{"id":99368,"date":"2021-03-06T10:22:43","date_gmt":"2021-03-06T08:22:43","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/eff-schitaet-chto-zamena-otslezhivayushhih-cookie-na-floc-mozhet-privesti-k-novym-problemam"},"modified":"2021-03-06T10:22:43","modified_gmt":"2021-03-06T08:22:43","slug":"eff-schitaet-chto-zamena-otslezhivayushhih-cookie-na-floc-mozhet-privesti-k-novym-problemam","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/eff-schitaet-chto-zamena-otslezhivayushhih-cookie-na-floc-mozhet-privesti-k-novym-problemam","title":{"rendered":"EFF considera que reemplazar las Cookies de seguimiento por FLoC podr\u00eda generar nuevos problemas.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
La organizaci\u00f3n de derechos digitales EFF (Electronic Frontier Foundation) ha criticado la API FLoC, promovida por Google como parte de la iniciativa Privacy Sandbox. Recordemos que en Chrome 89 comenz\u00f3 la implementaci\u00f3n experimental de una serie de APIs que podr\u00edan reemplazar las cookies de terceros utilizadas para rastrear movimientos. En el futuro, Google planea abandonar por completo el uso de cookies para rastreo y descontinuar el soporte en Chrome de las cookies de terceros que se generan al acceder a sitios diferentes del dominio de la p\u00e1gina actual. <\/p>\n
API FLoC (Aprendizaje Federado de Cohortes) est\u00e1 dise\u00f1ado para determinar la categor\u00eda de intereses de un usuario sin realizar una identificaci\u00f3n individual y sin vinculaci\u00f3n al historial de visitas a sitios espec\u00edficos. FLoC permite identificar grupos de usuarios con intereses similares, sin identificar a usuarios individuales. Los intereses del usuario se determinan mediante «cohortes», etiquetas breves que describen diferentes grupos de intereses. Las cohortes se calculan del lado del navegador mediante la aplicaci\u00f3n de algoritmos de aprendizaje autom\u00e1tico a los datos del historial de visitas y al contenido que se abre en el navegador. Los detalles permanecen del lado del usuario, y solo se env\u00edan al exterior informaci\u00f3n general sobre las cohortes que reflejan los intereses y permiten mostrar publicidad relevante sin rastrear a un usuario espec\u00edfico. <\/p>\n
Seg\u00fan la EFF, la API propuesta puede reemplazar un problema por otro. Si cualquier sitio puede acceder a las etiquetas de intereses, se crean condiciones para la discriminaci\u00f3n de los usuarios, dependiendo de sus preferencias y opiniones, as\u00ed como para la aplicaci\u00f3n activa del targeting depredador. <\/p>\n
En lugar de rechazar completamente el targeting, Google intenta reemplazar el m\u00e9todo antiguo con un nuevo m\u00e9todo de targeting que tiene sus propios problemas. La EFF considera que el usuario deber\u00eda decidir qu\u00e9 informaci\u00f3n compartir con cada sitio y no preocuparse de que los rastros de su actividad pasada puedan ser utilizados para manipularlo al abrir sitios. La implementaci\u00f3n de FLoC podr\u00eda llevar a que la informaci\u00f3n sobre el comportamiento del usuario le siga como una marca de un sitio a otro. <\/p>\n
Entre los nuevos riesgos se destacan: <\/p>\n
\n
Aparici\u00f3n de un factor adicional para la identificaci\u00f3n oculta del navegador del usuario («huella digital del navegador»). A pesar de que las cohortes de FLoC abarcar\u00e1n miles de personas, pueden utilizarse para aumentar la precisi\u00f3n de la identificaci\u00f3n del navegador cuando se usan en combinaci\u00f3n con otros datos indirectos, como la resoluci\u00f3n de pantalla, la lista de tipos MIME admitidos, par\u00e1metros espec\u00edficos en los encabezados (HTTP\/2 y HTTPS), plugins instalados y fuentes, la disponibilidad de ciertas API Web, caracter\u00edsticas espec\u00edficas de renderizaci\u00f3n de tarjetas gr\u00e1ficas mediante WebGL y Canvas, manipulaci\u00f3n de CSS, y particularidades en el uso del rat\u00f3n y el teclado.\n
Proporcionar datos personales adicionales a los rastreadores que ya identifican a los usuarios. Por ejemplo, si un usuario est\u00e1 identificado y ha iniciado sesi\u00f3n en su cuenta, el servicio puede correlacionar claramente los datos de preferencias indicados en la cohorte con un usuario espec\u00edfico, y al cambiar de cohortes, rastrear la transformaci\u00f3n de las preferencias.\n
Tampoco se descarta realizar ingenier\u00eda inversa del historial de visitas basado en los datos de cohorte, es decir, el an\u00e1lisis del algoritmo de asignaci\u00f3n de cohortes permite inferir qu\u00e9 sitios es probable que haya visitado el usuario. Tambi\u00e9n se pueden hacer inferencias sobre la edad, la situaci\u00f3n social, la orientaci\u00f3n sexual, las preferencias pol\u00edticas, las dificultades financieras o un sufrimiento experimentado a partir de las cohortes.\n
Discriminaci\u00f3n basada en las preferencias de los usuarios. Por ejemplo, las ofertas de trabajo y la concesi\u00f3n de cr\u00e9ditos pueden variar en funci\u00f3n de la etnia, la religi\u00f3n, el sexo y la edad. A los usuarios que enfrentan problemas financieros se les pueden imponer pr\u00e9stamos a tasas de inter\u00e9s elevadas, y la identificaci\u00f3n de datos demogr\u00e1ficos y preferencias pol\u00edticas puede utilizarse para aumentar la persuasi\u00f3n de la desinformaci\u00f3n. <\/ul>\n