L'EFF estime que le remplacement des cookies de suivi par FLoC pourrait entraîner de nouveaux problèmes

L'organisation de défense des droits numériques EFF (Electronic Frontier Foundation) a critiqué l'API FLoC, promue par Google dans le cadre de l'initiative Privacy Sandbox. Rappelons qu'avec Chrome 89, une série d'API a été expérimentée pour remplacer les cookies tiers utilisés pour suivre les déplacements des utilisateurs. À l'avenir, Google prévoit de se débarrasser totalement des cookies pour le suivi et de mettre fin au support des cookies tiers dans Chrome lorsqu'on visite des sites différents de celui de la page actuelle.

L'API FLoC (Federated Learning of Cohorts) est conçue pour déterminer la catégorie d'intérêts d'un utilisateur sans identification individuelle et sans lien avec l'historique de navigation. FLoC permet d'identifier des groupes d'utilisateurs partageant des intérêts similaires sans identifier les utilisateurs individuellement. Les intérêts d'un utilisateur sont définis par des « cohortes », des étiquettes courtes décrivant différents groupes d'intérêts. Les cohortes sont calculées côté navigateur en appliquant des algorithmes d'apprentissage automatique aux données d'historique de navigation et au contenu affiché dans le navigateur. Les détails restent sur l'appareil de l'utilisateur, et seules des informations globales sur les cohortes, reflétant les intérêts, sont transmises, permettant de fournir des publicités pertinentes sans suivre un utilisateur spécifique.

Selon l'EFF, l'API proposée pourrait remplacer certains problèmes par d'autres. Si les étiquettes d'intérêts peuvent être obtenues par n'importe quel site, cela crée des conditions de discrimination des utilisateurs en fonction de leurs préférences et opinions, ainsi qu'une utilisation active du ciblage intrusif.

Au lieu de se passer complètement du ciblage, Google tente de remplacer l'ancien ciblage par une nouvelle méthode de ciblage avec ses propres problèmes. L'EFF estime que l'utilisateur devrait choisir lui-même quelles informations transmettre à chaque site et ne pas avoir à s'inquiéter de ce que les traces de son activité passée peuvent être utilisées pour le manipuler lors de la navigation. L'introduction de FLoC pourrait entraîner la circulation d'informations sur le comportement d'un utilisateur comme un stigmate le suivant de site en site.

Parmi les nouveaux risques, on note :

• L'émergence d'un facteur supplémentaire pour l'identification cachée du navigateur de l'utilisateur (« browser fingerprinting »). Bien que les cohortes FLoC couvrent des milliers de personnes, elles peuvent être utilisées pour améliorer la précision de l'identification du navigateur lorsqu'elles sont combinées avec d'autres données indirectes, telles que la résolution d'écran, la liste des types MIME pris en charge, des paramètres spécifiques dans les en-têtes (HTTP/2 et HTTPS), les plugins et les polices installés, la disponibilité de certaines API Web, les caractéristiques spécifiques des cartes graphiques lors du rendu à l'aide de WebGL et Canvas, les manipulations CSS, ainsi que les caractéristiques d'interaction avec la souris et le clavier.
• Fournir des données personnelles supplémentaires aux trackers qui identifient déjà les utilisateurs. Par exemple, si un utilisateur est identifié et connecté à son compte, le service peut explicitement associer les données de préférences indiquées dans la cohorte avec un utilisateur spécifique, en suivant la transformation des préférences lors du changement de cohortes.
• Il n'est pas exclu non plus de procéder à une ingénierie inverse de l'historique de navigation sur la base des données de la cohorte, c'est-à-dire que l'analyse de l'algorithme d'attribution des cohortes permet de déduire les sites que l'utilisateur a probablement visités. De plus, sur la base des cohortes, il est possible de faire des conclusions sur l'âge, la situation sociale, l'orientation sexuelle, les préférences politiques, les difficultés financières ou les malheurs vécus.
• Discrimination basée sur les préférences des utilisateurs. Par exemple, les offres d'emploi et les demandes de crédit peuvent varier en fonction de l'appartenance ethnique, de la religion, du sexe et de l'âge. Les utilisateurs rencontrant des problèmes financiers peuvent se voir imposer des crédits à des taux d'intérêt élevés, tandis que la détermination des données démographiques et des préférences politiques peut être utilisée pour renforcer la crédibilité de la désinformation.

Source : opennet.ru