8.5 C
New York
domenica, Ottobre 24, 2021

Buy now

Facebook Ads investe nella ricerca sulla privacy per migliorare il monitoraggio

Facebook ha annunciato che stanno investendo nella ricerca a sostegno della promozione della tecnologia per il miglioramento della privacy, attraverso accademici, organizzazioni globali e sviluppatori.

Non sorprende che Facebook si stia interessando molto alle tecnologie per il miglioramento della privacy dopo che i cambiamenti derivanti da iOS14 hanno creato enormi perdite di dati per gli inserzionisti. L’obiettivo dell’investimento in queste tecnologie è identificare metodi migliori di tracciamento che manterranno la privacy fornendo dati anonimi e aggregati a Facebook, migliorando i risultati degli inserzionisti.

Tecnologie per il miglioramento della privacy e annunci di Facebook

Le tecnologie per il miglioramento della privacy (PET) sono tecnologie in grado di ridurre al minimo la quantità di dati elaborati con l’obiettivo di proteggere le informazioni personali.

Facebook ha condiviso esempi di tracciamento dei contatti Covid e invio di pagamenti elettronici per illustrare i modi in cui il PET può essere utilizzato per tenere traccia delle informazioni necessarie, pur proteggendo i dati personali.

Ci sono tre principali PET su cui Facebook sta investendo, che includono: Multi-Party Computation, On-Device Learning e Differential Privacy. Approfondiamo ciascuno di questi.

Calcolo multiparte (MPC) e misurazione dell’ascensore privato

Facebook ha testato una soluzione chiamata Private Lift Measurement, che utilizza il calcolo multipartitico (MPC) per aiutare gli inserzionisti a comprendere le prestazioni mantenendo privati ​​i dati dei consumatori.

Gli MPC vengono utilizzati per calcolare i risultati utilizzando fonti di dati provenienti da più parti. Ad esempio, nel caso d’uso di Facebook, questo tipo di report viene utilizzato per combinare i dati di coinvolgimento degli annunci da una parte e i dati di acquisto da un’altra.

Facebook prevede che questa misurazione sarà disponibile per tutti gli inserzionisti il ​​prossimo anno, ma per ora ha reso open source il framework in modo che qualsiasi sviluppatore possa creare prodotti di misurazione incentrati sulla privacy utilizzando MPC.

Apprendimento sul dispositivo

L’apprendimento sul dispositivo è proprio come sembra: il monitoraggio che vive nel singolo dispositivo, che quindi addestra un algoritmo su abitudini particolari e probabili comportamenti futuri.

Ad esempio, Facebook fornisce l’esempio che se le persone fanno clic sugli attrezzi ginnici tendono anche ad acquistare frullati proteici, l’apprendimento sul dispositivo rileverebbe tali schemi senza inviare i dati individuali al cloud.

Sembra in qualche modo simile a ciò che Google Chrome sta cercando di ottenere con FLoC mantenendo i dati di navigazione all’interno del singolo browser.

Privacy differenziale

Ultimo ma non meno importante, la privacy differenziale calcola il rumore in un set di dati. Anonimizza i dati apportando piccole modifiche agli stessi, per rendere più difficile sapere esattamente chi ha compiuto una determinata azione.

Questa tecnologia è spesso utilizzata per la ricerca pubblica per questo motivo. La privacy differenziale può essere utilizzata da sola o con altre tecnologie che migliorano la privacy.

Quando possiamo aspettarci di vedere cambiamenti?

Facebook non ha fornito una tempistica esatta per quando erano previsti cambiamenti, ma ha menzionato che l’iniziativa è uno sforzo pluriennale. Presumibilmente, inizieranno a testare le cose entro quel lasso di tempo, ma gli inserzionisti potrebbero non vedere grandi cambiamenti nell’immediato futuro.

Related Articles

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Stay Connected

0FansLike
2,991FollowersFollow
18,700SubscribersSubscribe
- Advertisement -spot_img

Latest Articles