Profil yang akan dijual oleh jaringan iklan
Kenapa ini penting Log seorang pelacak bukan sekadar daftar halaman. Jika dibaca bersama, halaman tersebut berubah menjadi tebakan tentang hidup seseorang. Lab ini membuatnya menjadi nyata, sehingga risiko pelacakan tidak lagi abstrak.
Sam tidak pernah memberi tahu AdCo apa pun. Sam hanya berbelanja. Tapi AdCo melihat setiap halaman, dan setiap halaman punya kategori. Hitung kategorinya dan sebuah gambar muncul: seseorang yang suka lari, mungkin sedang hamil, mungkin khawatir soal uang.
Profil minat: ringkasan tentang apa yang tampaknya menarik bagi seseorang, dibuat dengan menghitung jenis halaman yang mereka lihat. Jaringan iklan menggunakan profil untuk memilih iklan mana yang akan ditampilkan dan, dalam beberapa kasus, menjual atau membagikannya.
Beberapa kategori lebih sensitif daripada yang lain. Kesehatan, kehamilan, berhenti merokok, masalah uang dan barang bayi bisa mengungkap kondisi medis, kehamilan atau keuangan keluarga, seringkali sebelum orang tersebut memberi tahu orang terdekat mereka.
Dunia latihan punya daftar sendiri, SENSITIVE_CATEGORIES, yang tidak menyertakan baby. SENSITIVE lab ini menambahkannya, karena belanja bayi sering kali mengisyaratkan kehamilan.
Menghitung dengan dictionary
counts = {}
for category in ["running", "baby", "running"]:
counts[category] = counts.get(category, 0) + 1
print(counts) # {'running': 2, 'baby': 1}counts.get(key, 0) berarti "hitungan saat ini, atau 0 jika ini baru". Python juga punya collections.Counter, yang melakukan hal yang sama dalam satu baris; mana saja boleh.
Untuk mencari kunci dengan jumlah terbanyak, max(counts, key=counts.get) melihat setiap kunci tapi membandingkannya berdasarkan counts.get(key), jumlah mereka:
print(max({"running": 2, "baby": 1}, key={"running": 2, "baby": 1}.get)) # runningDi lab ini kamu menggunakan sesi yang lebih panjang (40 halaman) dengan browser biasa. Pertama cari ID utama AdCo untuk Sam (ID cookie yang terlihat di paling banyak catatan), lalu hitung kategori dari catatan ID tersebut, kemudian daftar kategori sensitif mana saja yang muncul.
Pertahanan
Partitioning (lesson 41) membagi profil ini menjadi satu potongan kecil per toko, dan blocker (Module 8) menghentikan laporan sepenuhnya. Keduanya tidak mengubah apa yang diketahui setiap toko tentang pengunjungnya sendiri; mereka mengubah apa yang bisa digabungkan oleh satu orang luar.
Di bahasa lain
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());Ringkasan
- Menghitung kategori halaman di bawah satu ID mengubah log menjadi sebuah kisah hidup.
- Tebakan sensitif (kesehatan, kehamilan, uang) muncul dari belanja biasa.
- Partisi dan pemblokiran mencegah satu orang luar untuk menyatukan semuanya.
Untuk seed=7 dan world.browsing_session(40) dengan browser biasa: tulis main_id(records) (cookie_id non-None yang muncul di paling banyak rekaman), interests(records, cookie_id) (dict yang menghitung kategori rekaman dengan ID tersebut; lewati rekaman yang kategorinya None, seperti gambar dan skrip, yang tidak punya kategori), dan sensitive_found(counts) (list terurut dari kategori di SENSITIVE yang muncul dalam hitungan). Simpan hasilnya di sam_id, profile dan found.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.