Cara kerja studi privasi
Kenapa ini penting Sebagian besar yang kita tahu tentang pelacakan web, seperti berapa banyak situs yang menggunakan tracker atau perusahaan mana yang menjangkau orang paling banyak, berasal dari studi yang memuat ribuan situs secara otomatis dan mencatat apa yang terjadi. Mengetahui cara kerja studi tersebut membuatmu bisa menilai angka utama, dan menjalankan studimu sendiri di pelajaran berikutnya.
Bayangkan survei burung. Relawan berjalan di rute yang sama pada waktu yang sama setiap tahun dan menghitung apa yang mereka lihat. Hasil hitungan hanya sebagus metodenya: jalan hanya di taman yang cerah dan kamu akan melewatkan burung hantu. Studi web juga sama. Angka seperti "80% situs menggunakan tracker" tidak berarti apa-apa sampai kamu tahu situs mana, dari mana, dan bagaimana situs tersebut dikunjungi.
Crawler: program yang mengunjungi halaman web secara otomatis, satu demi satu, dan mencatat apa yang ia temukan.
Census study: pengukuran yang mencoba mengunjungi setiap situs dalam kumpulan besar yang ditentukan (misalnya satu juta situs terpopuler) daripada hanya segenggam saja, supaya bisa memberi tahu seberapa umum sesuatu.
Instrumentation: rekaman tambahan yang ditambahkan ke browser supaya studi bisa melihat setiap request, cookie, dan pemanggilan script yang dibuat sebuah halaman, bukan hanya apa yang muncul di layar.
Cara kerja studi modern
- Pilih situsnya.Biasanya peringkat publik situs populer, terkadang sampel acak, terkadang satu kategori (berita, kesehatan).
- Jalankan browser asli. Download sederhana melewatkan sebagian besar tracker, karena tracker dimuat oleh script. Studies menjalankan browser asli yang menjalankan kode halaman.
- Catat semuanya. Permintaan dan respons, cookies yang diatur, fitur browser apa yang digunakan setiap skrip (misalnya membaca canvas, petunjuk fingerprinting), dan pengalihan.
- Label dan hitung. Cocokkan pihak ketiga dengan daftar tracker, lalu hitung seberapa sering masing-masing muncul.
A contoh yang terkenal adalah OpenWPM, sebuah alat pengukuran open-source, yang digunakan dalam studi tahun 2016 yang merayapi satu juta situs terpopuler dan menemukan skrip fingerprinting serta pelacakan dalam skala yang belum pernah ditunjukkan siapa pun sebelumnya. Banyak studi selanjutnya mengikuti pola yang sama.
Kenapa metode mengubah jawabannya
- Hanya halaman beranda, atau lebih dalam?Halaman dalam (artikel, checkout) sering memuat tracker yang berbeda.
- Stateless atau stateful? Crawl stateless memulai setiap situs dengan browser baru; yang stateful menyimpan cookies antar situs, seperti yang dilakukan manusia, dan bisa melihat pelacakan lintas situs.
- Banner persetujuan. Crawler yang tidak pernah mengeklik mengukur apa yang terjadi sebelum persetujuan; yang mengeklik "accept" mengukur hal lain. Katakan mana yang kamu lakukan.
- Tempat crawler berada. Situs menampilkan hal yang berbeda di negara yang berbeda dan ke perangkat yang berbeda.
- Deteksi Bot.Beberapa situs memperlakukan crawler berbeda dari manusia, jadi crawl mungkin menghitung lebih sedikit.
- Timing. Web berubah setiap minggu. Studi adalah cuplikan dengan tanggal.
Kesalahpahaman umum: "Crawl yang lebih besar selalu hasil studi yang lebih baik." Ukuran mengurangi kesalahan acak tapi bukan bias. Satu juta halaman beranda yang dikunjungi dari satu pusat data tanpa klik bisa sangat salah tentang apa yang dialami orang sungguhan.
Di modul ini kamu akan melakukan crawling pada simulated web berisi 1.000 situs buatan. Cara kerjanya mirip dengan aslinya untuk kebutuhan belajar, dan tidak ada situs asli yang dihubungi.
Coba sendiri Buka developer tools browser kamu (F12, atau Cmd+Option+I di Mac), pergi ke tab Network, dan buka situs berita. Hitung domain yang berbeda di daftar itu. Kamu baru saja melakukan crawl satu situs secara manual. Lalu muat ulang dengan mencentang kotak "Disable cache" di tab Network dan lihat apakah daftarnya berubah.
Ringkasan
- Studi privasi merayapi banyak situs dengan browser asli yang terinstrumentasi dan menghitung apa yang mereka rekam.
- Studi census bertujuan untuk mencakup seluruh set yang ditentukan, seperti satu juta situs teratas.
- Pilihan seperti hanya halaman beranda, klik persetujuan, lokasi dan tanggal mengubah hasil, jadi itu harus dilaporkan.
- Bigger tidak otomatis lebih baik: ukuran memotong error acak, bukan bias.
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.