Cross-Device Tracking: Liên kết phiên mà không cần đăng nhập

Khi một người dùng truy cập trang của bạn bằng laptop vào buổi sáng và bằng điện thoại vào buổi chiều, hầu hết các nền tảng phân tích đều thấy hai khách truy cập hoàn toàn tách biệt. Thuật toán nhận diện thiết bị của chúng tôi có thể liên kết các phiên này theo xác suất — mà không cần đăng nhập — bằng cách phân tích mức độ chồng lấp tín hiệu và xây dựng device graph.

Bài toán cross-device

Fingerprinting truyền thống tạo ra một ID duy nhất cho mỗi phiên bản trình duyệt. Chrome trên laptop tạo ra một ID; Safari trên iPhone tạo ra một ID khác. Ngay cả trên cùng một thiết bị, các trình duyệt khác nhau cũng tạo ra fingerprint khác nhau vì chúng có user agent khác nhau, hỗ trợ tính năng khác nhau và đặc điểm render khác nhau.

Nhưng người dùng không suy nghĩ theo trình duyệt. Họ suy nghĩ theo phiên. Họ bắt đầu một giao dịch mua trên điện thoại vào giờ ăn trưa và hoàn tất nó trên laptop ở nhà. Họ tìm hiểu một sản phẩm trên máy tính bảng và mua nó trên máy tính để bàn. Với việc phát hiện gian lận và cá nhân hóa, hiểu được rằng các phiên này thuộc về cùng một người là điều then chốt.

Đối sánh tín hiệu xác suất

Việc liên kết cross-device của chúng tôi hoạt động bằng cách nhận diện các tín hiệu được chia sẻ giữa các thiết bị trên cùng một mạng hoặc thuộc sở hữu của cùng một người. Địa chỉ IP và đặc điểm mạng là những tín hiệu chung dễ thấy nhất — các thiết bị trên cùng một mạng Wi-Fi dùng chung một IP công cộng và thường cùng một ISP và ASN.

Nhưng riêng IP là không đủ. Nhiều người dùng chia sẻ cùng một IP (mạng văn phòng, khuôn viên đại học, carrier-grade NAT). Chúng tôi kết hợp đối sánh IP với phân tích thời gian (các phiên có diễn ra vào những thời điểm tương tự không?), độ tương đồng hành vi (chúng có truy cập các trang tương tự không?) và tương quan phần cứng (các thiết bị có nhất quán với một chủ sở hữu duy nhất không — ví dụ, một MacBook và một iPhone thay vì hai máy tính để bàn Windows?).

Xây dựng device graph

Mỗi liên kết đã xác nhận hoặc có xác suất cao giữa các phiên tạo ra một cạnh trong device graph. Đồ thị nối các phiên bản trình duyệt với các nút thiết bị, và các nút thiết bị với các nút con người. Theo thời gian, khi ngày càng nhiều phiên được tích lũy, đồ thị trở nên chính xác hơn.

Việc xây dựng đồ thị dùng cách tiếp cận thận trọng: chúng tôi yêu cầu nhiều tín hiệu bổ trợ trước khi tạo một liên kết, và gán điểm tin cậy cho từng cạnh. Một liên kết chỉ dựa trên IP chung có thể có độ tin cậy 0.3, trong khi một liên kết dựa trên IP chung + tương quan thời gian + hệ sinh thái thiết bị nhất quán có thể có độ tin cậy 0.9.

Ứng dụng trong phát hiện gian lận

Liên kết cross-device đặc biệt mạnh mẽ trong phát hiện gian lận. Một kẻ gian lận tạo tài khoản trên nhiều thiết bị có thể bị nhận diện khi những thiết bị đó chia sẻ đặc điểm mạng. Một thẻ tín dụng bị đánh cắp được dùng trên một thiết bị chưa bao giờ liên hệ với device graph của chủ thẻ sẽ kích hoạt cảnh báo ngay lập tức.

Chúng tôi đã thấy những nhóm gian lận nơi một người điều hành dùng hàng chục máy ảo để tạo tài khoản giả. Dù mỗi máy ảo có một fingerprint riêng, tất cả chúng đều chia sẻ cùng những đặc điểm phần cứng nền tảng và hồ sơ mạng. Phân tích đồ thị của chúng tôi kết nối chúng lại, phơi bày toàn bộ nhóm chỉ từ một tài khoản bị phát hiện.

Thiết kế bảo vệ quyền riêng tư

Liên kết cross-device làm nảy sinh những lo ngại chính đáng về quyền riêng tư. Cách tiếp cận của chúng tôi giảm thiểu những lo ngại này thông qua vài quyết định thiết kế. Thứ nhất, việc liên kết mang tính xác suất, không tất định — chúng tôi không bao giờ khẳng định chắc chắn về các kết nối cross-device. Thứ hai, mọi việc liên kết diễn ra phía máy chủ trên hạ tầng của bạn, không phải của chúng tôi. Thứ ba, việc liên kết có thể được tắt hoàn toàn nếu nó không liên quan đến trường hợp sử dụng của bạn. Thứ tư, người dùng có thể được cung cấp sự minh bạch về các thiết bị đã liên kết thông qua giao diện quyền riêng tư của bạn.

Chỉ số độ chính xác

Trong thử nghiệm có kiểm soát với các phiên cross-device đã biết, thuật toán liên kết của chúng tôi đạt recall 78% (tìm được 78% các cặp cross-device thật) với precision 94% (94% các liên kết được xác định là đúng). Những con số này phản ánh một đánh đổi có chủ đích ưu tiên precision hơn recall — chúng tôi thà bỏ sót một liên kết còn hơn tạo ra một liên kết sai.