Conteúdo do curso Lição 44 de 156 · Por dentro de um rastreador (no mundo de prática)
Por dentro de um rastreador (no mundo de prática)

O perfil que uma rede de anúncios venderia

Por que isso importa O log de um rastreador não é só uma lista de páginas. Lidas juntas, as páginas viram palpites sobre a vida de uma pessoa. Este laboratório torna isso concreto, para que o que está em jogo no rastreamento deixe de ser abstrato.

O Sam nunca disse nada à AdCo. Ele só fez compras. Mas a AdCo viu todas as páginas, e cada página tem uma categoria. Conte as categorias e um retrato aparece: alguém que gosta de corrida, talvez esperando um bebê, talvez preocupado com dinheiro.

Perfil de interesses: um resumo do que uma pessoa parece se interessar, montado contando os tipos de páginas que ela viu. As redes de anúncios usam perfis para escolher quais anúncios mostrar e, em alguns casos, os vendem ou compartilham.

Algumas categorias são mais sensíveis que outras. Saúde, gravidez, parar de fumar, problemas com dinheiro e coisas de bebê podem revelar uma condição médica, uma gravidez ou as finanças de uma família, muitas vezes antes de a pessoa contar a alguém próximo.

O mundo de prática tem a própria lista, SENSITIVE_CATEGORIES, que deixa baby de fora. O set SENSITIVE deste laboratório o acrescenta, porque compras de bebê muitas vezes dão pistas de uma gravidez.

Contando com um dicionário

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 "a contagem atual, ou 0 se for nova". O Python também tem collections.Counter, que faz o mesmo trabalho em uma linha; qualquer um serve.

Para encontrar a chave com a maior contagem, max(counts, key=counts.get) olha cada chave, mas as compara por counts.get(key), a contagem delas:

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

Neste laboratório você usa uma sessão mais longa (40 páginas) com um navegador normal. Primeiro encontre o ID principal da AdCo para o Sam (o ID de cookie visto em mais registros), depois conte as categorias dos registros desse ID e depois liste quais categorias sensíveis aparecem.

A defesa

A partição (lição 41) corta esse perfil em um pedaço pequeno por loja, e um bloqueador (Módulo 8) impede os informes por completo. Nenhum dos dois muda o que cada loja sabe sobre os próprios visitantes; eles mudam o que um único estranho consegue juntar.

Em outras linguagens

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());

Resumo

  • Contar as categorias das páginas sob um ID transforma um log em uma história de vida.
  • Palpites sensíveis (saúde, gravidez, dinheiro) vêm de compras comuns.
  • A partição e o bloqueio impedem um único estranho de juntar tudo.
Sua vez

Para seed=7 e world.browsing_session(40) com um navegador normal: escreva main_id(records) (o cookie_id não None que aparece em mais registros), interests(records, cookie_id) (um dict que conta as categorias dos registros com esse ID; pule os registros cuja categoria é None, como imagens e scripts, que não pertencem a nenhuma categoria) e sensitive_found(counts) (uma lista ordenada das categorias de SENSITIVE que aparecem em counts). Guarde os resultados em sam_id, profile e found.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.