lswcap
Apple 在 iOS 14 中修改了其隐私政策，并引入了 App Tracking Transparency (ATT)，这是一项防止广告公司在不通知用户的情况下收集广告标识符 IDFA 的措施。对此强烈反对的Facebook警告称，由于定向广告难度大，广告收入将大幅下降，并正在打架。还有报告称，通过 Apple ATT 在 iOS 上投放广告的广告商和应用开发者的收入下降了 15-20%。
作为回应，Facebook 宣布了隐私增强技术 (PETs)，这是一项新技术，可有效发布广告，同时保护用户隐私，而无需依赖现有的广告标识符（如 IDFA）。
基于苹果和谷歌正在通过自己的网络浏览器和操作系统改变对隐私的看法，以及与个人信息保护相关的法规正在加强和持续，数字广告是时候发展以减少对个人第三方的依赖了——当事人数据。 PET 被宣布为一项技术，表示重要的是要认识到有
Facebook 表示，个人是营销中人和企业的最佳体验。如果没有个性化广告，创业和发展业务就很困难，也很难找到新的产品和服务。它强调了定向广告的重要性。
Facebook 乐观地认为 PET 可以证明该行业可以继续有针对性的广告，同时减少对个人第三方数据的依赖。 PET 最大限度地减少和抑制处理的个人信息量，并向人们展示相关广告，以帮助衡量广告商的广告效果。有。
支持 PET 的有三件事：安全多方计算 (MPC)、暖机器学习和差分隐私保护。
MPC 是一种增强个人信息保护的技术，它通过链接两个或多个组来限制一个人可以学习的信息。由于数据是端到端加密的，因此在传输、存储或使用时，任何一方都无法看到另一方的数据。这允许多方在保护用户隐私的同时衡量该广告的有效性。具体来说，如果一个组织有浏览过广告的用户信息，而另一个组织有谁购买了什么信息，并且每个组织都发布了广告而没有相互公开数据集，则只能衡量效果。
此外，Facebook 已经在 2020 年开始测试其基于 MPC 的广告效果测量工具，并将在 2022 年为 Facebook 广告主提供功能。此外，Facebook 已发布其解决方案框架作为开源FBPCF（Facebook Private Computation Framework），因此所有行业都可以基于相同的技术开发广告效果测量工具。
接下来是设备内学习。 PET 训练算法在本地处理数据，例如哪个用户在终端上而不是在远程服务器或云中购买了什么。这使得可以显示适合每个用户的有针对性的广告，而无需知道个人在应用程序或网站上采取了什么行动。
例如，如果大多数点击健身器材广告的人倾向于购买蛋白质，则设备内学习只能识别这些模式，而无需将个人数据发送到 Facebook 的服务器或云端。 Facebook 使用的模式是，大多数点击健身器材广告的人（源自设备内学习）倾向于购买蛋白质，向合适的用户展示蛋白质广告。
根据 Facebook 的说法，设备内学习会随着时间的推移而改进，随着有针对性的广告的准确性随着时间的推移而提高，导致展示的相关性较低的广告。
最后，差异隐私。差分隐私是一种保护数据不被重新识别的技术。通过在数据集中包含仔细计算的噪声来维护隐私。例如，如果有 118 人点击了一个广告并购买了一个产品，那么差异化个人信息系统就会从这个数字中随机增加或减去一个数量。换句话说，它通过输出数字 120 或 114 而不是数字 118 来隐藏确切的数字。
点击这个会产生噪音的广告后，很难确定谁会购买产品。此外，据说在公共研究等发布的大型数据集中经常使用差异化个人信息。
Facebook 认为行业内的合作对于此类广告工具的成功至关重要，并且正在与 PRAM（负责任可寻址媒体合作伙伴关系）、W3C（万维网联盟）和 WFA（世界广告商联合会）合作改进该工具.有。
一位 Facebook 官员表示，PET 与 FLoC 是一种技术，谷歌在 FLoC 中寻求反馈并在 W3C 等论坛上进行讨论，它是一个有意义的参与者。 FLoC 解决了特定的行为目标，而没有透露有关特定个人的任何信息。 Beta 还专注于测量，而不是特定的个人。他补充说，这些技术不一定会发生冲突，因为 FLoC 方法可能是合适的，而 PET 方法可能是最佳的。
FLoC 是 Google 设计的一个 API，用于在没有第三方 cookie 的情况下构建新的广告结构。与 Facebook PET 一样，它是一种在考虑保护用户隐私的同时展示有效广告的结构。关于 FLoC，也有来自网络浏览器 Brave、Oracle 和电子前沿基金会的批评之声。相关信息可以在这里找到。
Add comment