Programma Lezione 145 di 156 · Misurare il web come un ricercatore
Misurare il web come un ricercatore

Come funzionano gli studi sulla privacy

Perché è importante Quasi tutto ciò che sappiamo sul tracciamento web, come quanti siti hanno tracker o quali aziende raggiungono più persone, viene da studi che caricano migliaia di siti in automatico e registrano che cosa succede. Sapere come funzionano quegli studi ti permette di giudicare un numero da titolo di giornale, e di farne di tuoi nelle prossime lezioni.

Pensa a un censimento degli uccelli. I volontari percorrono gli stessi itinerari nello stesso periodo dell'anno e contano ciò che vedono. Il conteggio vale quanto il metodo: cammina solo nei parchi al sole e perderai i gufi. Gli studi sul web sono uguali. Un numero come "l'80% dei siti ha un tracker" non significa niente finché non sai quali siti, da dove, e come sono stati visitati.

Crawler: un programma che visita pagine web in automatico, una dopo l'altra, e registra ciò che trova.

Studio censuario: una misura che cerca di visitare ogni sito di un insieme grande e definito (per esempio il milione di siti più popolari) invece di una manciata, così può dire quanto è comune qualcosa.

Strumentazione: registrazione extra aggiunta a un browser perché uno studio possa vedere ogni richiesta, cookie e chiamata di script che fa una pagina, non solo ciò che compare sullo schermo.

Come funziona uno studio moderno

  1. Scegliere i siti. Di solito una classifica pubblica dei siti popolari, a volte un campione casuale, a volte una categoria (notizie, salute).
  2. Guidare un browser vero. Semplici download perdono la maggior parte dei tracker, perché i tracker vengono caricati dagli script. Gli studi guidano un browser vero che esegue il codice della pagina.
  3. Registrare tutto. Richieste e risposte, cookie impostati, quali funzioni del browser ha usato ogni script (per esempio leggere il canvas, un indizio di fingerprinting), e reindirizzamenti.
  4. Etichettare e contare. Confrontare le terze parti con elenchi di tracker, poi contare quanto spesso compare ciascuna.

Un esempio noto è OpenWPM, uno strumento di misura open source, usato in uno studio del 2016 che ha esplorato il milione di siti più popolari e ha trovato script di fingerprinting e tracciamento su una scala che nessuno aveva mai mostrato. Molti studi successivi seguono lo stesso schema.

Perché il metodo cambia la risposta

  • Solo la home page, o più a fondo? Le pagine interne (articoli, pagamenti) spesso caricano tracker diversi.
  • Senza stato o con stato? Un'esplorazione senza stato parte con un browser nuovo per ogni sito; una con stato tiene i cookie tra un sito e l'altro, come fa una persona, e quindi può vedere il tracciamento tra siti.
  • Banner del consenso. Un crawler che non fa mai clic misura ciò che succede prima del consenso; uno che fa clic su "accetta" misura qualcos'altro. Di' quale hai fatto.
  • Dove si trova il crawler. I siti mostrano cose diverse in paesi diversi e a dispositivi diversi.
  • Rilevamento dei bot. Alcuni siti trattano i crawler in modo diverso dalle persone, quindi un'esplorazione può contare meno del vero.
  • I tempi. Il web cambia ogni settimana. Uno studio è un'istantanea con una data.

Un equivoco comune: "Un'esplorazione più grande è sempre uno studio migliore." La dimensione riduce l'errore casuale ma non la distorsione. Un milione di home page visitate da un solo data center senza nessun clic possono essere sbagliate con grande precisione su ciò che vivono le persone vere.

In questo modulo esplori un web simulato di 1.000 siti inventati. Si comporta come quello vero nei modi che contano per imparare, e non viene contattato niente di vero.

Provalo Apri gli strumenti per sviluppatori del tuo browser (F12, o Cmd+Option+I su un Mac), vai alla scheda Network, e carica un sito di notizie. Conta i domini diversi nell'elenco. Hai appena fatto a mano l'esplorazione di un sito. Poi ricarica con la casella "Disable cache" della scheda Network spuntata e guarda se l'elenco cambia.

Riepilogo

  • Gli studi sulla privacy esplorano molti siti con un browser vero strumentato e contano ciò che registrano.
  • Gli studi censuari mirano a coprire un intero insieme definito, come il milione di siti più popolari.
  • Scelte come solo la home page, i clic sul consenso, il luogo e la data cambiano i risultati, quindi vanno riportate.
  • Più grande non è automaticamente meglio: la dimensione riduce l'errore casuale, non la distorsione.

Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione

Questo esercizio si apre presto

Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.