كيف تعمل دراسات الخصوصية
لماذا هذا مهم معظم ما نعرفه عن تتبع الويب، مثل عدد المواقع التي تحتوي على أدوات التتبع أو الشركات التي تصل إلى أكبر عدد من الناس، يأتي من الدراسات التي تقوم بتحميل آلاف المواقع تلقائيا وتسجل ما يحدث. معرفة كيفية عمل تلك الدراسات تتيح لك الحكم على رقم في عنوان رئيسي، وتشغيل دراستك الخاصة في الدروس القادمة.
فكر في مسح للطيور. يسير المتطوعون في نفس المسارات في نفس الوقت من العام ويعدون ما يرونه. تعتمد جودة العد على الطريقة فقط: إذا مشيت في المتنزهات المشمسة فقط فستفقد البوم. دراسات الويب هي نفسها. رقم مثل "80% من المواقع تحتوي على tracker" لا يعني شيئا حتى تعرف أي المواقع، ومن أين، وكيف تمت زيارتها.
Crawler: برنامج يزور صفحات الويب تلقائيا، واحدة تلو الأخرى، ويسجل ما يجده.
Census study: قياس يحاول زيارة كل موقع في مجموعة كبيرة ومحددة (على سبيل المثال مليون موقع هي الأكثر شعبية) بدلا من عدد قليل منها، لكي يمكنه تحديد مدى شيوع شيء ما.
Instrumentation: تسجيل إضافي تمت إضافته إلى المتصفح لكي تتمكن الدراسة من رؤية كل طلب وكل cookie وكل استدعاء script تقوم به الصفحة، وليس فقط ما يظهر على الشاشة.
كيف تعمل الدراسة الحديثة
- اختر المواقع.عادة ما يكون تصنيفاً عاماً للمواقع الشهيرة، وأحياناً عينة عشوائية، وأحياناً فئة واحدة (أخبار، صحة).
- تشغيل متصفح حقيقي. تفشل عمليات التحميل البسيطة في اكتشاف معظم أدوات التتبع، لأن أدوات التتبع يتم تحميلها بواسطة scripts. تقوم الدراسات بتشغيل متصفح حقيقي يقوم بتشغيل كود الصفحة.
- سجل كل شيء. الطلبات والاستجابات، ملفات تعريف الارتباط التي تم ضبطها، ميزات المتصفح التي استخدمها كل script (على سبيل المثال قراءة canvas، كدليل على fingerprinting)، وإعادة التوجيه.
- العنوان والعدد.قارن الأطراف الثالثة مع قوائم التتبع، ثم احسب عدد مرات ظهور كل منها.
A مثال معروف هو OpenWPM، وهو أداة قياس مفتوحة المصدر، استُخدمت في دراسة عام 2016 قامت بمسح مليون موقع من الأكثر شهرة ووجدت سكربتات fingerprinting وتتبعاً على نطاق لم يظهره أحد من قبل. تتبع العديد من الدراسات اللاحقة النمط نفسه.
لماذا تغير الدالة الإجابة
- الصفحة الرئيسية فقط، أم صفحات أعمق؟الصفحات الداخلية (المقالات، صفحات الدفع) غالباً ما تقوم بتحميل trackers مختلفة.
- بدون حالة أو بحالة؟ يبدأ الزحف بدون حالة كل موقع بمتصفح جديد؛ أما الزحف بحالة فيحافظ على cookies عبر المواقع، مثلما يفعل الشخص، وبالتالي يمكنه رؤية التتبع عبر المواقع.
- لافتات الموافقة. يقوم زاحف لا ينقر أبدا بقياس ما يحدث قبل الموافقة؛ بينما يقيس الزاحف الذي ينقر على "accept" شيئا آخر. حدد أيهما قمت باستخدامه.
- مكان وجود الـ crawler. تعرض المواقع أشياء مختلفة في بلدان مختلفة ولأجهزة مختلفة.
- كشف البوتات.تعامل بعض المواقع مع زواحف الويب بشكل مختلف عن البشر، لذا قد يؤدي الزحف إلى نقص في العدد.
- Timing. تتغير الويب أسبوعيا. الدراسة هي لقطة مع تاريخ.
خطأ شائع: "الزحف الأكبر هو دائما دراسة أفضل." الحجم يقلل الخطأ العشوائي ولكن لا يقلل الانحياز. مليون صفحة رئيسية تمت زيارتها من مركز بيانات واحد بدون أي نقرات يمكن أن تكون خاطئة تماما بشأن ما يختبره الأشخاص الحقيقيون.
في هذا النموذج، تقوم بجمع بيانات من simulated شبكة مكونة من 1,000 موقع وهمي. إنها تعمل مثل الشبكة الحقيقية في الجوانب المهمة للتعلم، ولا يتم الاتصال بأي شيء حقيقي.
جرب ذلك افتح أدوات المطور في متصفحك (F12، أو Cmd+Option+I على جهاز Mac)، وانتقل إلى تبويب Network، ثم قم بتحميل موقع إخباري. عد النطاقات المختلفة في القائمة. لقد قمت للتو بـ crawl لموقع واحد، يدويا. ثم أعد التحميل مع تفعيل مربع "Disable cache" في تبويب Network وانظر ما إذا كانت القائمة تتغير.
ملخص
- تدرس دراسات الخصوصية العديد من المواقع باستخدام متصفح حقيقي مزود بأدوات قياس وتحصي ما تسجله.
- تهدف دراسات التعداد إلى تغطية مجموعة محددة كاملة، مثل أفضل مليون موقع.
- خيارات مثل الصفحة الرئيسية فقط، ونقرات الموافقة، وتغيير الموقع والتاريخ تغير النتائج، لذا يجب الإبلاغ عنها.
- الحجم الأكبر ليس أفضل تلقائيا: الحجم يقلل الخطأ العشوائي وليس الانحياز.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.