Attribute Inference from Interactive Targeted Ads
यह शोधपत्र एक मॉडल और पुनरुत्पादनीय बेंचमार्क प्रस्तुत करता है जो विज्ञापन वितरण चैनल को एक शोरयुक्त ओरेकल (noisy oracle) मानकर इंटरैक्टिव लक्षित विज्ञापनों से उपयोगकर्ता के गुणों का अनुमान लगाने की प्रक्रिया को दर्शाता है, यह प्रदर्शित करते हुए कि जबकि बार-बार होने वाले अभियान मापने योग्य अनुमान हमलों (inference attacks) को सक्षम कर सकते हैं, एग्रीगेट रिपोर्टिंग और रैंडमाइज्ड फ़िल्टरिंग जैसी प्रकटीकरण नीतियां प्रभावी बचाव के रूप में कार्य करती हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल डिजिटल मॉल (एक सोशल मीडिया प्लेटफॉर्म) में घूम रहे हैं। आपको किसी विशिष्ट उत्पाद का विज्ञापन दिखाई देता है, जैसे कि "ऑर्गेनिक डॉग फूड" (जैविक कुत्ता भोजन)। आप उस विज्ञापन को "लाइक" करते हैं।
अतीत में, डॉग फूड बेचने वाली कंपनी को केवल एक रिपोर्ट मिलती कि "100 लोगों ने इसे पसंद किया।" उन्हें यह नहीं पता होता था कि वे 100 लोग कौन थे।
लेकिन कुछ आधुनिक प्रणालियों में, कंपनी देख सकती है कि "ओह, बॉब ने इसे पसंद किया। सारा ने इसे पसंद किया।" यह शोध एक डरावनी संभावना की पड़ताल करता है: क्या होगा यदि कोई कंपनी इन "लाइक्स" का उपयोग करके आपके गुप्त व्यक्तिगत विवरणों का अनुमान लगा सके, भले ही आपने उन्हें कभी बताया न हो?
यहाँ एक सरल विवरण दिया गया है कि शोधकर्ताओं ने यह कैसे पता लगाया और उन्हें क्या मिला।
1. "अनुमान लगाने का खेल" (The Guessing Game) सादृश्य
विज्ञापन प्रणाली को एक शोर युक्त अनुमान लगाने वाली मशीन (noisy guessing machine) के रूप में सोचें।
- विज्ञापनदाता (अनुमान लगाने वाला): वे लोगों का एक विशिष्ट समूह चुनते हैं जिन्हें विज्ञापन दिखाया जाए। उदाहरण के लिए, वे कह सकते हैं, "यह विज्ञापन उन लोगों को दिखाएं जो बागवानी (gardening) पसंद करते हैं।"
- उपयोगकर्ता (लक्ष्य): आप मॉल में हैं। आप विज्ञापन देखते हैं। यदि आप "लाइक" करते हैं, तो विज्ञापनदाता को जानकारी का एक छोटा सा हिस्सा मिलता है: "यह व्यक्ति 'बागवानी' समूह में है।"
- शोर (The Noise): सिर्फ इसलिए कि आप विज्ञापन देख सकते थे, इसका मतलब यह नहीं है कि आपने उसे देखा। और सिर्फ इसलिए कि आपने उसे देखा, इसका मतलब यह नहीं है कि आपने उसे लाइक किया। यह एक अव्यवस्थित, अपूर्ण संकेत है।
शोध का तर्क है कि यदि एक विज्ञापनदाता कई अलग-अलग विज्ञापन (कई अलग-अलग "अनुमान") चलाता है और देखता है कि कौन किस पर क्लिक करता है, तो वे आपकी एक प्रोफाइल बना सकते हैं।
सादृश्य: कल्पना कीजिए कि आप किसी का पसंदीदा रंग अनुमान लगाने की कोशिश कर रहे हैं।
- आप उन्हें एक लाल शर्ट दिखाते हैं। वे उसे अनदेखा कर देते हैं।
- आप उन्हें एक नीली शर्ट दिखाते हैं। वे उसे अनदेखा कर देते हैं।
- आप उन्हें एक हरी शर्ट दिखाते हैं। वे मुस्कुराते हैं और कहते "सुंदर!"
- आप उन्हें एक पीली शर्ट दिखाते हैं। वे मुस्कुराते हैं और कहते "सुंदर!"
विभिन्न शर्टों के साथ 160 बार ऐसा करने के बाद, आप अनुमान लगा सकते हैं, "आह, इस व्यक्ति को शायद प्रकृति के रंग पसंद हैं।" भले ही उन्होंने आपको कभी अपना पसंदीदा रंग न बताया हो, आपने अपनी प्रतिक्रियाओं को देखकर इसे जान लिया।
2. प्रयोग: एक "नकली मॉल"
वास्तविक लोगों की जासूसी किए बिना इसे टेस्ट करने के लिए, शोधकर्ताओं ने एक डिजिटल सिमुलेशन ("नकली मॉल") बनाया।
- उन्होंने ज्ञात रहस्यों (जैसे, हम जानते हैं कि "यूजर A" स्वास्थ्य संबंधी मुद्दों में रुचि रखता है, भले ही नकली "विज्ञापनदाता" को अभी तक यह नहीं पता है) वाले 8,000 नकली लोग बनाए।
- उन्होंने नकली विज्ञापनदाता को 160 अलग-अलग विज्ञापन अभियान चलाने दिया।
- उन्होंने देखा कि क्या होता है जब नकली उपयोगकर्ता विज्ञापनों के साथ इंटरैक्ट करते हैं।
3. परिणाम: अनुमान कितना सटीक है?
शोधकर्ताओं ने पाया कि "अनुमान लगाने का खेल" वास्तव में काम करता है, लेकिन यह जादू नहीं है।
- स्कोर: उन्होंने AUC नामक एक स्कोर का उपयोग किया (जहाँ 0.5 एक रैंडम अनुमान है और 1.0 एक परफेक्ट अनुमान है)। विज्ञापनदाताओं के अनुमान लगाने वाले एल्गोरिदम लगभग 0.64 से 0.65 तक पहुँच गए।
- अनुवाद: यह सिक्का उछालने (सिक्का उछालकर अनुमान लगाने) से बेहतर है, लेकिन यह पूर्ण नहीं है। यह पोकर के खेल में मामूली बढ़त होने जैसा है। यदि वे पर्याप्त हाथ (पर्याप्त विज्ञापन) खेलते हैं, तो वे आपके रहस्यों की एक अच्छी समझ बना सकते हैं।
- सीमा: सिग्नल "शोर युक्त" (noisy) है। कभी-कभी आप विज्ञापन को सिर्फ इसलिए क्लिक करते हैं क्योंकि आप बोर हो रहे होते हैं, न कि इसलिए कि आपकी कोई गुप्त रुचि है। यह अनुमान को अपूर्ण बनाता है।
4. "ढाल" (The Shield): अनुमान लगाने से कैसे रोकें
शोध का सबसे महत्वपूर्ण हिस्सा यह है कि विज्ञापनदाता को आपका नाम देखने से कैसे रोका जाए। शोधकर्ताओं ने विभिन्न "ढालों" (गोपनीयता नियमों) का परीक्षण किया:
- "आंखों पर पट्टी" (एग्रीगेट रिपोर्टिंग): यदि विज्ञापनदाता को केवल यह रिपोर्ट मिलती है कि "100 लोगों ने इसे पसंद किया" बिना किसी नाम के, तो अनुमान लगाने का खेल पूरी तरह से रुक जाता है। स्कोर वापस 0.5 (रैंडम अनुमान) पर आ जाता है। यह सबसे मजबूत ढाल है।
- "धुंधले चश्मे" (रैंडमाइज्ड डिस्क्लोजर): यदि प्लेटफॉर्म रैंडम तरीके से यह तय करता है कि आपके क्लिक करने पर भी विज्ञापनदाता को आपका नाम न दिखाए, तो अनुमान लगाना बहुत कठिन हो जाता है।
- "फ़िल्टर" (टाइप फ़िल्टरिंग): यदि प्लेटफॉर्म केवल "लाइक्स" दिखाता है लेकिन "कमेंट्स" को छिपा देता है, तो अनुमान लगाने की शक्ति थोड़ी कम हो जाती है, लेकिन उतनी नहीं जितनी "आंखों पर पट्टी" से होती है।
5. मुख्य निष्कर्ष
शोध निष्कर्ष निकालता है कि इंटरैक्टिव विज्ञापन एक गोपनीयता जोखिम (privacy risk) हैं क्योंकि वे आपके कार्यों को एक "शोर युक्त ओरेकल" (एक ऐसी मशीन जो आपके रहस्यों के बारे में संकेत देती है) में बदल देते हैं।
- जोखिम: यदि आप कई लक्षित विज्ञापनों के साथ इंटरैक्ट करते हैं, और प्लेटफॉर्म विज्ञापनदाता को आपका नाम दिखाता है, तो वे धीरे-धीरे आपके निजी जीवन (जैसे आपकी स्वास्थ्य संबंधी रुचियां या राजनीतिक विचार) का एक खाका तैयार कर सकते हैं।
- समाधान: प्लेटफॉर्म के पास जोखिम का नियंत्रण है। यदि प्लेटफॉर्म व्यक्तिगत नाम दिखाने के बजाय केवल कुल संख्या (एग्रीगेट्स) दिखाता है, तो जोखिम समाप्त हो जाता है।
संक्षेप में: यह शोध सिद्ध करता है कि लक्षित विज्ञापनों पर "क्लिक" करना कंपनियों के लिए आपके निजी जीवन में झांकने का एक तरीका हो सकता है, लेकिन यदि प्लेटफॉर्म रिपोर्ट में आपकी पहचान छिपा देता है, तो यह झांकना बंद हो जाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।