芝加哥大学研究发现89%的Amazon Fire TV频道存在跟踪器

现代电视正通过互联网而非电缆或无线信号向你推送内容——这本身就是一个现代困境：所有你接入网络的流媒体设备，其实都在暗中监视你，并把数据反馈给广告商。最近，两组独立的研究团队发布了论文，专门测量电视对你的监视程度，还搞清楚了究竟是谁在从海量消费者数据中获益——无论你有没有知情同意。

普林斯顿大学和芝加哥大学的研究人员做了第一项研究（PDF），专门盯着Roku和亚马逊的机顶盒设备。他们对两个平台上超过2000个频道进行审查，结果发现：69%的Roku频道和89%的Amazon Fire TV频道里都存在跟踪器。

具体来看，最流行的跟踪器是Google的doubleclick.net，在前1000个Roku频道中间出现了975次；Google Analytics跟踪器则出现在360个频道中。在亚马逊那边，不出意料，亚马逊自家的跟踪器最流行——1000个频道里有687个都有它。DoubleClick跟踪器出现在307个频道里，Facebook跟踪器则出现在196个频道中。

研究人员发现，跟踪的内容不仅仅是视频标题这类你以为会被发送的信息，还包括永久性的设备标识符和无线SSID信息。更糟糕的是，大多数通过跟踪器发回信息的渠道，都是以未加密的明文形式发送的。

东北大学和伦敦帝国学院的研究人员做了第二项研究（PDF），覆盖范围更广，涉及各种与云连接的消费设备。除了普林斯顿和芝加哥团队调查过的同类OTT插接设备，他们还研究了多种不同的智能电视和其他设备。

结果表明，电视设备在“接触的第三方目的地数量”上表现最差，进一步证实了大量明文发送数据的情况。研究人员指出，Facebook、Amazon和Doubleclick，以及Akamai和Microsoft，再次成为消费者数据最大的接收者——它们都是托管服务提供商。

不过，最让人惊讶的可能是Netflix。研究人员写道：“即使我们从未用Netflix账号配置任何电视，测试台上几乎所有的电视设备都会与Netflix联系。”至少，这会把特定位置电视型号的信息暴露给Netflix，如果还有更多的话。

一个老问题，越来越严重

制作和分发内容的公司，一直想方设法获取尽可能多的消费者消费行为数据。对于靠广告销售赚钱的市场来说，这种度量是有意义的——你能向广告主收多少钱，很大程度上取决于广告预计能吸引多少关注。

这个模式在所有需要盈利的媒体类型中都占主导地位——而所有媒体都需要盈利。一家报业公司过去总能知道一天或一周卖了多少份报纸，也能根据订阅用户基础收集一些数据。数字媒体机构更清楚有多少人读了某篇文章或看了某个视频。电视当然也不例外。量化技术巨头尼尔森早在1950年就推出了电视收视服务——一个庞大的受众测量工具。

但数字革命让数据收集变得极其精确、精细且永久，这给用户隐私带来了大的麻烦。这两篇论文明确了用户跟踪发生的程度以及部分机制，这是很有价值的信息。但严格来说，这事并不新鲜，而且业务之所以慢慢推进，是因为背后有实实在在的财务诱因。

ProPublica早在2015年就做过深入调查，曝光了电视制造商Vizio高度详细的消费者跟踪行为。该公司最终在2017年与美国联邦贸易委员会达成和解，被指控在未经知情或同意的情况下追踪了1100万观众的使用数据。Vizio还面临集体诉讼，而该公司通过电视屏幕自身向设备所有者告知了这一跟踪行为。

消费者选择

两项研究都发现，除非你完全放弃21世纪的媒体，否则消费者在防止跟踪器获取和共享信息方面的选择极为有限。

普林斯顿的研究得出结论：过去的研究发现“观看者认为与广告商共享数据是不可接受的”。但“我们的调查结果表明，这些相关的用户只能使用有限的选项。作为新兴平台，OTT服务缺乏Web和移动平台上可用的工具、控件和对策”。

研究人员还发现，即便是熟悉电脑和手机上广告拦截服务的人，面对电视设备上的情况也做不了太多事。“大量收集像MAC地址和序列号这样的持久性设备标识符，会让用户仅有的少数防御手段之一——重置广告ID——彻底失效。”

研究称，用户可以在Roku设备上使用选项来限制广告跟踪，或者在Amazon Fire TV设备上禁用基于兴趣的广告。在Roku上启用“限制广告跟踪”，会将广告ID泄露的次数降为零，“但不影响渠道联系的跟踪器数量”。而在Fire TV上禁用基于兴趣的广告，会导致泄露广告ID信息的渠道减少50%，但“剩余的流量，包括传达给跟踪器的其他标识符，基本保持不变”。

智能电视机的所有者可以深入设备设置，找到包括禁用自动内容识别或限制个性化广告的选项。不过，可用选项因设备制造商而异。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：芝加哥大学研究发现89%的Amazon Fire TV频道存在跟踪器要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题