論文の概要: Quantifying Carbon Emissions due to Online Third-Party Tracking

• arxiv url: http://arxiv.org/abs/2304.00927v1
• Date: Mon, 3 Apr 2023 12:30:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 15:40:46.190186
• Title: Quantifying Carbon Emissions due to Online Third-Party Tracking
• Title（参考訳）: オンライン第三者追跡による二酸化炭素排出量の定量化
• Authors: Michalis Pachilakis, Savino Dambra, Iskander Sanchez-Rola, Leyla Bilge
• Abstract要約: 我々は、Webトラッキングによるオーバーヘッドに注目し、ネットワークとカーボンフットプリントの両方を分析します。 ウェブトラッキングはデータ送信量を21%以上増加させ,大気中の約11個の温室効果ガスを毎年排出することを示す。
• 参考スコア（独自算出の注目度）: 5.43229883210873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the past decade, global warming made several headlines and turned the attention of the whole world to it. Carbon footprint is the main factor that drives greenhouse emissions up and results in the temperature increase of the planet with dire consequences. While the attention of the public is turned to reducing carbon emissions by transportation, food consumption and household activities, we ignore the contribution of CO2eq emissions produced by online activities. In the current information era, we spend a big amount of our days browsing online. This activity consumes electricity which in turn produces CO2eq. While website browsing contributes to the production of greenhouse gas emissions, the impact of the Internet on the environment is further exacerbated by the web-tracking practice. Indeed, most webpages are heavily loaded by tracking content used mostly for advertising, data analytics and usability improvements. This extra content implies big data transmissions which results in higher electricity consumption and thus higher greenhouse gas emissions. In this work, we focus on the overhead caused by web tracking and analyse both its network and carbon footprint. By leveraging the browsing telemetry of 100k users and the results of a crawling experiment of 2.7M websites, we find that web tracking increases data transmissions upwards of 21%, which in turn implies the additional emission of around 11 Mt of greenhouse gases in the atmosphere every year. We find such contribution to be far from negligible, and comparable to many activities of modern life, such as meat production, transportation, and even cryptocurrency mining. Our study also highlights that there exist significant inequalities when considering the footprint of different countries, website categories, and tracking organizations, with a few actors contributing to a much greater extent than the remaining ones.
• Abstract（参考訳）: 過去10年間で、地球温暖化はいくつかの話題を巻き起こし、世界中の注目を集めた。 炭素フットプリントは温室効果ガスの排出量を増加させ、惑星の温度上昇をもたらす主要な要因である。 公共の注目は、輸送、食品消費、家庭用活動による二酸化炭素排出量の削減に向けられているが、オンライン活動によるCO2eq排出量の寄与は無視する。 現在の情報化時代には、オンラインでのブラウジングに多くの時間を費やしています。 この活性はco2eqを生成する電気を消費する。 ウェブサイトのブラウジングは温室効果ガスの発生に寄与するが、インターネットが環境に与える影響は、Web追跡の実践によってさらに悪化している。 実際、ほとんどのウェブページは、主に広告、データ分析、ユーザビリティの改善に使用されるコンテンツを追跡することで、非常にロードされている。 この余分な内容は、電力消費が増加し、温室効果ガスの排出が増加するという大きなデータ伝達を意味する。 本研究では,Webのトラッキングによるオーバーヘッドに着目し,そのネットワークと炭素のフットプリントを解析する。 1万人のユーザのブラウジングテレメトリと270万のwebサイトをクロールする実験結果を利用することで、web追跡はデータ送信を21%以上増加させることがわかり、これは毎年大気中の温室効果ガスの約11 mtの追加放出を示唆する。 このような貢献は無視できないものではなく、肉の生産、輸送、さらには暗号通貨採掘といった現代の生活の多くの活動に匹敵するものである。 また、異なる国、ウェブサイトカテゴリー、追跡機関の足跡を考慮すると、いくつかのアクターが他のアクターよりもはるかに大きな不平等が存在することも明らかにした。

関連論文リスト

• Software Frugality in an Accelerating World: the Case of Continuous Integration [2.73028688816111]
  私たちは、GitHubで実装された継続的インテグレーションパイプラインのエネルギーフットプリントを、初めて大規模に分析します。 パイプラインの平均単位エネルギーコストは10Whで比較的低い。 地域Wh-to-CO2推定値に基づくCO2排出量の評価では, 平均CO2排出量は10.5kgである。
  論文  参考訳（メタデータ） (2024-10-21T09:29:50Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Counting Carbon: A Survey of Factors Influencing the Emissions of Machine Learning [77.62876532784759]
  機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。 このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。 本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
  論文  参考訳（メタデータ） (2023-02-16T18:35:00Z)
• Carbon Emission Prediction on the World Bank Dataset for Canada [0.9256577986166795]
  本稿では,今後数年間の二酸化炭素排出量(CO2排出量)の予測方法について述べる。 この予測は過去50年間のデータに基づいている。 このデータセットには1960年から2018年までの全国のCO2排出量(一人当たりメートル)が含まれている。
  論文  参考訳（メタデータ） (2022-11-26T07:04:52Z)
• A Comparative Study of Machine Learning and Deep Learning Techniques for Prediction of Co2 Emission in Cars [2.362412515574206]
  政府が供給するCO2番号は、道路上での自動車の性能を正確に反映していないという証拠がいくつかある。 どのアルゴリズムとモデルが最も良い結果をもたらすかを決定するために、それらを全て比較し、それらを組み立てる新しい方法を探究した。 これは、世界温度の上昇を予見し、電気自動車の導入のような重要な政策決定を下すのに使うことができる。
  論文  参考訳（メタデータ） (2022-11-15T16:20:39Z)
• CarbonTag: A Browser-Based Method for Approximating Energy Consumption of Online Ads [0.0]
  本研究では、オンライン広告がレンダリングプロセスでどれだけのエネルギーを消費するかを調査する。 レンダリングプロセスにおける単一広告のエネルギー使用量を計算する最初の研究である。 エネルギー効率に基づいてオンライン広告を分類できる、さまざまなレベルの消費を導入している。
  論文  参考訳（メタデータ） (2022-10-25T16:40:28Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)
• Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery [59.32805936205217]
  牛の農業は世界の温室効果ガス排出量の8.8%を占めている。 40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。 本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
  論文  参考訳（メタデータ） (2020-11-14T19:07:39Z)
• Chasing Carbon: The Elusive Environmental Footprint of Computing [11.992632765006087]
  我々は、炭素排出量の観点から計算の環境効果を分析する。 現代のモバイルおよびデータセンター機器に関連するほとんどの排出量は、ハードウェア製造とインフラから来ている。
  論文  参考訳（メタデータ） (2020-10-28T18:15:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。