Athanasios Andreou - Audit, Mesure et Transparence des Écosystèmes de Publicité sur les Réseaux Sociaux

10:00
Lundi
17
Juin
2019
Organisé par : 
Athanasios Andreou
Intervenant : 
Athanasios Andreou
Équipes : 

 

Jury :

  • M. Nikolaos Laoutaris  (IMDEA Network - Madrid), rapporteur
  • Mme  Sonia Ben Mokhtar (CNRS/LIRIS Villeurbanne), rapporteur
  • M. Claude Castelluccia (INRIA Grenoble), examinateur
  • M. Hamed Haddadi (Imperial College London – UK), examinateur
  • M. Davide Balzarotti (EURECOM), examinateur
  • M. Patrick Loiseau (INRIA Grenoble), directeur de thèse
  • Mme Oana Goga (CNRS Grenoble), co-encadrante

La publicité sur les réseaux sociaux a fait l'objet de nombreuses plaintes concernant la protection de la vie privée. Malgré cela, on ignore en grande partie qui fait de la publicité sur les médias sociaux et les utilisateurs comprennent encore mal les données dont disposent les plateformes à leur sujet et pourquoi ils sont ciblés en particulier. En réponse, des plates-formes telles que Facebook introduisent des mécanismes de transparence permettant aux utilisateurs de recevoir des explications sur les raisons pour lesquelles ils ont reçu une publicité et quelles données Facebook a inféré à leur sujet.
 
Le but de cette thèse est d'accroître la transparence de la publicité dans les médias sociaux. Nous construisons une extension de navigateur, AdAnalyst, qui collecte les publicités que les utilisateurs voient sur Facebook et les explications qu’elles leur fournissent, et nous leur fournissons en retour des statistiques agrégées sur les publicités qu’ils reçoivent. En utilisant AdAnalyst, et en effectuant des expériences, nous découvrons que les explications de Facebook sont incomplètes, trompeuses et vagues. De plus, nous examinons qui fait de la publicité sur Facebook et comment ils ciblent les utilisateurs. Nous identifions un large éventail d'annonceurs, dont certains font partie de catégories potentiellement sensibles. Nous constatons également que les annonceurs utilisent des stratégies de ciblage qui peuvent être invasives ou opaques. Enfin, nous développons une méthode collaborative qui nous permet de déduire pourquoi un utilisateur a été ciblé par des annonces sur Facebook en examinant les caractéristiques des utilisateurs ayant reçu la même annonce.
Globalement, nos résultats informent le public sur les vulnérabilités des mécanismes de transparence actuels et, parallèlement, ouvrent la voie à la conception de meilleurs mécanismes de transparence.