Chương trình học Bài 145 trên tổng số 156 · Đo web như một nhà nghiên cứu
Đo web như một nhà nghiên cứu

Các nghiên cứu quyền riêng tư hoạt động ra sao

Vì sao điều này quan trọng Phần lớn những gì ta biết về việc theo dõi trên web, như bao nhiêu trang mang bên theo dõi hay công ty nào tiếp cận nhiều người nhất, đến từ các nghiên cứu tự động tải hàng nghìn trang và ghi lại những gì xảy ra. Biết các nghiên cứu đó hoạt động ra sao giúp bạn đánh giá một con số trên tiêu đề báo, và tự chạy nghiên cứu của mình ở các bài tiếp theo.

Hãy nghĩ tới một cuộc khảo sát chim. Các tình nguyện viên đi cùng những tuyến đường vào cùng thời điểm trong năm và đếm những gì họ thấy. Số đếm chỉ tốt bằng phương pháp: chỉ đi trong các công viên đầy nắng và bạn sẽ bỏ sót những con cú. Các nghiên cứu web cũng vậy. Một con số như "80% số trang mang một bên theo dõi" chẳng có nghĩa gì cho tới khi bạn biết đó là những trang nào, từ đâu, và chúng được truy cập ra sao.

Trình thu thập (crawler): một chương trình tự động truy cập các trang web, cái này nối tiếp cái kia, và ghi lại những gì nó tìm thấy.

Nghiên cứu điều tra toàn bộ (census study): một phép đo cố gắng truy cập mọi trang trong một tập lớn, xác định (ví dụ một triệu trang phổ biến nhất) thay vì chỉ một nhúm, để nó có thể nói một thứ phổ biến đến mức nào.

Gắn công cụ đo (instrumentation): phần ghi lại bổ sung được thêm vào một trình duyệt để một nghiên cứu thấy được mọi yêu cầu, cookie và lời gọi script mà một trang tạo ra, không chỉ những gì hiện trên màn hình.

Một nghiên cứu hiện đại hoạt động ra sao

  1. Chọn các trang. Thường là một bảng xếp hạng công khai các trang phổ biến, đôi khi là một mẫu ngẫu nhiên, đôi khi là một hạng mục (tin tức, sức khỏe).
  2. Điều khiển một trình duyệt thật. Tải xuống đơn giản bỏ sót phần lớn bên theo dõi, vì bên theo dõi được script tải vào. Các nghiên cứu điều khiển một trình duyệt thật chạy mã của trang.
  3. Ghi lại mọi thứ. Yêu cầu và phản hồi, cookie được đặt, tính năng trình duyệt nào mỗi script đã dùng (ví dụ đọc canvas, một manh mối lấy dấu vân tay), và các chuyển hướng.
  4. Gắn nhãn và đếm. Khớp các bên thứ ba với danh sách bên theo dõi, rồi đếm mỗi cái xuất hiện thường xuyên cỡ nào.

Một ví dụ nổi tiếng là OpenWPM, một công cụ đo lường mã nguồn mở, được dùng trong một nghiên cứu năm 2016 thu thập một triệu trang phổ biến nhất và tìm thấy các script lấy dấu vân tay và việc theo dõi ở quy mô chưa ai từng cho thấy. Nhiều nghiên cứu sau đó theo cùng khuôn mẫu.

Vì sao phương pháp thay đổi đáp án

  • Chỉ trang chủ, hay sâu hơn? Các trang bên trong (bài viết, thanh toán) thường tải những bên theo dõi khác.
  • Không trạng thái hay có trạng thái? Một lần thu thập không trạng thái bắt đầu mỗi trang với một trình duyệt mới; một lần có trạng thái giữ cookie qua các trang, như một người làm, và nhờ đó thấy được việc theo dõi liên trang.
  • Biểu ngữ đồng ý. Một trình thu thập không bao giờ nhấn đo những gì xảy ra trước khi đồng ý; một cái nhấn "chấp nhận" đo một thứ khác. Hãy nói bạn đã làm cách nào.
  • Trình thu thập đặt ở đâu. Các trang hiển thị những thứ khác nhau ở các quốc gia khác nhau và cho các thiết bị khác nhau.
  • Phát hiện bot. Một số trang đối xử với trình thu thập khác với con người, nên một lần thu thập có thể đếm thiếu.
  • Thời điểm. Web thay đổi hằng tuần. Một nghiên cứu là một bức ảnh chụp nhanh có ghi ngày.

Một hiểu lầm phổ biến: "Một lần thu thập lớn hơn luôn là một nghiên cứu tốt hơn." Kích thước giảm sai số ngẫu nhiên nhưng không giảm thiên lệch. Một triệu trang chủ được truy cập từ một trung tâm dữ liệu mà không có cú nhấn nào có thể sai một cách chính xác về những gì người thật trải nghiệm.

Trong mô-đun này bạn thu thập một web mô phỏng gồm 1.000 trang bịa ra. Nó hoạt động giống thứ thật ở những khía cạnh quan trọng cho việc học, và không có gì thật bị liên lạc.

Tự thử Mở công cụ nhà phát triển của trình duyệt (F12, hoặc Cmd+Option+I trên Mac), vào tab Network, và tải một trang tin tức. Đếm các tên miền khác nhau trong danh sách. Bạn vừa thu thập một trang, bằng tay. Rồi tải lại với ô "Disable cache" của tab Network được đánh dấu và xem danh sách có thay đổi không.

Tóm tắt

  • Các nghiên cứu quyền riêng tư thu thập nhiều trang bằng một trình duyệt thật có gắn công cụ đo và đếm những gì chúng ghi lại.
  • Các nghiên cứu điều tra toàn bộ nhắm tới bao phủ cả một tập xác định, như một triệu trang hàng đầu.
  • Các lựa chọn như chỉ trang chủ, nhấn đồng ý, vị trí và ngày tháng thay đổi kết quả, nên chúng phải được báo cáo.
  • Lớn hơn không tự động tốt hơn: kích thước giảm sai số ngẫu nhiên, không giảm thiên lệch.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.