Cookiescanner：一种用于检测与评估网站上 GDPR 同意通知的自动化工具

GDPR 的施行导致了同意通知（俗称 cookie 横幅）的广泛采用。研究表明，许多网站运营者并不遵守法律，在用户与同意通知进行任何交互之前便追踪用户，或试图通过暗黑模式诱骗用户给予同意。先前的研究依赖于人工策划的过滤列表或仅限于网站子集的自动检测方法，使得关于同意通知 GDPR 合规性的研究繁琐或受限。我们提出 \emph{cookiescanner}，一种自动化扫描工具，通过多种方法检测并提取同意通知，并检查其是否提供拒绝选项或使用颜色诱导。我们在 Tranco 列出的前 10,000 个网站的随机样本上评估了 cookiescanner。我们发现人工策划的过滤列表具有最高精度，但比我们基于关键词的方法召回更少的同意通知。我们的 BERT 模型对英文通知实现了高精度，与先前工作一致，但由于候选提取不足而召回率较低。尽管由于许多站点的动态特性，拒绝选项的自动检测颇具挑战，但在大多数情况下成功检测到了按钮不同颜色的实例。除了系统评估我们的各种检测技术外，我们手动标注了 1,000 个网站以提供此前不存在的基准真值。此外，我们发布了代码与标注数据集以促进可复现性与可重复性。