Audit, mesure et transparence des écosystèmes de publicité sur les réseaux sociaux

Auditing, Measuring, and Bringing Transparency to Social Media Advertising Ecosystems

• Auteur / Autrice : Athanasios Andreou
• Direction : Patrick Loiseau, Oana Goga
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 17/06/2019
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut EURECOM (Sophia-Antipolis, Alpes-Maritimes)
• Jury : Président / Présidente : Claude Castelluccia
• Jury : Examinateurs / Examinatrices : Hamed Haddadi, Davide Balzarotti
• Jury : Rapporteurs / Rapporteuses : Nikolaos Laoutaris, Sonia Ben Mokhtar

Mots clés

Mots clés contrôlés

Facebook (site web)

Information

Internautes

Droit à la vie privée

Publicité sur Internet

Réseaux sociaux (Internet)

Mots clés libres

Vie privée

Transparence

Médias sociaux

Publicité ciblée

Privacy

Transparency

Social media

Targeted advertising

Résumé

La publicité sur les réseaux sociaux a fait l'objet de nombreuses plaintes concernant la protection de la vie privée. Les utilisateurs comprennent mal pourquoi ils sont ciblés. 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 application, 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. 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. 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 des utilisateurs ayant reçu la même annonce.

Social media advertising has been subject to many privacy complaints. It is largely unknown who advertises on social media, what data the platforms have about users, and why users are being shown particular ads. As a response, platforms like Facebook introduce transparency mechanisms where users receive explanations about why they received an ad, and what data has Facebook inferred about them. The aim of this thesis is to increase transparency in social media advertising. We build a browser extension, AdAnalyst, which collects the ads that users see in Facebook and the explanations that it provides to them, and in return we provide them with aggregated statistics about the ads they receive. By using AdAnalyst, and by conducting experiments where we target the users we monitor with ads, we find that Facebook's explanations are incomplete, misleading and vague. Additionally, we look at who is advertising on Facebook and how are they targeting users. We identify a wide range of advertisers, where some of them are part of potentially sensitive categories, like politics or health. We also find that advertisers employ targeting strategies that can be invasive, or opaque. Finally, we develop a collaborative method that allows us to infer why a user has been targeted with ads on Facebook, by looking at the characteristics of users that received the same ad.