論文の概要: PixelConfig: Longitudinal Measurement and Reverse-Engineering of Meta Pixel Configurations
- arxiv url: http://arxiv.org/abs/2603.09380v1
- Date: Tue, 10 Mar 2026 08:53:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:24.181265
- Title: PixelConfig: Longitudinal Measurement and Reverse-Engineering of Meta Pixel Configurations
- Title（参考訳）: PixelConfig:メタピクセル構成の経時的測定とリバースエンジニアリング
- Authors: Abdullah Ghani, Yash Vekaria, Zubair Shafiq,
- Abstract要約: 私たちは、Web上のMeta Pixelデプロイメントの設定をリバースエンジニアリングするために、PixelConfigという差分分析フレームワークを提示します。
アクティビティトラッキング(Webサイト上でユーザが何をしているか)、アイデンティティトラッキング(ユーザが誰であるか、誰がデバイスと関連しているか)、トラッキング制限(潜在的に機密性の高い情報の共有を制限するメカニズム)の3つのタイプについて検討する。
ボタンクリックを収集する自動イベントなどのアクティビティトラッキング機能は、Pixelのデフォルト設定によって、最大98.4%の採用率に達したことが分かりました。
- 参考スコア（独自算出の注目度）: 11.424008579257773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tracking pixels are used to optimize online ad campaigns through personalization, re-targeting, and conversion tracking. Past research has primarily focused on detecting the prevalence of tracking pixels on the web, with limited attention to how they are configured across websites. A tracking pixel may be configured differently on different websites. In this paper, we present a differential analysis framework: PixelConfig, to reverse-engineer the configurations of Meta Pixel deployments across the web. Using this framework, we investigate three types of Meta Pixel configurations: activity tracking (i.e., what a user is doing on a website), identity tracking (i.e., who a user is or who the device is associated with), and tracking restrictions (i.e., mechanisms to limit the sharing of potentially sensitive information). Using data from the Internet Archive's Wayback Machine, we analyze and compare Meta Pixel configurations on 18K health-related websites with a control group of the top 10K websites from 2017 to 2024. We find that activity tracking features, such as automatic events that collect button clicks and page metadata, and identity tracking features, such as first-party cookies that are unaffected by third-party cookie blocking, reached adoption rates of up to 98.4%, largely driven by the Pixel's default settings. We also find that the Pixel is being used to track potentially sensitive information, such as user interactions related to booking medical appointments and button clicks associated with specific medical conditions (e.g., erectile dysfunction) on health-related websites. Tracking restriction features, such as Core Setup, are configured on up to 34.3% of health websites and 8.7% of control websites. However, even when enabled, these tracking restriction features provide limited protection and can be circumvented in practice.
- Abstract（参考訳）: トラッキングピクセルは、パーソナライズ、再ターゲティング、コンバージョントラッキングを通じてオンライン広告キャンペーンを最適化するために使用される。
過去の研究では、主にWeb上でのトラッキングピクセルの頻度の検出に焦点が当てられ、Webサイト間でどのように構成されているかに注意が向けられている。
トラッキングピクセルは異なるウェブサイトで異なる設定をすることができる。
本稿では,Web上のMeta Pixelデプロイメントの構成をリバースエンジニアリングする,PixelConfigという差分解析フレームワークを提案する。
このフレームワークを用いて,アクティビティトラッキング(Webサイト上でユーザが何をしているか),アイデンティティトラッキング(ユーザが誰であるか,誰がデバイスと関連しているか),制限(潜在的に機密性の高い情報の共有を制限するメカニズム)の3つのタイプを調査する。
Internet ArchiveのWayback Machineのデータを用いて、2017年から2024年までの18Kの健康関連WebサイトのMeta Pixel構成とトップ10KのWebサイトのコントロールグループを分析し比較します。
ボタンクリックやページメタデータを収集する自動イベントなどのアクティビティトラッキング機能や,サードパーティクッキーブロックの影響を受けないサードパーティクッキーなどのIDトラッキング機能が,Pixelのデフォルト設定による最大98.4%の採用率に達したことが分かりました。
また、Pixelは、健康関連ウェブサイト上の特定の医療状況(例えば、勃起不全)に関連する、医療予約の予約やボタンクリックに関連するユーザーインタラクションなど、潜在的にセンシティブな情報を追跡するために使用されていることもわかりました。
Core Setupのような追跡制限機能は、34.3%のヘルスウェブサイトと8.7%のコントロールウェブサイトに設定されている。
しかし、有効化してもこれらの追跡制限機能は限定的な保護を提供し、実際は回避できる。
関連論文リスト
- Trackly: A Unified SaaS Platform for User Behavior Analytics and Real Time Rule Based Anomaly Detection [0.22940141855172033]
Tracklyは、総合的なユーザ行動分析をリアルタイムで、ルールベースの異常検出と統合する。
リアルタイムダッシュボードは、グローバルセッションマップ、DAU MAU、バウンスレート、セッション期間を提供する。
トラックは98.1%の精度、97.7%の精度、合成データセットの2.25%の偽陽性を達成した。
論文 参考訳（メタデータ） (2026-01-30T10:31:26Z) - Tracker Installations Are Not Created Equal: Understanding Tracker Configuration of Form Data Collection [5.608123113456749]
我々はGoogleとMetaのトラッカーをどのように構成してPII(Personally Identifying Information)をWebフォームから収集するかを検討する。
その結果,MetaとGoogleはともにフォームデータ収集の活用を奨励していることがわかった。
私たちは、MetaやGoogleのポリシーに違反したフォームデータPIIを収集する可能性のあるトラッカーをインストールした、機密性の高い金融および健康のウェブサイトを特定します。
論文 参考訳（メタデータ） (2025-06-20T10:29:13Z) - PURL: Safe and Effective Sanitization of Link Decoration [20.03929841111819]
PURLは、Webページ実行の層間グラフ表現を利用して、リンクの装飾を安全かつ効果的に衛生化する機械学習手法である。
評価の結果,PURLは既存の対策よりも精度が高く,ウェブサイトの破損を低減できることがわかった。
論文 参考訳（メタデータ） (2023-08-07T09:08:39Z) - CXTrack: Improving 3D Point Cloud Tracking with Contextual Information [59.55870742072618]
3Dオブジェクトトラッキングは、自律運転など、多くのアプリケーションにおいて重要な役割を果たす。
CXTrackは3次元オブジェクト追跡のためのトランスフォーマーベースのネットワークである。
CXTrackは29FPSで動作しながら最先端のトラッキング性能を実現する。
論文 参考訳（メタデータ） (2022-11-12T11:29:01Z) - Tracking Objects as Pixel-wise Distributions [49.46919079329739]
マルチオブジェクトトラッキング(MOT)では、フレームを通じてオブジェクトを検出し、関連付ける必要がある。
対象の追跡を画素単位の分布として提案する。
我々は、このアイデアを変換器ベースのアーキテクチャであるP3AFormerでインスタンス化し、ピクセルワイドな伝搬、予測、関連付けを行う。
論文 参考訳（メタデータ） (2022-07-12T13:22:29Z) - Real-time Online Multi-Object Tracking in Compressed Domain [66.40326768209]
近年,Multi-Object Tracking (MOT) 手法が望まれるトラッキング性能を実現している。
隣接するフレームが極めて関連性が高く冗長であるという事実に着想を得て、フレームをキーフレームと非キーフレームに分割する。
私たちのトラッカーは、同等のトラッカー性能を維持しながら、約6倍高速です。
論文 参考訳（メタデータ） (2022-04-05T09:47:24Z) - Learning Dynamic Compact Memory Embedding for Deformable Visual Object
Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。
DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文 参考訳（メタデータ） (2021-11-23T03:07:12Z) - Track to Detect and Segment: An Online Multi-Object Tracker [81.15608245513208]
TraDeSは、エンドツーエンドの検出を支援するために追跡の手がかりを利用するオンライン共同検出および追跡モデルです。
TraDeSは、以前のオブジェクトの機能を伝播するために使用されるコストボリュームでオブジェクト追跡オフセットを推測します。
論文 参考訳（メタデータ） (2021-03-16T02:34:06Z) - Learning Spatio-Appearance Memory Network for High-Performance Visual
Tracking [79.80401607146987]
既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。
本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-09-21T08:12:02Z) - Wide-AdGraph: Detecting Ad Trackers with a Wide Dependency Chain Graph [0.2761244786307778]
ウェブサイトはサードパーティーの広告と追跡サービスを使ってターゲット広告を配信し、訪問したユーザーに関する情報を集める。
ブロックソリューションのほとんどは、大規模なユーザコミュニティが手作業で管理するクラウドソースのフィルタリストに依存している。
本研究では,大規模なグラフを用いて異なるWebサイトを組み合わせることで,これらのフィルタリストの更新を簡単にする。
論文 参考訳（メタデータ） (2020-04-29T11:28:49Z)
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。