რატომ არის PETs-ები ახლა მნიშვნელოვანი

სამი წნეხი PETs-ები ვიწრო კრიპტოგრაფიული ინტერესიდან მთავარი სატენდერო პუნქტამდე ასწია. პირველი სარეგულაციოა: GDPR, ePrivacy რეგლამენტი, CPRA და EU AI Act სულ უფრო მეტად მონაცემთა მინიმიზაციასა და მიზნის შეზღუდვას განახორციელებად ვალდებულებებად მოიაზრებს, ვიდრე სასურველ პრინციპებად. მეორე პლატფორმებით არის ნაკარნახევი: Google Privacy Sandbox, Apple App Tracking Transparency და მესამე მხარის ქუქიების ფართო გაუქმება სარეკლამო ტექნოლოგიების სტეკს აიძულა იპოვოს ახალი სუბსტრატები გაზომვისა და აუდიტორიის მშენებლობისთვის, რომლებიც არ ეყრდნობა საიტებს შორის იდენტიფიკატორებს. მესამე კონკურენტულია: მსხვილმა რეკლამოდამდებლებმა და სუფთა ოთახის ოპერატორებმა PET-ზე დაფუძნებული პროდუქტები ააგეს, რომლებშიც გამომცემლები ან ინტეგრირდებიან ან გამოირიცხებიან.

გამომცემლისთვის, პრაქტიკული ზემოქმედება ის არის, რომ PETs-ები კომერციულ საუბრებში ჩნდება: SSP-ების RFP-ზე პასუხებში, ატრიბუციის მყიდველების გაყიდვის პრეზენტაციებში, საცალო მედია ქსელების სუფთა ოთახის დემოებში. გაგება, თუ რას ნამდვილად აკეთებს თითოეული ტექნოლოგია, სავალდებულო გახდა.

ოთხი PET, რომელიც გამომცემლებისთვის მნიშვნელოვანია

PET-ის სივრცე ფართოა, მაგრამ ოთხი ტექნიკა ყველაზე ხშირად ჩნდება გამომცემლის კონტექსტებში. თითოეული სხვადასხვა პრობლემას წყვეტს და განსხვავებული ურთიერთქმედება აქვს თანხმობის ფენასთან.

დიფერენციული კონფიდენციალობა

დიფერენციული კონფიდენციალობა არის მათემატიკური ჩარჩო კონტროლირებადი ხმაურის დასამატებლად შეჯამებულ გამოსასვლელებზე, ასე რომ, არცერთი ცალკეული ჩანაწერი არ შეიძლება ანგარიშიდან შებრუნებით გამოიკვეთოს. სარეკლამო ტექნოლოგიებში ის ძირითადად ორ ადგილას ჩნდება: Google Privacy Sandbox API-ებში (კონკრეტულად Attribution Reporting API-ში), რომლებიც ხმაურს ამატებს კონვერსიის ანგარიშებს ბრაუზერის დატოვებამდე, და სუფთა ოთახის მოთხოვნებში, სადაც SQL-ის შეჯამებები შეფერხებულია, სანამ შედეგები მყიდველს ან გამყიდველს დაუბრუნდება. დიფერენციული კონფიდენციალობის სიძლიერე ის არის, რომ მისი გარანტიები რაოდენობრივად განსაზღვრადია: ეპსილონის მნიშვნელობა ადგენს ინფორმაციის მაქსიმალურ გაჟონვას ერთ მოთხოვნაზე. სუსტი მხარე ის არის, რომ მცირე აუდიტორიებისთვის ხმაური შეიძლება სიგნალს მთლიანად ჩაახრჩოს. გამომცემლებმა უნდა მოელოდნენ, რომ 2026 წლის ბოლოსთვის ეპსილონის მნიშვნელობები გამჟღავნდება მიმწოდებლის დოკუმენტაციაში; თუ მიმწოდებელს არ შეუძლია გითხრათ მათი ეპსილონი, ისინი სინამდვილეში დიფერენციულ კონფიდენციალობას არ სთავაზობენ.

ფედერაციული სწავლება

ფედერაციული სწავლება ამზადებს მანქანური სწავლების მოდელებს მრავალ მოწყობილობაზე ან სერვერზე, ნედლი მონაცემების ცენტრალიზების გარეშე. სარეკლამო კონტექსტში ყველაზე თვალსაჩინო გამოყენება Apple-ის მოწყობილობაზე მოდელირებაა SKAdNetwork-ის ატრიბუციისთვის, და Google-მა Topics API-სა და შემდგომ Sandbox-ის წინადადებებში მსგავსი მიდგომები გამოაცხადა. გამომცემლებისთვის ფედერაციული სწავლება ყველაზე შესაბამისია, როდესაც მუშაობთ პირველი მხარის მონაცემთა პროდუქტებთან, რომლებსაც სურთ lookalike მოდელირების ან კონტექსტური ქულების მიცემა, მომხმარებლის დონის მონაცემების მესამე მხარეში ექსპორტის გარეშე. ტექნიკა საკმარისად მომწიფებულია Apple-ისა და Google-ის მასშტაბზე წარმოებაში ყოფნისთვის; გამომცემლისთვის განხორციელების ღირებულება მნიშვნელოვანია, რადგან სჭირდება ფედერაციული ინფრასტრუქტურის გამავალი პარტნიორი ან მობილური SDK, თუ მობილური სფეროში შედის.

უსაფრთხო მრავალმხრივი გამოთვლა

უსაფრთხო მრავალმხრივი გამოთვლა, ანუ MPC, საშუალებას აძლევს ორ ან მეტ მხარეს ერთობლივად გამოთვალოს ფუნქცია მათ გაერთიანებულ მონაცემებზე, არ ისწავლოს მხარის შეყვანა მეორე. კანონიკური გამოყენების შემთხვევა სარეკლამო ტექნოლოგიებში არის მონაცემთა სუფთა ოთახი: საცალო მოვაჭრე და რეკლამოდამდებელი სურს იცოდეს მათი აუდიტორიების გადაფარება კლიენტების სიების გაცვლის გარეშე. MPC-სთან ერთად შეერთება კრიპტოგრაფიულად ხდება და მხოლოდ შეჯამებული შედეგი ვლინდება. AWS Clean Rooms, Snowflake Data Clean Rooms და Habu (ახლა LiveRamp Clean Rooms) ყველა მხარდაჭერს MPC-სტილის შეერთებებს, და მთავარი საცალო მედია ქსელები სულ უფრო მეტად ხდის MPC-ს ნაგულისხმევ ინტეგრაციის ნიმუშად. გამომცემლებისთვის, რომლებიც რეკლამოდამდებლებს აუდიტორიის გაფართოებებს სთავაზობენ, MPC ხდება ძირითადი მექანიზმი შესაბამისი კოჰორტების მიწოდებისთვის ძირითადი იდენტიფიკატორების გაზიარების გარეშე.

ჰომომორფული დაშიფვრა

ჰომომორფული დაშიფვრა საშუალებას იძლევა დაშიფრულ მონაცემებზე გამოთვლა მოხდეს, ამიტომ სერვისის მიმწოდებელს შეუძლია შეასრულოს მოთხოვნა ჩანაწერების გაშიფვრის გარეშე. თეორიულად ეს ყველაზე ძლიერი PET-ია ხელსაწყოების ყუთში; პრაქტიკაში, სრულ ჰომომორფულ დაშიფვრა სარეკლამო ტექნოლოგიების ზოგადი სამუშაო დატვირთვისთვის გამოთვლითად ძალიან ძვირია. ნაწილობრივი სქემები (კონკრეტულად, შეკრებითი ჰომომორფული დაშიფვრა) ჩნდება ატრიბუციის ანგარიშის მილსადენებში, სადაც საჭირო ოპერაციები ჯამებამდე შემოიფარგლება. გამომცემლებმა 2026 წელს ჰომომორფული დაშიფვრა უნდა განიხილონ, როგორც ტექნოლოგია, რომელსაც "ათვალიერებენ და ელოდებიან": ის რეალურია, სწრაფად ვითარდება, მაგრამ ჯერ კიდევ არ არის პრაქტიკული სატენდერო ვარიანტი სარეკლამო ტექნოლოგიების გამოყენების შემთხვევების უმეტესობისთვის.

როგორ ურთიერთქმედებენ PETs-ები თანხმობის მართვასთან

მიმწოდებლების პრეზენტაციებში გავრცელებული გაუგებრობა ის არის, რომ PETs-ები თანხმობის საჭიროებას გამორიცხავს. ისინი ამას არ აკეთებენ. თითქმის ყველა PET-ის განხორციელება კვლავ მოითხოვს GDPR-ის საფუძველზე კანონიერ საფუძველს გადასამუშავებელი მონაცემების პირვანდელი შეგროვებისთვის, მაშინაც კი, თუ თავად დამუშავება კონფიდენციალობის დამცველია. კონვერსიის ანგარიშზე დამატებული დიფერენციული კონფიდენციალობა კონვერსიის დაკვირვებას საწყისიდანვე კანონიერს არ ხდის: ის ქვედინ შეჯამებას უფრო უსაფრთხოს ხდის.

ამიტომ CMP-სთან ურთიერთქმედება დამატებითია, არა ჩანაცვლებითი. თანამედროვე თანხმობის მართვის პლატფორმა უნდა დაუყენდეს:

• მიზნისთვის სპეციფიური თანხმობის დაჭერა PET-ით დაცული სამუშაო ნაკადების კვების გამოყენების შემთხვევებისთვის. დეტალური მიზნის დროშები ადვილად ასახავს PET-ის მილსადენებს, რომლებშიც მომხმარებლის მონაცემებს შეუძლია შევიდეს.
• თანხმობის სიგნალის სუფთა ოთახებში გავრცელება IAB GPP-ის სტრიქონის ან მიმწოდებლის სპეციფიური API-ის მეშვეობით, ასე რომ MPC-ის შეერთება მხოლოდ მოქმედი თანხმობის მქონე ჩანაწერებს მოიცავს.
• PET-ის ფენაზე გაუქმების პატივისცემა, არა მხოლოდ გვერდის ფენაზე. თუ მომხმარებელი თანხმობას გააუქმებს, მისი მონაცემები ნებისმიერი შემდგომი ფედერაციული სწავლების რაუნდებიდან უნდა ამოიღოს და ახალი სუფთა ოთახის მოთხოვნებიდან გამოირიცხოს.
• მეურვეობის ჯაჭვის დოკუმენტაცია, ასე რომ, აუდიტორებს შეუძლიათ პერსონალური მონაცემი გაადევნონ თვალს თანხმობის გადაწყვეტილებიდან PET-ის მილსადენის გავლით საბოლოო მოხსენებული შედეგამდე.

გამომცემლები, რომლებიც CMP-სა და PET-ის ფენას ერთ დაკავშირებულ სისტემად მოიაზრებენ, ამთავრებენ კონფიდენციალობის შეგნებიან რეკლამოდამდებლებთან შესაბამისობის უფრო ძლიერი პოზიციით და სატენდეო ციკლების სიჩქარით.

პრაქტიკული ინვესტიციების გზამკვლევი

გამომცემლების უმეტესობას არ შეუძლია და არ უნდა ჩადოს ინვესტიცია ოთხივე PET-ში ერთდროულად. სწორი თანმიმდევრობა დამოკიდებულია ტრაფიკის პროფილსა და შემოსავლის ნაზავზე.

თუ შემოსავლის უმეტეს ნაწილი პროგრამული ჩვენებიდან მოდის

დაუმდგეთ პირველ ადგილზე დიფერენციული კონფიდენციალობის გაცნობიერებას. Google Sandbox API-ები ყველაზე ნაკლები წინააღმდეგობის გზის შესვლის პუნქტია, და Aggregation Service-ის ანგარიშების მუშაობის გაგება სულ უფრო მეტად ხდება სატენდეო მოთხოვნა მსხვილი რეკლამოდამდებლებისგან. მიიღეთ CMP, რომელიც ავრცელებს მოქმედ Consent Mode v2-ის სიგნალებს და Sandbox-თან თავსებად დროშებს; კრიპტოგრაფიული მძიმე სამუშაო ბრაუზერში ხდება.

თუ შემოსავლის მნიშვნელოვანი ნაწილი საცალო მედიის პარტნიორობიდან მოდის

MPC-ს და სუფთა ოთახის მზაობას მიეცით პრიორიტეტი. 2026 წლის სუფთა ოთახის ლანდშაფტი MPC-სტილის შეერთებებით არის დომინირებული, და სიცოცხლისუნარიანი შეხამების მილსადენის გარეშე გამომცემლები ნახავენ, რომ საცალო მედიის ხარჯები მათ გვერდს ასცდება. ინვესტიციები აქ კვლევაზე კი არა, ოპერაციულია: სუფთა ოთახის პლატფორმის არჩევა, თანხმობის მდგომარეობების შეხამების ზედაპირზე ასახვა და მონაცემთა შეწოვის მილსადენის შენება.

თუ ოპერირებთ პირველი მხარის მონაცემთა პროდუქტს ან DMP-ს

ფედერაციული სწავლების წიგნიერებას მიეცით პრიორიტეტი. პირველი მხარის მონაცემთა პროდუქტების კონკურენტული ფრონტი გადადის "ბევრი მონაცემი გვაქვს"-იდან "სასარგებლო მოდელების გაწვრთნა შეგვიძლია მონაცემების ექსპორტის გარეშე"-ზე. ფედერაციული ინფრასტრუქტურის მიმწოდებლებთან პარტნიორობა ტიპიური გზაა.

სარეგულაციო მიმართულება

EDPB-ს, FTC-ს, ICO-ს და CNIL-ს ყველა გამოაცხადა: მოსაზრებებში, სახელმძღვანელო დოკუმენტებში და საგამოძიებო ორდენებში: რომ PET-ის მიღება სულ უფრო მეტად დაითვლება GDPR-თან შესაბამისი მონაცემთა მინიმიზაციის მტკიცებულებად. ეს არ ნიშნავს, რომ PET-ის განხორციელება ავტომატურად კანონიერია, მაგრამ ნიშნავს, რომ ტექნიკურად მსგავს ორ გამომცემელს, თანხმობის მსგავსი განაკვეთებით, შეიძლება ძალიან განსხვავებული სარეგულაციო მოპყრობა მიიღოს, თუ ერთმა PETs-ები განახორციელა და მეორემ არა. 2026 და 2027 წლის სტრატეგიული დაგეგმვისთვის, კონსერვატიული ვარაუდი ის არის, რომ PETs-ები ევროპული სარეკლამო ტექნოლოგიების სატენდეო სფეროში 18-დან 24 თვის განმავლობაში გამმიჯნელიდან მოლოდინად გადავლენ. გამომცემლები, რომლებიც ახლა ააგებენ თანხმობა-და-PET მილსადენს, ამ ცვლილების წინააღმდეგ სივრცეს ინახავენ.