Temario Lección 44 de 156 · Dentro de un rastreador (en el mundo de práctica)
Dentro de un rastreador (en el mundo de práctica)

El perfil que vendería una red publicitaria

Por qué importa El registro de un rastreador no es solo una lista de páginas. Leídas juntas, las páginas se convierten en suposiciones sobre la vida de una persona. Este laboratorio lo hace concreto, para que lo que está en juego con el rastreo deje de ser abstracto.

Sam nunca le contó nada a AdCo. Sam solo compró. Pero AdCo vio cada página, y cada página tiene una categoría. Cuenta las categorías y aparece una imagen: alguien aficionado a correr, quizá esperando un bebé, quizá preocupado por el dinero.

Perfil de intereses: un resumen de lo que parece interesarle a una persona, construido contando los tipos de páginas que vio. Las redes publicitarias usan los perfiles para elegir qué anuncios mostrar y, en algunos casos, los venden o los comparten.

Algunas categorías son más delicadas que otras. La salud, el embarazo, dejar de fumar, los problemas de dinero y las cosas de bebé pueden revelar una enfermedad, un embarazo o las finanzas de una familia, a menudo antes de que la persona se lo haya contado a nadie cercano.

El mundo de práctica tiene su propia lista, SENSITIVE_CATEGORIES, que deja fuera baby. El conjunto SENSITIVE de este laboratorio la añade, porque las compras de bebé suelen dar pistas de un embarazo.

Contar con un diccionario

counts = {}
for category in ["running", "baby", "running"]:
    counts[category] = counts.get(category, 0) + 1
print(counts)   # {'running': 2, 'baby': 1}

counts.get(key, 0) significa "la cuenta actual, o 0 si es nueva". Python también tiene collections.Counter, que hace lo mismo en una línea; cualquiera de las dos vale.

Para encontrar la clave con la cuenta más alta, max(counts, key=counts.get) mira todas las claves pero las compara por counts.get(key), su cuenta:

print(max({"running": 2, "baby": 1}, key={"running": 2, "baby": 1}.get))   # running

En este laboratorio usas una sesión más larga (40 páginas) con un navegador normal. Primero encuentra el ID principal de AdCo para Sam (el ID de cookie que aparece en más registros), luego cuenta las categorías de los registros de ese ID, y después enumera qué categorías delicadas aparecen.

La defensa

La partición (lección 41) corta este perfil en un trocito por tienda, y un bloqueador (módulo 8) detiene los informes por completo. Ninguno de los dos cambia lo que cada tienda sabe de sus propios visitantes; cambian lo que un único actor externo puede unir.

En otros lenguajes

JavaScript:

const counts = {};
for (const r of mine) counts[r.category] = (counts[r.category] ?? 0) + 1;

C#:

var counts = mine.GroupBy(r => r.Category).ToDictionary(g => g.Key, g => g.Count());

Resumen

  • Contar las categorías de las páginas bajo un mismo ID convierte un registro en la historia de una vida.
  • Las suposiciones delicadas (salud, embarazo, dinero) salen de compras normales.
  • La partición y el bloqueo impiden que un único actor externo lo una todo.
Tu turno

Para seed=7 y world.browsing_session(40) con un navegador normal: escribe main_id(records) (el cookie_id que no es None y aparece en más registros), interests(records, cookie_id) (un diccionario que cuenta las categorías de los registros con ese ID; sáltate los registros cuya categoría es None, como las imágenes y los scripts, que no pertenecen a ninguna categoría) y sensitive_found(counts) (una lista ordenada de las categorías de SENSITIVE que aparecen en counts). Guarda los resultados en sam_id, profile y found.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.