Corso di Laurea Magistrale in Sicurezza Informatica

RELATORE Prof. Marco Cremonini

TESI DI LAUREA DI Francesco Padovani

Matricola: 790961

Web tracking e user profiling:

monitoring behavioral advertising

nell’era dei Big Data

Evidenziare e quantificare la presenza di Online Behavioral Advertsing (OBA)

Inquadrare lo stato dell’arte in Italia

Evidenziare schemi standard di funzionamento di meccanismi di User Profiling

Verificare l’efficacia di strumenti di protezione della privacy disponibili online riguardo OBA

Effettuare confronti esaustivi con lo studio di riferimento

1. S

• Navigazione attraverso siti e pagine web attinenti al topic

▫ home page + sotto pagine + ads contestuali

• Da 7 a 15 domini per topic con almeno 6 trackers di Terze Parti

• Visita siti di test scelti per tipologia e ranking Alexa

OGGETTO:

- Ads testuali e ads visuali (Domain URL) est. Balebako et al.

- No Ads statici ma ads dinamici forniti da Ad Server

1° FASE: PRIMA E DOPO IL TRAINING

METRICA: coseno di similitudine (DINAMICITÀ)

LIMITE DI SOGLIA : α =0.6 (INFLUENZA DEL TRAINING)

COSTANTE: URL* (OBA)

3° GRUPPO

3° GRUPPO

3° GRUPPO

2° GRUPPO

1° GRUPPO

2° FASE: PRIMA E DOPO L’ATTIVAZIONE DEI TOOLS

• BLOCKING TOOLS

Do Not Track Me

Ghostery

Disconnect

• BUILT-IN TOOLS

Opzione DNT Firefox

• OPT-OUT TOOLS

NAI Consumer tools

DAA Interface

EDAA YourOnlineChoises

Bloccano OBA

Bloccano ads dinamici

No preferenze di privacy

Diffusione

Preferenze di privacy

Compliance

Bloccano OBA (oltre 80%)

Preferenze di privacy

Diffusione

METRICA: URL* (EFFICACIA vs OBA)

+ il n° di occorrenze diminuisce + il tool è efficiente

La presenza di OBA è costante (50% ca)

OBA è fortemente settoriale

Risultati in linea con il contesto americano

Tools di opt-out rappresentano il miglior compromesso per la protezione della privacy

Prolungare i test a istanti di tempo diversi

Ampliare i siti di test, anche a tipologie diverse

Applicazione in ambiente mobile

1. S