利用头部竞价推断在线广告生态中追踪器与广告主的关系

在线广告依赖追踪器和数据代理向用户展示定向广告。为改进定向，在错综交织的在线广告与追踪生态中，不同实体有动机通过客户端或服务器端机制相互共享信息。推断实体间的数据共享（尤其当发生在服务器端时）是一个重要且具有挑战性的研究问题。本文提出 KASHF：一种通过研究广告主竞价行为如何随我们操纵追踪器存在而变化来推断广告主与追踪器之间数据共享关系的新方法。我们通过训练一个可解释的机器学习模型来落实该思路，该模型以追踪器的存在作为特征来预测广告主的竞价行为。通过分析该机器学习模型，我们能够推断广告主与追踪器之间的关系，无论数据共享发生在客户端还是服务器端。我们还能识别出若干服务器端数据共享关系，这些关系经外部验证但未被客户端 cookie 同步检测到。