تبلیغات فیسبوک برای بهبود ردیابی در تحقیقات حریم خصوصی سرمایه گذاری می کند

فیس بوک اعلام کرد که آنها در حال تحقیق در حمایت از پیشرفت فناوری افزایش حریم خصوصی از طریق دانشگاهیان ، سازمان های جهانی و توسعه دهندگان هستند.

تعجبی ندارد که فیس بوک علاقه زیادی به فناوری های افزایش حریم خصوصی دارد پس از آنکه تغییرات ناشی از iOS14 باعث خسارات زیادی در داده ها برای تبلیغ کنندگان شده است. هدف از سرمایه گذاری بر روی این فناوری ها ، شناسایی روش های بهتر ردیابی است که ضمن حفظ اطلاعات خصوصی و فاش کردن اطلاعات فیس بوک ، حریم خصوصی را حفظ کرده و نتایج تبلیغات را بهبود بخشد.

فن آوری های افزایش حریم خصوصی و تبلیغات فیس بوک

فناوری های افزایش حریم خصوصی (PET) فناوری هایی هستند که می توانند میزان داده های پردازش شده با هدف حفاظت از اطلاعات شخصی را به حداقل برسانند.

فیس بوک نمونه هایی از ردیابی تماس های Covid و ارسال پرداخت های الکترونیکی را برای نشان دادن روش هایی که می تواند از PET برای ردیابی اطلاعات مورد نیاز در عین محافظت از داده های شخصی استفاده کند ، به اشتراک گذاشت.

سه PET اصلی وجود دارد که فیس بوک روی آنها سرمایه گذاری می کند که عبارتند از: محاسبه چند حزبی ، یادگیری روی دستگاه و حریم خصوصی متمایز. بیایید در هر یک از آنها تحقیق کنیم.

محاسبه چند حزبی (MPC) و اندازه گیری بالابر خصوصی

فیس بوک در حال آزمایش راه حلی به نام Private Lift Measurement است که از محاسبه چند حزبی (MPC) برای کمک به تبلیغ کنندگان در درک عملکرد و حفظ خصوصی بودن داده های مصرف کننده استفاده می کند.

MPC ها برای محاسبه نتایج با استفاده از منابع داده از چندین طرف استفاده می شوند. به عنوان مثال ، در موارد استفاده فیس بوک ، این نوع گزارش برای ترکیب داده های مربوط به تبلیغات از یک طرف و خرید داده از طرف دیگر استفاده می شود.

فیس بوک انتظار دارد این اندازه گیری در سال آینده برای همه تبلیغ کنندگان در دسترس باشد اما در حال حاضر ، این چارچوب را منبع باز کرده است تا هر توسعه دهنده ای بتواند محصولات اندازه گیری با محوریت حریم خصوصی را با استفاده از MPC ایجاد کند.

آموزش روی دستگاه

یادگیری روی دستگاه همانطور که به نظر می رسد-ردیابی که در دستگاه فردی زندگی می کند ، که الگوریتمی را در مورد عادات خاص و رفتارهای احتمالی آینده آموزش می دهد.

به عنوان مثال ، فیس بوک این مثال را ارائه می دهد که اگر افراد روی تجهیزات ورزشی کلیک کنند و تمایل به خرید شیک پروتئینی داشته باشند ، یادگیری روی دستگاه بدون ارسال این اطلاعات فردی به ابر ، این الگوها را تشخیص می دهد.

این تا حدودی شبیه آنچه Google Chrome در تلاش است با FLoC با نگه داشتن داده های مرور در مرورگر جداگانه انجام دهد ، است.

حریم خصوصی متفاوت

آخرین و مهمترین نکته این است که حریم خصوصی متفاوت ، نویز موجود در مجموعه داده را محاسبه می کند. این داده ها را با ایجاد تغییرات کوچک در آن ناشناس می کند تا بداند دقیقاً چه کسی اقدام خاصی را انجام داده است.

این فناوری اغلب برای تحقیقات عمومی به همین دلیل استفاده می شود. حریم خصوصی متمایز را می توان به تنهایی یا با سایر فناوری های افزایش حریم خصوصی استفاده کرد.

چه زمانی می توانیم منتظر تغییرات باشیم؟

فیس بوک زمان دقیقی برای زمان انتظار تغییرات ارائه نکرده است اما آنها اشاره کردند که این ابتکار یک تلاش چند ساله است. احتمالاً ، آنها آزمایش چیزها را در آن بازه زمانی آغاز می کنند ، اما تبلیغ کنندگان ممکن است در آینده نزدیک شاهد تغییرات عمده ای نباشند.