Fingerprinting :
Le Fingerprinting (souvent appelée “browser fingerprinting”) est un terme associé au processus de collecte d’un large éventail d’informations relatives à l’ordinateur et au navigateur par le biais du navigateur web d’un utilisateur, afin d’identifier de manière unique un utilisateur et/ou un appareil. Le Fingerprinting est utilisé pour identifier un appareil lorsque d’autres identifiants permanents, tels que les cookies, ne peuvent pas être lus ou stockés par un site web. Un “fingerprint” est créé en combinant différents points de données de votre appareil et/ou de votre navigateur qui sont accessibles à chaque site web lorsque vous visitez sa page. Cela peut inclure la version du navigateur, les extensions de navigateur installées et les plugins (y compris leurs versions), les propriétés du hardware, la liste des polices, le canevas et le WebGL, l’évaluation comparative HW, la langue, les fuseaux horaires, la version du système d’exploitation, les caractéristiques de l’écran et les barres de menu.Statistiquement, il existe une très faible chance que deux ou plusieurs appareils aient des configurations identiques. Vous pouvez voir à quel point vos configurations et vos réglages sont uniques ici. Les Fingerprints sont particulièrement puissants, car ils peuvent détecter un appareil sur une période prolongée, même si certains paramètres du Fingerprint sont modifiés, avec des adresses IP modifiées ou même cachées par un VPN.
Les techniques de Fingerprinting ont été créées initialement pour permettre aux banques de détecter les fraudes et d’éviter le vol d’identité. Elles sont aujourd’hui utilisées pour suivre les utilisateurs sur tous les sites web, afin de compiler des enregistrements à long terme des historiques de navigation des individus, et de diffuser des publicités ciblées aux utilisateurs. Cela soulève de graves préoccupations en matière de confidentialité. C’est pour cette raison que les navigateurs (Safari, Chrome et Firefox pour n’en citer que quelques-uns) ont récemment commencé à apporter des modifications visant à limiter la quantité de données exposées aux sites web, et à donner une apparence similaire aux utilisateurs, créant ainsi une sorte d’« immunité de groupe ».</
Modélisation probabiliste d’AppsFlyer :
La modélisation probabiliste est une technique statistique permettant d’estimer les performances des campagnes. Elle ne peut pas être utilisée pour identifier de manière unique un utilisateur et/ou un appareil. Elle exploite le machine learning pour estimer les performances des campagnes, sans compromettre la protection des données personnelles. Le Fingerprinting cherche à maximiser les points de données capturés de chaque utilisateur ou utilisatrice pour créer un identifiant unique, qui peut être utilisé pour suivre les utilisateurs sur une période prolongée et sur les sites web. La modélisation probabiliste d’AppsFlyer, au contraire, cherche à minimiser les points de données capturés et à empêcher la création d’un identifiant permanent, pouvant être utilisé pour identifier un utilisateur et/ou un appareil.
Les Fingerprints sont utilisés pour créer des profils détaillés d’utilisateurs afin de permettre un targeting précis (à tout moment et sur tout site). Au contraire, la modélisation probabiliste est employée dans le seul but d’estimer les performances des campagnes des médias payants et propriétaires (tels que les sites web, les plateformes de réseaux sociaux, les e-mails et les recommandations d’utilisateurs)
La modélisation probabiliste mesure les détails de la création et de la campagne des développeurs d’apps, et non les données des apps dans lesquelles les publicités sont diffusées. De plus, dans la plupart des cas, l’app dans laquelle la publicité a été diffusée est inconnue.
La modélisation probabiliste repose sur très peu de points de données, qui changent fréquemment. C’est pourquoi des techniques de learning machine et d’estimation statistique sont utilisées (par opposition à la création et à la correspondance d’identifiants uniques). C’est aussi la raison pour laquelle les fenêtres de retour ne peuvent pas être définies.
Comme décrit ci-dessus, la modélisation probabiliste est une méthode centrée sur la vie privée pour estimer les performances des campagnes publicitaires. Elle est très différente de la technique de Fingerprinting. Elle ne génère pas d’identifiant unique qui soit permanent ou qui puisse identifier de manière unique un appareil sur l’ensemble des sites ou des apps sur une période prolongée. Elle n’est pas utilisée pour le targeting ou le profilage. En fait, la modélisation probabiliste est l’une des façons les plus respectueuses de la vie privée pour attribuer et estimer les performances des campagnes.
Le tableau suivant présente un moyen simple de visualiser les différences significatives entre le Fingerprinting traditionnel des navigateurs et la modélisation probabiliste :
| Fingerprinting | Modélisation probabiliste d’AppsFlyer |
---|
Équivaut à une pièce d’identité unique et/ou permanente | Oui | Non |
Peut être utilisée pour identifier un appareil de manière unique | Oui | Non |
Peut être utilisée pour suivre les utilisateurs sur tous les sites/applications (cross-site tracking) | Oui | Non |
Dépend d’une grande quantité de données provenant des appareils et des navigateurs des utilisateurs | Oui | Non |
Peut être utilisée pour créer des profils | Oui | Non |
Peut être utilisée pour cibler les utilisateurs | Oui | Non |
Peut identifier un appareil même lorsque les utilisateurs se cachent derrière des VPN ou d’autres adresses IP | Oui | Non |
Déterministe | Oui | Non |
Confidentialité | Peut être exploitée de manière intrusive | En faveur |