课程大纲 第 44 课,共 156 课 · 跟踪器的内部(在练习世界里)
跟踪器的内部(在练习世界里)

广告网络会出售的那种画像

为什么重要 跟踪者的日志不只是一份页面列表。把这些页面放在一起读,它们就变成了对一个人生活的猜测。这个实验让这一点变得具体,让跟踪的利害关系不再抽象。

Sam 从没告诉过 AdCo 任何事情。Sam 只是在购物。但 AdCo 看到了每一个页面,而每个页面都有一个类别。数一数这些类别,一幅画面就浮现出来了:一个喜欢跑步的人,也许正在等待宝宝出生,也许在为钱发愁。

兴趣画像:通过统计一个人浏览过的页面类型而构建出的、关于这个人似乎对什么感兴趣的汇总。广告网络用画像来选择展示哪些广告,在某些情况下还会出售或分享它们。

有些类别比其他类别更敏感。健康、怀孕、戒烟、经济困难和婴儿用品,可能会暴露一种疾病、一次怀孕或者一个家庭的财务状况,而且常常是在当事人告诉身边的人之前。

练习世界有它自己的列表 SENSITIVE_CATEGORIES,其中没有 baby。这个实验的 SENSITIVE 集合把它加了进去,因为购买婴儿用品常常暗示着怀孕。

用字典计数

counts = {}
for category in ["running", "baby", "running"]:
    counts[category] = counts.get(category, 0) + 1
print(counts)   # {'running': 2, 'baby': 1}

counts.get(key, 0) 的意思是“当前的计数,如果这是新的就是 0”。Python 还有 collections.Counter,一行就能完成同样的工作;两种都可以。

要找到计数最大的那个键,max(counts, key=counts.get) 会查看每一个键,但按 counts.get(key) 也就是它们的计数来比较:

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

在这个实验里,你用一个普通浏览器进行一次更长的会话(40 个页面)。先找到 AdCo 给 Sam 的主 ID(出现在最多记录上的那个 Cookie ID),然后统计这个 ID 的记录的类别,再列出出现了哪些敏感类别。

防御

分区(第 41 课)把这份画像切成每家商店一小块,而拦截器(第 8 模块)会完全阻止这些报告。两者都不会改变每家商店对自己访客的了解;它们改变的是一个外人能拼接起来的东西。

用其他语言实现

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());

回顾

  • 统计一个 ID 下的页面类别,就能把一份日志变成一部人生故事。
  • 敏感的猜测(健康、怀孕、金钱)来自普通的购物。
  • 分区和拦截能阻止一个外人把这一切拼接起来。
轮到你了

对于 seed=7 和使用普通浏览器的 world.browsing_session(40):编写 main_id(records)(出现在最多记录上的那个非 None 的 cookie_id)、interests(records, cookie_id)(一个字典,统计带有那个 ID 的记录的类别;跳过类别为 None 的记录,比如不属于任何类别的图片和脚本),以及 sensitive_found(counts)(counts 中出现的、属于 SENSITIVE 的类别组成的排好序的列表)。把结果存进 sam_id、profile 和 found。

发现这节课有问题?报告它 · 就这节课提问

这个练习即将开放

完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。