Cross-Device Tracking: conectarea sesiunilor fără autentificare

Când un utilizator îți vizitează site-ul de pe laptop dimineața și de pe telefon după-amiaza, majoritatea platformelor de analytics văd doi vizitatori complet separați. Algoritmul nostru de identificare a dispozitivelor poate lega aceste sesiuni în mod probabilistic — fără a necesita autentificare — analizând suprapunerea semnalelor și construind grafuri de dispozitive.

Problema cross-device

Fingerprinting-ul tradițional generează un ID unic pentru fiecare instanță de browser. Chrome pe un laptop produce un ID; Safari pe un iPhone produce altul. Chiar și pe același dispozitiv, browsere diferite generează fingerprinturi diferite, pentru că au user agent diferit, suport diferit pentru funcționalități și caracteristici diferite de randare.

Dar utilizatorii nu gândesc în termeni de browsere. Ei gândesc în termeni de sesiuni. Încep o achiziție pe telefon în pauza de prânz și o finalizează pe laptop acasă. Cercetează un produs pe tabletă și îl cumpără pe desktop. Pentru detectarea fraudei și personalizare, este esențial să înțelegi că aceste sesiuni aparțin aceleiași persoane.

Potrivirea probabilistică a semnalelor

Legarea cross-device funcționează prin identificarea semnalelor care sunt comune între dispozitive din aceeași rețea sau deținute de aceeași persoană. Adresa IP și caracteristicile rețelei sunt cele mai evidente semnale comune — dispozitivele din aceeași rețea Wi-Fi partajează aceeași adresă IP publică și, adesea, același ISP și ASN.

Dar IP-ul singur nu este suficient. Mulți utilizatori partajează aceeași adresă IP (rețele de birou, campusuri universitare, carrier-grade NAT). Combinăm potrivirea IP cu analiza temporală (au loc sesiunile la ore similare?), similitudinea comportamentală (vizitează pagini similare?) și corelația hardware (sunt dispozitivele consistente cu un singur proprietar — de exemplu, un MacBook și un iPhone, mai degrabă decât două desktopuri Windows?).

Construirea grafului de dispozitive

Fiecare legătură confirmată sau cu probabilitate mare între sesiuni creează o muchie într-un graf de dispozitive. Graful leagă instanțele de browser de noduri de dispozitiv, iar nodurile de dispozitiv de noduri de persoană. În timp, pe măsură ce se acumulează mai multe sesiuni, graful devine tot mai precis.

Construirea grafului folosește o abordare conservatoare: cerem mai multe semnale coroborate înainte de a crea o legătură și atribuim scoruri de încredere fiecărei muchii. O legătură bazată doar pe IP-ul comun ar putea avea o încredere de 0,3, în timp ce o legătură bazată pe IP comun + corelație temporală + ecosistem de dispozitive consistent ar putea avea o încredere de 0,9.

Aplicații în detectarea fraudei

Legarea cross-device este deosebit de puternică pentru detectarea fraudei. Un fraudator care creează conturi pe mai multe dispozitive poate fi identificat când acele dispozitive partajează caracteristici de rețea. Un card de credit furat, folosit pe un dispozitiv care nu a fost niciodată asociat cu graful de dispozitive al titularului, declanșează o alertă imediată.

Am văzut rețele de fraudă în care un singur operator folosește zeci de mașini virtuale pentru a crea conturi false. Deși fiecare VM are un fingerprint unic, toate partajează aceleași caracteristici hardware subiacente și același profil de rețea. Analiza noastră pe graf le conectează, expunând întreaga rețea pornind de la un singur cont detectat.

Design care protejează confidențialitatea

Legarea cross-device ridică preocupări legitime privind confidențialitatea. Abordarea noastră le atenuează prin mai multe decizii de design. În primul rând, legarea este probabilistică, nu deterministă — nu pretindem niciodată certitudine cu privire la conexiunile cross-device. În al doilea rând, toată legarea are loc server-side, pe infrastructura ta, nu pe a noastră. În al treilea rând, legarea poate fi dezactivată complet dacă nu este relevantă pentru cazul tău de utilizare. În al patrulea rând, utilizatorilor li se poate oferi transparență cu privire la dispozitivele legate, prin interfața ta de confidențialitate.

Metrici de acuratețe

În teste controlate cu sesiuni cross-device cunoscute, algoritmul nostru de legare atinge un recall de 78% (găsește 78% dintre perechile cross-device reale) cu o precizie de 94% (94% dintre legăturile identificate sunt corecte). Aceste cifre reflectă un compromis deliberat în favoarea preciziei față de recall — preferăm să ratăm o legătură decât să creăm una falsă.