EFF ist der Ansicht, dass der Austausch von Tracking-Cookies durch FLoC zu neuen Problemen führen kann.

Die Menschenrechtsorganisation EFF (Electronic Frontier Foundation) hat die von Google im Rahmen der Initiative Privacy Sandbox vorangetriebene FLoC-API kritisiert. Erinnern wir uns daran, dass in Chrome 89 mit der experimentellen Einführung einer Reihe von APIs begonnen wurde, die in der Lage sind, Drittanbieter-Cookies zu ersetzen, die zur Verfolgung von Bewegungen verwendet werden. In Zukunft plant Google, ganz auf Cookies zur Verfolgung zu verzichten und die Unterstützung von Drittanbieter-Cookies in Chrome zu beenden, die bei Zugriffen auf Websites außerhalb der aktuellen Domain gesetzt werden.

Die FLoC-API (Federated Learning of Cohorts) dient dazu, die Interessen Kategorie von Benutzern zu bestimmen, ohne eine individuelle Identifizierung vorzunehmen und ohne an die Besuchshistorie bestimmter Websites gebunden zu sein. FLoC ermöglicht es, Benutzergruppen mit ähnlichen Interessen zu identifizieren, ohne einzelne Benutzer zu identifizieren. Die Interessen der Benutzer werden mithilfe von „Kohorten“ ermittelt, kurzen Bezeichnungen, die verschiedene Interessengruppen beschreiben. Die Kohorten werden im Browser durch den Einsatz von Algorithmen des maschinellen Lernens auf Basis der Besuchshistorie und des Inhalts, der im Browser geöffnet wird, berechnet. Die Details bleiben auf der Seite des Benutzers, während nach außen nur allgemeine Informationen über die Kohorten weitergegeben werden, die Interessen widerspiegeln und es ermöglichen, relevante Werbung ohne Verfolgung eines bestimmten Benutzers auszuliefern.

Nach Auffassung der EFF könnte die vorgeschlagene API einige Probleme durch andere ersetzen. Wenn jedes Website die Interessensmarkierungen abrufen kann, schafft dies Bedingungen für die Diskriminierung von Benutzern, abhängig von ihren Vorlieben und Ansichten, sowie für die aktive Anwendung von aggressivem Targeting.

Statt vollständig auf Targeting zu verzichten, versucht Google, anstelle des alten Targetings eine neue Methode des Targetings einzuführen, die eigene Probleme mit sich bringt. EFF ist der Meinung, dass der Benutzer selbst entscheiden sollte, welche Informationen an jede Website weitergegeben werden und sich nicht darum kümmern sollte, dass die Spuren seiner früheren Aktivitäten zur Manipulation verwendet werden können, wenn er Websites öffnet. Die Einführung von FLoC könnte dazu führen, dass Informationen über das Verhalten der Benutzer wie ein Stigma von Website zu Website folgen.

Unter den neuen Risiken werden folgende hervorgehoben:

• Das Auftreten eines zusätzlichen Faktors zur verborgenen Identifizierung des Browsers eines Nutzers („Browser-Fingerprinting“). Obwohl die FLoC-Kohorten Tausende von Menschen umfassen werden, können sie in Kombination mit anderen indirekten Daten wie Bildschirmauflösung, Liste der unterstützten MIME-Typen, spezifischen Parametern in den Headern (HTTP/2 und HTTPS), installierten Plugins und Schriftarten, der Verfügbarkeit bestimmter Web-APIs, grafikarten-spezifischen Eigenschaften der Rendering-Techniken mittels WebGL und Canvas, CSS-Manipulationen, sowie Besonderheiten in der Bedienung mit Maus und Tastatur zur Verbesserung der Genauigkeit der Browseridentifikation verwendet werden.
• Die Bereitstellung zusätzlicher persönlicher Daten an Tracker, die bereits Nutzer identifizieren. Beispielsweise kann der Dienst, wenn ein Nutzer identifiziert und in sein Konto eingeloggt ist, die im Kohortenbericht angegebenen Präferenzdaten eindeutig einem bestimmten Nutzer zuordnen und bei Änderungen der Kohorten die Transformation der Präferenzen verfolgen.
• Es ist nicht ausgeschlossen, dass ein Reverse Engineering der Besuchshistorie auf der Grundlage der Kohortendaten erfolgt, das heißt, die Analyse des Algorithmus zur Zuordnung von Kohorten ermöglicht Rückschlüsse darauf, welche Websites der Nutzer wahrscheinlich besucht hat. Anhand der Kohorten können auch Aussagen über das Alter, den sozialen Status, die sexuelle Orientierung, politische Präferenzen, finanzielle Schwierigkeiten oder erlittenes Unglück gemacht werden.
• Diskriminierung basierend auf Nutzerpräferenzen. Beispielsweise können Jobangebote und Kreditvergabe je nach ethnischer Zugehörigkeit, Religion, Geschlecht und Alter variieren. Nutzer, die finanzielle Probleme haben, könnten Kredite zu überhöhten Zinsen angeboten bekommen, während die Ermittlung demografischer Daten und politischer Präferenzen zur Verstärkung von Desinformationen eingesetzt werden kann.

Quelle: opennet.ru