Программа курса Урок 44 из 156 · Внутри трекера (в мире практики)
Внутри трекера (в мире практики)

Профиль, который продала бы рекламная сеть

Почему это важно Журнал трекера это не просто список страниц. Вместе эти страницы превращаются в догадки о жизни человека. Эта лабораторная работа делает это конкретным, чтобы ставки слежки перестали быть абстрактными.

Sam никогда ничего не говорил AdCo. Sam просто совершал покупки. Но AdCo видел каждую страницу, и у каждой страницы есть категория. Посчитайте категории, и появится картинка: кто-то увлекается бегом, возможно, ждет ребенка, возможно, беспокоится о деньгах.

Профиль интересов: краткое описание того, чем человек интересуется, построенное путем подсчета видов просмотренных страниц. Рекламные сети используют профили, чтобы выбирать, какие объявления показывать, и в некоторых случаях продают или делятся ими.

Некоторые категории более чувствительны чем другие. Здоровье, беременность, отказ от курения, денежные проблемы и детские вещи могут раскрыть медицинское состояние, беременность или финансы семьи, часто еще до того, как человек расскажет об этом кому-то из близких.

Мир практики имеет свой список, SENSITIVE_CATEGORIES, который исключает baby. Набор SENSITIVE этого лабораторного задания добавляет его, потому что покупка товаров для детей часто намекает на беременность.

Подсчет с помощью 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) означает "текущий счет или 0, если это новое". В Python также есть collections.Counter, который делает то же самое в одну строку; любой вариант подходит.

Чтобы найти ключ с самым большим количеством, max(counts, key=counts.get) смотрит на каждый ключ, но сравнивает их по counts.get(key), их количество:

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

В этой лабораторной работе вы используете более длинную сессию (40 страниц) с обычным браузером. Сначала найдите основной ID AdCo для Sam (ID cookie, который виден в большинстве записей), затем посчитайте категории записей этого ID, а затем составьте список, какие конфиденциальные категории появляются.

Защита

Partitioning (lesson 41) делит этот профиль на один маленький кусочек на магазин, а blocker (Module 8) полностью останавливает отчеты. Ни одно из этих изменений не меняет то, что каждый магазин знает о своих посетителях; они меняют то, что один аутсайдер может объединить.

В других языках

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());

Итог

  • Подсчет категорий страниц под одним ID превращает лог в историю жизни.
  • Чувствительные данные (здоровье, беременность, деньги) приходят из обычного шопинга.
  • Разделение и блокировка не дают одному чужаку собрать всё вместе.
Твоя очередь

Для seed=7 и world.browsing_session(40) с обычным браузером: запишите main_id(records) (не None cookie_id, который встречается в большинстве записей), interests(records, cookie_id) (словарь, считающий категории записей с этим ID; пропускайте записи, категория которых None, такие как изображения и скрипты, которые не принадлежат ни к какой категории), и sensitive_found(counts) (отсортированный список категорий в SENSITIVE, которые встречаются в подсчетах). Сохраните результаты в sam_id, profile и found.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.