การติดตามข้ามอุปกรณ์: การเชื่อมโยงเซสชันโดยไม่ต้องล็อกอิน

เมื่อผู้ใช้เข้าเว็บไซต์ของคุณบนแล็ปท็อปในตอนเช้าและบนโทรศัพท์ในตอนบ่าย แพลตฟอร์มวิเคราะห์ส่วนใหญ่มองเห็นเป็นผู้เข้าชมสองคนที่แยกจากกันโดยสิ้นเชิง อัลกอริทึมระบุอุปกรณ์ของเราสามารถเชื่อมโยงเซสชันเหล่านี้แบบเชิงความน่าจะเป็นได้ — โดยไม่ต้องล็อกอิน — ด้วยการวิเคราะห์การซ้อนทับของสัญญาณและการสร้างกราฟอุปกรณ์

ปัญหาข้ามอุปกรณ์

fingerprinting แบบดั้งเดิมสร้าง ID เฉพาะตัวต่อเบราว์เซอร์หนึ่งอินสแตนซ์ Chrome บนแล็ปท็อปสร้าง ID หนึ่ง Safari บน iPhone สร้างอีก ID หนึ่ง แม้แต่บนอุปกรณ์เดียวกัน เบราว์เซอร์ต่างกันก็สร้าง fingerprint ต่างกัน เพราะมี user agent ต่างกัน มีการรองรับฟีเจอร์ต่างกัน และมีลักษณะการเรนเดอร์ต่างกัน

แต่ผู้ใช้ไม่ได้คิดในแง่ของเบราว์เซอร์ พวกเขาคิดในแง่ของเซสชัน พวกเขาเริ่มการซื้อบนโทรศัพท์ระหว่างมื้อกลางวันและทำให้เสร็จบนแล็ปท็อปที่บ้าน พวกเขาค้นคว้าสินค้าบนแท็บเล็ตและซื้อมันบนเดสก์ท็อป สำหรับการตรวจจับการฉ้อโกงและการปรับแต่งเฉพาะบุคคล การเข้าใจว่าเซสชันเหล่านี้เป็นของคนคนเดียวกันนั้นสำคัญอย่างยิ่ง

การจับคู่สัญญาณเชิงความน่าจะเป็น

การเชื่อมโยงข้ามอุปกรณ์ของเราทำงานโดยการระบุสัญญาณที่ใช้ร่วมกันข้ามอุปกรณ์บนเครือข่ายเดียวกันหรือที่เป็นของคนคนเดียวกัน ที่อยู่ IP และลักษณะของเครือข่ายเป็นสัญญาณร่วมที่ชัดเจนที่สุด — อุปกรณ์บนเครือข่าย Wi-Fi เดียวกันใช้ IP สาธารณะเดียวกัน และมักใช้ ISP และ ASN เดียวกัน

แต่ IP อย่างเดียวไม่เพียงพอ ผู้ใช้จำนวนมากใช้ IP เดียวกัน (เครือข่ายสำนักงาน วิทยาเขตมหาวิทยาลัย carrier-grade NAT) เรารวมการจับคู่ IP เข้ากับการวิเคราะห์เชิงเวลา (เซสชันเกิดขึ้นในช่วงเวลาใกล้เคียงกันหรือไม่?) ความคล้ายคลึงเชิงพฤติกรรม (เข้าชมหน้าที่คล้ายกันหรือไม่?) และความสัมพันธ์ของฮาร์ดแวร์ (อุปกรณ์สอดคล้องกับการมีเจ้าของคนเดียวหรือไม่ — เช่น MacBook กับ iPhone มากกว่าเดสก์ท็อป Windows สองเครื่อง?)

การสร้างกราฟอุปกรณ์

การเชื่อมโยงที่ยืนยันแล้วหรือมีความน่าจะเป็นสูงระหว่างเซสชันแต่ละครั้งสร้างเส้นเชื่อมหนึ่งเส้นในกราฟอุปกรณ์ กราฟเชื่อมเบราว์เซอร์อินสแตนซ์เข้ากับโหนดอุปกรณ์ และโหนดอุปกรณ์เข้ากับโหนดบุคคล เมื่อเวลาผ่านไปและเซสชันสะสมมากขึ้น กราฟก็แม่นยำขึ้นเรื่อย ๆ

การสร้างกราฟใช้แนวทางที่ระมัดระวัง เราต้องการสัญญาณยืนยันหลายตัวก่อนจะสร้างการเชื่อมโยง และเรากำหนดคะแนนความเชื่อมั่นให้กับแต่ละเส้นเชื่อม การเชื่อมโยงที่อาศัย IP ร่วมกันเพียงอย่างเดียวอาจมีความเชื่อมั่น 0.3 ในขณะที่การเชื่อมโยงที่อาศัย IP ร่วมกัน + ความสัมพันธ์เชิงเวลา + ระบบนิเวศอุปกรณ์ที่สอดคล้องกัน อาจมีความเชื่อมั่น 0.9

การประยุกต์ใช้ในการตรวจจับการฉ้อโกง

การเชื่อมโยงข้ามอุปกรณ์ทรงพลังเป็นพิเศษสำหรับการตรวจจับการฉ้อโกง ผู้ฉ้อโกงที่สร้างบัญชีบนอุปกรณ์หลายเครื่องสามารถถูกระบุตัวได้เมื่ออุปกรณ์เหล่านั้นใช้ลักษณะเครือข่ายร่วมกัน บัตรเครดิตที่ถูกขโมยและถูกใช้บนอุปกรณ์ที่ไม่เคยเชื่อมโยงกับกราฟอุปกรณ์ของเจ้าของบัตรมาก่อน จะกระตุ้นการแจ้งเตือนทันที

เราเคยเห็นเครือข่ายฉ้อโกงที่ผู้ดำเนินการคนเดียวใช้ virtual machine หลายสิบเครื่องเพื่อสร้างบัญชีปลอม แม้ VM แต่ละเครื่องจะมี fingerprint เฉพาะตัว แต่ทั้งหมดใช้ลักษณะฮาร์ดแวร์พื้นฐานและโปรไฟล์เครือข่ายร่วมกัน การวิเคราะห์กราฟของเราเชื่อมโยงพวกมันเข้าด้วยกัน เผยให้เห็นเครือข่ายทั้งหมดจากบัญชีที่ตรวจพบเพียงบัญชีเดียว

การออกแบบที่รักษาความเป็นส่วนตัว

การเชื่อมโยงข้ามอุปกรณ์ก่อให้เกิดข้อกังวลด้านความเป็นส่วนตัวที่ชอบธรรม แนวทางของเราบรรเทาสิ่งเหล่านี้ผ่านการตัดสินใจในการออกแบบหลายประการ ประการแรก การเชื่อมโยงเป็นแบบความน่าจะเป็น ไม่ใช่แบบกำหนดตายตัว — เราไม่เคยอ้างความแน่นอนเกี่ยวกับการเชื่อมต่อข้ามอุปกรณ์ ประการที่สอง การเชื่อมโยงทั้งหมดเกิดขึ้นฝั่งเซิร์ฟเวอร์บนโครงสร้างพื้นฐานของคุณ ไม่ใช่ของเรา ประการที่สาม การเชื่อมโยงสามารถปิดใช้งานได้ทั้งหมดหากไม่เกี่ยวข้องกับกรณีการใช้งานของคุณ ประการที่สี่ ผู้ใช้สามารถได้รับความโปร่งใสเกี่ยวกับอุปกรณ์ที่ถูกเชื่อมโยงผ่านอินเทอร์เฟซความเป็นส่วนตัวของคุณ

เมตริกความแม่นยำ

ในการทดสอบแบบควบคุมกับเซสชันข้ามอุปกรณ์ที่ทราบผลอยู่แล้ว อัลกอริทึมการเชื่อมโยงของเราทำได้ recall 78% (พบคู่ข้ามอุปกรณ์จริง 78%) ด้วย precision 94% (การเชื่อมโยงที่ระบุได้ 94% ถูกต้อง) ตัวเลขเหล่านี้สะท้อนการแลกเปลี่ยนโดยตั้งใจที่ให้ความสำคัญกับ precision มากกว่า recall — เรายอมพลาดการเชื่อมโยงมากกว่าจะสร้างการเชื่อมโยงที่ผิด