FLoC – co to jest i jak działał Federated Learning of Cohorts?

FLoC od Google miało zrewolucjonizować reklamę internetową, zastępując pliki cookie stron trzecich. Jak działało i dlaczego, mimo ambitnych założeń, spotkało się z krytyką?

Z tego artykułu dowiesz się m.in.:

• Czym był FLoC?
• Jak działał FLoC?
• Jakie były powody wycofania FLoC?

FLoC – definicja

FLoC (Federated Learning of Cohorts) było technologią zaproponowaną w 2021 roku przez Google w ramach inicjatywy Privacy Sandbox jako alternatywa dla plików cookie stron trzecich (ang. third party cookies), które od lat były używane do śledzenia użytkowników w sieci. Celem było zapewnienie użytkownikom większej prywatności podczas przeglądania Internetu, a jednocześnie umożliwienie reklamodawcom skutecznego targetowania reklam^{[1] [2]}.

FLoC to technologia Google, która grupowała użytkowników w kohorty na podstawie ich zachowań w Internecie, w celu umożliwienia targetowania reklam bez bezpośredniego śledzenia jednostek.

Definicja FLoC

Ideą przewodnią tej technologii było grupowanie użytkowników w „kohorty”, czyli grupy osób o podobnych zainteresowaniach, co miało zastąpić bezpośrednie śledzenie indywidualnych użytkowników^{[3] [4]}.

Mechanizm miał na celu utrzymanie anonimowości jednostek, jednocześnie pozwalając reklamodawcom na targetowanie kampanii reklamowych do odpowiednich grup, ale zarzucano mu, że system mógł prowadzić do profilowania użytkowników za pomocą bardziej zaawansowanych technik, takich jak digital fingerprinting. Niektóre przeglądarki, takie jak Mozilla Firefox i Safari, odmówiły implementacji tej technologii, co dodatkowo ograniczyło jej skuteczność i doprowadziło do zastąpienia jej API Topics^{[5] [6]}.

Działanie FLoC

Federated Learning of Cohorts działało na zasadzie grupowania użytkowników w kohorty, czyli większe zbiory osób o podobnych zachowaniach i zainteresowaniach. Podstawą działania było uczenie federacyjne, w którym dane użytkownika były przetwarzane lokalnie w jego przeglądarce – w przeciwieństwie do tradycyjnych plików cookie, które gromadziły dane o konkretnym użytkowniku i przesyłały je na serwery zewnętrzne, analizowało historię przeglądania lokalnie i przypisywało użytkownika do odpowiedniej grupy na podstawie jego aktywności^{[7] [8]}.

Dane o przeglądaniu, takie jak odwiedzone strony internetowe, były wykorzystywane przez algorytm przeglądarki, który określał, do jakiej kohorty dany użytkownik powinien należeć. Każda była identyfikowana przez unikalny identyfikator, który przekazywano reklamodawcom, umożliwiając im targetowanie reklam na poziomie grupy. W ten sposób reklamodawcy mogli kierować reklamy do użytkowników, którzy wykazywali podobne zainteresowania, ale bez dostępu do szczegółowych danych na temat indywidualnych osób^{[9] [10]}.

Dane o użytkowniku nie opuszczały jego przeglądarki, co miało zwiększyć prywatność. W przeciwieństwie do plików cookie Federated Learning of Cohorts nie przechowywało szczegółowych informacji o jednostce, lecz grupowało dane o całej kohorcie, a reklamodawcy otrzymywali jedynie dane dotyczące zachowań zbiorowych^{[11] [12]}.

Przynależność do kohorty nie mogła ujawniać wrażliwych danych użytkowników, takich jak ich tożsamość, co miało zapewnić większą anonimowość w porównaniu do tradycyjnych technik śledzenia w Internecie. Pomimo środków ostrożności, technologia wzbudziła kontrowersje, ponieważ nadal istniały obawy, że zaawansowane techniki mogłyby pozwolić na identyfikację użytkowników na podstawie zachowań grupowych^{[13] [14]}.

Powody wycofania FLoC

FLoC miał zastąpić pliki cookie stron trzecich i jednocześnie zapewniać większą ochronę prywatności użytkowników, ale spotkało się z ostrą krytyką ze strony organizacji zajmujących się ochroną prywatności, takich jak Electronic Frontier Foundation (EFF). Krytycy wskazywali, że chociaż technologia nie przekazywała danych osobowych, to identyfikatory kohort mogły być wykorzystywane w połączeniu z technikami, takimi jak digital fingerprinting, do identyfikacji konkretnych użytkowników w grupie. W ten sposób użytkownicy mogą być nadal śledzeni przez strony internetowe, co stanowi zagrożenie dla ich prywatności^{[15] [16]}.

Kolejnym problemem był fakt, że rozwiązanie Google umożliwiało zbieranie danych o zainteresowaniach użytkowników bez ich wiedzy lub zgody. Każda witryna, którą odwiedzano, mogła uzyskać identyfikator kohorty, a duże podmioty miałyby przewagę w wykorzystywaniu tych informacji w porównaniu do mniejszych konkurentów. Istniała też obawa, że system ten mógłby być wykorzystywany do dyskryminacji użytkowników na podstawie ich przynależności do określonych grup zainteresowań^{[17] [18]}.

Ponadto, Federated Learning of Cohorts spotkało się z brakiem akceptacji ze strony innych przeglądarek i platform. Przeglądarki, takie jak Firefox czy Safari, odmówiły implementacji nowej technologii Google, a niektóre firmy, jak Amazon i DuckDuckGo, aktywnie blokowały tę technologię, co znacznie ograniczało jej zasięg i skuteczność^{[19] [20]}.

API Topics, które zastąpiło FLoC, skoncentrowało się na identyfikowaniu tematów zainteresowań użytkowników, a nie na ich grupowaniu w kohorty. Główna różnica polega na tym, że Topics analizuje historię przeglądania użytkownika z ostatnich trzech tygodni i generuje zestaw tematów odzwierciedlających zainteresowania danej osoby^{[21] [22]}.

Dane są następnie udostępniane reklamodawcom, ale użytkownicy mają większą kontrolę nad tym, jakie tematy są przechowywane i mogą usuwać lub zarządzać swoimi preferencjami. Co więcej, dane są przechowywane wyłącznie lokalnie na urządzeniu użytkownika. API Topics wprowadza również większą przejrzystość – użytkownicy mogą sprawdzić, jakie tematy zostały im przypisane, a także mają możliwość wyłączenia tej funkcji, co daje im większą kontrolę nad swoją prywatnością^{[23] [24]}.