด้วยเทคนิค CNAME Cloaking ในช่วง 5 ปีที่ผ่านมา เทคนิคนี้หลอกลวงติดตามให้เชื่อว่าซับโดเมนของเว็บไซต์ (เช่น information.example.com แทนที่จะเป็น example.com) เป็นส่วนเสริมที่แท้จริงของเว็บไซต์ ในความเป็นจริงแล้วเป็นกลไกการให้บริการโฆษณาที่จัดทำโดยผู้ให้บริการโฆษณาที่สาม

ในเดือนมีนาคม 2021 การศึกษาหนึ่งพบว่าเหตุการณ์ CNAME Cloaking เพิ่มขึ้น 22% ระหว่างปี 2018 ถึง 2020 โดยมีเว็บไซต์เกือบ 10% ใน 10,000 อันดับแรกของ Tranco ใช้ติดตาม CNAME อย่างน้อยหนึ่งรายการในเดือนตุลาคม 2020

การไม่เชื่อถือ URL

เทคนิค CNAME Cloaking เกี่ยวข้องกับการหลอกลวง URL ที่เกี่ยวข้องกับการให้บริการโฆษณา ระบบปิดโฆษณาที่เชื่อถือ URL จะถูกหลอกลวงและหลบหลีกได้ ดังนั้น WebGraph จึงเปลี่ยน URL ที่ให้มาแบบสุ่มในกระบวนการ (รวมถึงสตริงคำถาม จำนวนพารามิเตอร์และชื่อพารามิเตอร์) เพื่อหารูปแบบการใช้งานแทนการตรวจจับ URL ที่ถูกแบนหรือยอมรับ

ระบบต้องคำนึงถึงการกำหนดค่าสองแบบทั่วไปในโครงสร้างการให้บริการโฆษณา: แบบหนึ่งโดยที่โฮสต์ทำงานร่วมกับผู้โฆษณาโดยตรง และอีกแบบหนึ่ง (ที่พบได้บ่อยกว่า) โดยที่ผู้โฆษณามีการร่วมมือที่จำกัดเนื่องจากต้องการปกป้องตัวเองจากการหลอกลวงโดยลูกค้า

ในแนวทางที่ใช้ฟิลเตอร์ รวมถึง AdGraph การหลอกลวง URL ที่ประสบความสำเร็จโดยระบบการให้บริการโฆษณาเกือบจะเป็นชัยชนะที่สมบูรณ์แบบ โดยให้ “ที่มา” ของโฆษณา และหลบหลีกการปิดโฆษณาเกือบทั้งหมด

สิ่งที่เหลืออยู่คืออะไร WebGraph มุ่งเน้นไปที่ความจำเป็นของระบบโฆษณาที่จะแบ่งปันข้อมูลโดยวิธีการที่ไม่ชัดเจน เช่น ติดตามเว็บ การสื่อสารระหว่าง iframes และ “ผู้ฟัง” เว็บที่สำรวจสถานะของหน้าเว็บที่มีการใช้งานอยู่เพื่อหาการใช้งานที่มีความหมายในแง่ของเมตริกเว็บสำหรับโฆษณา เช่น การจัดเก็บตัวแปรในคุกกี้หรือพื้นที่จัดเก็บท้องถิ่น HTML5

WebGraph ใช้เฟรมเวิร์กการวัดความเป็นส่วนตัวของเว็บของ Mozilla (OpenWPM) เพื่อติดตามกิจกรรมเหล่านี้ใน Firefox โดยบันทึกกิจกรรมทั้งหมดที่ระดับ JavaScript และคำขอและคำตอบเครือข่ายทั้งหมดที่ระดับเครือข่าย

การตรวจสอบเพิ่มเติมนี้แนะนำ “ขอบเขตการไหลของข้อมูล” ใหม่ให้กับเครือข่ายกราฟที่เสนอโดย AdGraph ช่วยให้ WebGraph สามารถบันทึกและวัดรูปแบบการแบ่งปันข้อมูลตามกิจกรรมท้องถิ่น โดยไม่คำนึงถึง URL ต้นทางและปลายทางสำหรับการสื่อสารโทรคมนาคมหรือการสื่อสารอื่นๆ ในระบบการให้บริการโฆษณา

ผลลัพธ์

นักวิจัยใช้เวอร์ชันที่ขยายของ OpenWPM เพื่อตรวจสอบเว็บไซต์ 10,000 แห่งจาก 100,000 อันดับแรกของ Alexa และตัวอย่างสุ่ม 9,000 แห่งจากอันดับ 1,000 ถึง 100,000 โดยจัดเก็บการแสดงกราฟของพวกเขาไว้ก่อนที่จะส่งผลลัพธ์ไปยังตัวจำแนกต้นไม้ตัดสินใจที่ได้รับการสร้างแบบจำลองจาก AdGraph และใช้ฟิลเตอร์โฆษณาที่ได้รับความนิยมเป็นข้อมูลพื้นฐานในการฝึกอบรม

ระบบได้ผลลัพธ์ที่เทียบเท่ากับ AdGraph โดยมีความแม่นยำ 92.33% อย่างไรก็ตาม ความต้านทานของระบบใหม่ต่อการโจมตีเพิ่มขึ้นจากอัตราการล้มเหลวเกือบสมบูรณ์ของ AdGraph เป็นเพียง 8% ที่อ่อนแอภายใต้ WebGraph

ทิศทางในอนาคต

บทความนี้อ้างว่าเครือข่ายโฆษณาจะต้องเปลี่ยนแปลงโครงสร้างระบบของตนอย่างมีนัยสำคัญเพื่อหลบหลีกการตรวจจับในระบบ WebGraph และแนะนำว่าการเปลี่ยนแปลงเหล่านี้จะทำให้ต้องมีการตรวจสอบความสัมพันธ์เชื่อถือระหว่างผู้โฆษณาที่สามและเว็บไซต์โฮสต์ที่โฆษณาปรากฏ

บทความยังระบุด้วยว่า WebGraph ไม่ได้คำนึงถึงเทคนิคติดตามที่ไม่มีสถานะ เช่น การระบุลายนิ้วมือเบราว์เซอร์ (ผ่านองค์ประกอบ Canvas) ซึ่งใช้ API ที่ระบบไม่ได้ตรวจสอบอยู่ในปัจจุบัน นักวิจัยแนะนำว่า WebGraph สามารถขยายได้ในอนาคตเพื่อคำนึงถึงการโต้ตอบและตัวบ่งชี้การจัดเก็บข้อมูลท้องถิ่นเหล่านั้น