Машинне навчання проти систем згоди на файли cookie

Нова дослідницька співпраця між Університетом Вісконсина та Google ставить машинне навчання проти одного з найбільш відомих розчарувань користувачів Інтернету за останні десять років – неясності та цинічного використання GDPR-відповідних банерів згоди на файли cookie.

Відзначена як CookieEnforcer, нова структура використовує семантичне розуміння тексту для аналізу значення та корисності коду, що лежить в основі банеру згоди на файли cookie, щоб надати користувачеві відсутнє “однократне рішення” для відключення всіх дійсно “неналежних” файлів cookie – включаючи ті, які власники доменів можуть представляти як “необхідні”, навіть якщо вони не є такими.

CookieEnforcer аналізує код згоди на файли cookie з веб-сайту www.askubuntu.com. Джерело: https://arxiv.org/pdf/2204.04221.pdf

Система реалізована через веб-плагін, встановлений користувачем, який здатний застосовувати правила, визначені користувачем, в одному кліку. Як тільки банер згоди на файли cookie з’являється на веб-сайті, користувач може активувати плагін, який потім буде аналізувати код згоди на файли cookie для потенційних дій перед генерацією відповідного JavaScript для виконання вибору від імені користувача.

Плагін можна налаштувати для автоматичного застосування налаштувань користувача або окремо розглядати кожен випадок, дозволяючи користувачеві налаштувати параметри перед остаточною подачею.

Cookie Enforcer в дії. Якщо бажано, плагін Chrome може повністю автоматизувати цей процес без подальшої участі користувача. Дивіться пізніше вкладений відеоролик для більшої інформації. Джерело: https://www.youtube.com/watch?v=5NI6Q981quc

Виклик аналізу можливих “не згодних” варіантів, які зазвичай приховані в складних і трудомістких групах налаштувань (а не в дружньому інтерфейсі “прийняти все” типовому для структур згоди), моделюється як послідовність до послідовності завдання.

У кінцевому підсумку оцінки точності CookieEnforcer能够 генерувати всі необхідні кроки для обходу криптичних процедур згоди на файли cookie в 91% випадків, вивчених на доменах, які не були бачені під час навчання моделі машинного навчання системи. Додаткове дослідження користувачів продемонструвало, що система значно знижує зусилля користувача при навігації модулів згоди.

Стаття стаття, яка представляє цей метод, називається CookieEnforcer: Автоматизований аналіз та виконання згоди на файли cookie, і походить від трьох дослідників Університету Вісконсина в Медісоні та одного від Google Inc.

Таємничі шляхи до згоди на файли cookie

Від моменту прийняття Загального регламенту захисту даних (GDPR) у 2016 році та Закону про захист споживачів Каліфорнії (CCPA) у 2018 році веб-сайти, які бажають взаємодіяти з користувачами з областей, охоплених такими законодавствами, повинні були надавати механізми вибору файлів cookie (зазвичай на основі виявлення IP-адреси користувача як проксі для його країни походження).

Однак, оскільки власники доменів давно звикли отримувати цінну та діючу інформацію про користувачів з неясного та зазвичай невидимого впровадження файлів cookie, вони виявилися неохочими надавати легкі варіанти відмови від них для своїх новоемансипованих користувачів.

За замовчуванням інтерфейс для структур згоди на файли cookie (які з’являються вперше, коли користувач відвідує домен, або якщо користувач видалить файли cookie для цього домену) швидко став стандартним для темних патернів дизайну, призначених для виснаження глядача дрібними, трудомісткими та широкими виборами у разі, якщо вони хочуть здійснювати свої права на згоду; або ж простого та легко доступного кнопки, яка оптиповує користувача в усі файли cookie, які власник домену бажає запустити. Ця культура лабіринтних виборів інтерфейсу була описана в одному дослідженні 2020 року як ‘полювання за скарбами’.

Нова стаття коментує:

‘[Користувачі] можуть знайти складнощі при здійсненні інформованого контролю файлів cookie для веб-сайтів з складними повідомленнями. Вони значно частіше покладаються на конфігурації за замовчуванням, ніж налаштовують свої налаштування файлів cookie для кожного [веб-сайту]. У кількох випадках ці конфігурації за замовчуванням є інвазивними щодо приватності та на користь постачальників послуг, що призводить до ризиків щодо приватності.’

Коментар до однієї популярної публікації щодо цих практик характеризував їх як “зловмисну відповідність”. Розчарування користувачів щодо структур згоди на файли cookie – це тема, яка суперечить великим видавцям, які могли б надати подальшу інформацію, якщо б вони не були особисто вразливі своїми власними практиками в цьому відношенні.

Типова лабіринтна множина варіантів, представлених в цьому випадку веб-сайтом TechCrunch, іронічно як передмова до статті про зміну ставлення ЄС до того, що становить згоду на файли cookie. Додані ідентифікатори URL та хуки, призначені для подальшого забезпечення відстежування, становили 262 символи (вилучені тут). Кнопка ‘відхилити все’, хоча й доступна для певних категорій файлів cookie, недоступна для всього набору можливих файлів cookie; у тих виняткових випадках користувач повинен керувати кожним ‘перемикачем’.

Стаття 2019 року з Німеччини виявила, що більшість відвідувачів веб-сайтів у вивчених доменах були “штовхнуті” до широкої згоди, і що тільки третина веб-сайтів насправді пояснювала мети практик збору даних.

Кілька веб-плагінів, додатків та розширень з’явилися для вирішення цієї проблеми за останні роки, таких як розширення Cookie Quick Manager для Firefox, та широкий спектр альтернатив для Chrome, тоді як Європейський Союз прагне закрити прогалини у відповідності архітектури згоди на файли cookie.

Метод і дані

Дослідники нової статті були визначені створити більш надійну структуру управління згодою на файли cookie, уникнувши залежності від ключових слів або вручну створених правил, центральний підхід кількох останніх подібних проектів з підтримкою машинного навчання.

CookieEnforcer має три об’єктиви: перекласти повідомлення та інтерфейси файлів cookie у формат, який можна прочитати машиною; ідентифікувати конфігурацію налаштувань файлів cookie таким чином, щоб відключити неналежні файли cookie; та автоматично застосовувати додаткові обмеження без подальшої участі користувача, якщо це бажано користувачем.

Система складається з компонента бекенду, який виявляє та аналізує повідомлення про файли cookie, та компонента фронтенду у вигляді розширення браузера, яке генерує та виконує відключення неналежних файлів cookie (тобто файлів cookie, які не завадять навігації чи доступу до домену, якщо вони будуть заблоковані).

Фреймворк втілено у вигляді розширення Chrome, яке використовує бібліотеку Selenium для тестування веб-стрінок під фреймворком ChromeDriver.

Компонент бекенду містить модулі для виявлення, аналізу та моделі прийняття рішень. Модуль аналізу враховує зміни коду, введені взаємодією користувача, щоб початковий код не став недійсним через симульовану взаємодію користувача.

Природнє мовне розуміння

З відкритим кодом важливо, щоб CookieEnforcer зрозумів існуючий стан можливих дій, які він може здійснити, оскільки мова за кнопками перемикання може бути двозначною щодо користі для кінцевого користувача.

Для цього дослідники навчали Text-To-Text Transfer Transformer (T5) модель для свого компонента прийняття рішень. Модель T5-Large, яка містить 770 мільйонів параметрів, була донастроєна на спеціальній базі даних вхідного/вихідного коду (тобто коду, який описує та дозволяє функціональність перемикання варіантів).

Зразковий формат (вище) та навчальні дані (ниже) для моделі T5. Приклад даних з www.askubuntu.com.

Дані були створені шляхом вибірки 300 веб-сайтів з повідомленнями про файли cookie, вибраних з списку популярних веб-сайтів Tranco. Детектор і аналізатор модулів витягнули варіанти згоди на файли cookie з їхнього джерельного коду часу виконання та оцінили їхні станів за замовчуванням.

Один із дослідників потім вручну позначив інтерпретовані серії кліків, необхідних для відключення неналежних файлів cookie для всіх вивчених веб-сайтів, що призвело до 300 повністю позначених доменів.

Різноманітність джерел коду в прикладах з власної бази даних.

60 веб-сайтів були відкладені як тестова множина, а модель T5-Large була навчена з швидкістю навчання 0,003 при розмірі пакету 16 протягом 20 епох, з максимальною довжиною вхідної послідовності 256 токенів та максимальною довжиною цільової послідовності 64. Токени складаються з підслів, встановлених токенізацією SentencePiece від Google.

Нарешті, оброблена інформація зберігається в локальній базі даних та надається фронтенду системи. Автори віддали перевагу функції querySelector() HTML над підходом мови XML Path (XPath), прийнятим деякими попередніми подібними проектами, оскільки XPaths для повідомлень про файли cookie вразливі до оновлень DOM (тобто код може змінитися після початкового завантаження у відповідь на взаємодію користувача). Таким чином, шляхи елементів можна зберегти навіть тоді, коли вони динамічні та реагують на зовнішні чинники.

Тестування та продуктивність

На практиці CookieEnforcer довів свою здатність пройти деякі з найтемніших темних патернів у наборі даних, таких як прихований варіант у структурі згоди на файли cookie The New Scientist, який приховується за допомогою JavaScript, поки користувач явно не попросить побачити його.

Автори коментують:

‘Цей варіант можна легко пропустити користувачами, оскільки їм потрібно розширити додаткову рамку, щоб побачити його. CookieEnforcer не тільки знаходить цей варіант, але й розуміє його семантику та приймає рішення про відмову. Ці приклади демонструють, що модель вчиться контексту та узагальнює для нових прикладів.’

Дослідники провели три тести, включаючи кінцеву оцінку продуктивності фреймворка на 500 невидимих доменах (тобто веб-сайтах, для яких CookieEnforcer не був спеціально навчений), де автори повідомляють, що він міг успішно відключити неналежні файли cookie для 91% сайтів.

Другий тест складався з онлайн-дослідження користувачів, яке охоплювало 14 веб-сайтів, та використовувало Шкалу системної зручності (бал) проти ручної базової лінії. Для цього тесту автори повідомляють, що CookieEnforcer отримав бал на 15% вищий, ніж базова лінія.

CookieEnforcer дозволяє бал на 15% вищий, ніж базове (неасистоване) використання, при цьому автоматизуючи виснажливий процес.

Нарешті, навчені параметри CookieEnforcer були протестовані проти топ-5000 веб-сайтів у США та Європі, щоб визначити його здатність навігації повідомлень про файли cookie. Автори заявляють:

‘Хоча вимірювання на такому рівні були проведені раніше, CookieEnforcer дозволяє глибше розуміння варіантів за межами ключових словесних евристик. Зокрема, ми виявили, що 16,7% веб-сайтів у Великій Британії, які показують повідомлення про файли cookie, мають принаймні один неналежний файл cookie. Те ж саме число для веб-сайтів у США становить 22%.’

Автори випустили коротке відео на YouTube, яке демонструє CookieEnforcer у дії:

Перша публікація 12 квітня 2022 року.