पाठ्यक्रम 156 में से पाठ 145 · एक शोधकर्ता की तरह वेब मापें
एक शोधकर्ता की तरह वेब मापें

निजता अध्ययन कैसे काम करते हैं

यह क्यों मायने रखता है वेब tracking के बारे में हम जो ज़्यादातर जानते हैं, जैसे कितनी साइटों पर trackers हैं या कौन-सी कंपनियाँ सबसे ज़्यादा लोगों तक पहुँचती हैं, वह उन अध्ययनों से आता है जो हज़ारों साइटें अपने आप load करते हैं और दर्ज करते हैं कि क्या होता है। यह जानना कि वे अध्ययन कैसे काम करते हैं आपको एक सुर्ख़ी वाली संख्या परखने देता है, और अगले पाठों में अपना ख़ुद का चलाने देता है।

एक पक्षी सर्वेक्षण की सोचें। volunteers साल के एक ही समय एक ही रास्तों पर चलते हैं और जो देखते हैं वह गिनते हैं। गिनती उतनी ही अच्छी है जितना तरीका: सिर्फ़ धूप वाले parks में चलें और आप उल्लुओं को चूक जाएँगे। वेब अध्ययन भी ऐसे ही हैं। "80% साइटों पर एक tracker है" जैसी संख्या का तब तक कोई मतलब नहीं जब तक आप न जानें कि कौन-सी साइटें, कहाँ से, और उन पर कैसे जाया गया।

Crawler: एक प्रोग्राम जो वेब पन्नों पर अपने आप, एक के बाद एक जाता है, और जो पाता है वह दर्ज करता है।

Census अध्ययन: एक माप जो मुट्ठी भर के बजाय एक बड़े, परिभाषित set (उदाहरण के लिए सबसे लोकप्रिय दस लाख साइटें) की हर साइट पर जाने की कोशिश करता है, ताकि वह बता सके कि कुछ कितना आम है।

Instrumentation: एक ब्राउज़र में जोड़ी गई अतिरिक्त रिकॉर्डिंग ताकि एक अध्ययन हर request, cookie और script call देख सके जो एक पन्ना करता है, सिर्फ़ screen पर दिखने वाला नहीं।

एक आधुनिक अध्ययन कैसे काम करता है

  1. साइटें चुनें। आमतौर पर लोकप्रिय साइटों की एक सार्वजनिक ranking, कभी-कभी एक रैंडम नमूना, कभी-कभी एक श्रेणी (समाचार, स्वास्थ्य)।
  2. एक असली ब्राउज़र चलाएँ। सादे downloads ज़्यादातर trackers चूक जाते हैं, क्योंकि trackers scripts से load होते हैं। अध्ययन एक असली ब्राउज़र चलाते हैं जो पन्ने का code चलाता है।
  3. सब कुछ दर्ज करें। Requests और responses, सेट हुई cookies, हर script ने कौन-से ब्राउज़र features इस्तेमाल किए (उदाहरण के लिए canvas पढ़ना, एक fingerprinting सुराग), और redirects।
  4. Label करें और गिनें। third parties को tracker सूचियों से मिलाएँ, फिर गिनें कि हर एक कितनी बार दिखता है।

एक जाना-माना उदाहरण OpenWPM है, एक open-source माप औज़ार, जो 2016 के एक अध्ययन में इस्तेमाल हुआ जिसने सबसे लोकप्रिय दस लाख साइटें crawl कीं और fingerprinting scripts और tracking उस पैमाने पर पाई जो पहले किसी ने नहीं दिखाया था। बाद के कई अध्ययन इसी pattern का पालन करते हैं।

तरीका जवाब क्यों बदलता है

  • सिर्फ़ home page, या गहराई में? अंदर के पन्ने (लेख, checkouts) अक्सर अलग trackers load करते हैं।
  • Stateless या stateful? एक stateless crawl हर साइट को एक नए ब्राउज़र से शुरू करता है; एक stateful वाला साइटों के पार cookies रखता है, जैसे एक व्यक्ति करता है, और इसलिए cross-site tracking देख सकता है।
  • Consent banners। एक crawler जो कभी click नहीं करता वह मापता है कि सहमति से पहले क्या होता है; जो "accept" click करे वह कुछ और मापता है। बताएँ कि आपने क्या किया।
  • Crawler कहाँ बैठा है। साइटें अलग देशों में और अलग devices को अलग चीज़ें दिखाती हैं।
  • Bot detection। कुछ साइटें crawlers के साथ लोगों से अलग बर्ताव करती हैं, इसलिए एक crawl कम गिन सकता है।
  • समय। वेब हर हफ़्ते बदलता है। एक अध्ययन एक तारीख़ वाली तस्वीर है।

एक आम ग़लतफ़हमी: "एक बड़ा crawl हमेशा एक बेहतर अध्ययन है।" आकार रैंडम ग़लती घटाता है पर पूर्वाग्रह नहीं। एक data centre से बिना clicks के देखे गए दस लाख home pages सटीक रूप से ग़लत हो सकते हैं कि असली लोग क्या अनुभव करते हैं।

इस मॉड्यूल में आप 1,000 बनावटी साइटों का एक simulated वेब crawl करते हैं। यह सीखने के लिए मायने रखने वाले तरीकों में असली जैसा बर्ताव करता है, और किसी असली चीज़ से संपर्क नहीं होता।

आज़माएँ अपने ब्राउज़र के developer tools खोलें (F12, या Mac पर Cmd+Option+I), Network tab पर जाएँ, और एक समाचार साइट load करें। सूची में अलग domains गिनें। आपने अभी एक साइट का crawl किया, हाथ से। फिर Network tab के "Disable cache" box पर tick करके reload करें और देखें कि सूची बदलती है या नहीं।

सार

  • निजता अध्ययन एक instrumented असली ब्राउज़र से कई साइटें crawl करते हैं और जो दर्ज करते हैं उसे गिनते हैं।
  • Census अध्ययन एक पूरे परिभाषित set को ढकने का लक्ष्य रखते हैं, जैसे शीर्ष दस लाख साइटें।
  • सिर्फ़ home page, consent clicks, जगह और तारीख़ जैसे चुनाव नतीजे बदलते हैं, इसलिए उन्हें रिपोर्ट करना होगा।
  • बड़ा अपने आप बेहतर नहीं: आकार रैंडम ग़लती काटता है, पूर्वाग्रह नहीं।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।