Facebook PETs: pubblicità che rispetta la privacy

Facebook PETs: pubblicità che rispetta la privacy

Facebook ha avviato i test per tre tecnologie che permettono di visualizzare inserzioni personalizzate, rispettando la privacy degli utenti.
Facebook PETs: pubblicità che rispetta la privacy
Facebook ha avviato i test per tre tecnologie che permettono di visualizzare inserzioni personalizzate, rispettando la privacy degli utenti.

Facebook ha annunciato una serie di tecnologie, note come PETs (Privacy-enhancing technologies), che consentono di visualizzare inserzioni pubblicitarie personalizzate, rispettando la privacy degli utenti. Si tratta quindi di soluzioni simili alla funzionalità FLoC proposta da Google (che non ha riscosso molto successo). Anche quelle dell’azienda di Menlo Park sono in fase di test, quindi non ci sono informazioni sulla loro implementazione pratica.

Facebook PETs: tre tecniche per il digital advertising

Facebook scrive che le PETs sono tecniche avanzate basate su crittografia e statistica. Tutte permettono di ridurre al minimo la raccolta dei dati, senza limitare le tradizionali metriche e le opzioni di personalizzazione delle inserzioni pubblicitarie. La prima, denominata Secure Multi-Party Computation (MPC), consente ai due o più aziende di lavorare insieme combinando i dati raccolti separatamente.

Per conoscere i risultati di una campagna pubblicitaria è necessario identificare le persone che effettuano un acquisto dopo aver visto un’inserzione. Con MPC si ottiene lo stesso obiettivo, ma un’azienda rileva chi ha visto il banner, mentre l’altra rileva chi ha fatto l’acquisto. Facebook ha già avviato i test per la soluzione Private Lift Measurement che sfrutta MPC per misurare la performance delle inserzioni.

Facebook PETs

On-device learning permette invece di conoscere le preferenze di acquisto degli utenti attraverso algoritmi eseguiti sul dispositivo. Nessun dato viene quindi inviato ai server di Facebook. La visualizzazione di inserzioni pertinenti avviene senza conoscere le specifiche azioni dei singoli utenti su app e siti web.

La suddetta tecnica può essere utilizzata in combinazione con la Differential Privacy. Quest’ultima soluzione evita il tracciamento dei singoli utenti mediante l’aggiunta di un “rumore” calcolato ad un set di dati. Ad esempio, se 118 persone hanno acquistato un prodotto dopo aver cliccato sul banner, il sistema aggiunge o sottrae un numero casuale a quello rilevato. L’informazione volutamente sbagliata rende difficile conoscere chi ha acquistato il prodotto.

Fonte: Facebook
Link copiato negli appunti

Ti potrebbe interessare

Pubblicato il
13 ago 2021
Link copiato negli appunti