开发者实锤:OpenAI的广告正在跨站收集你行为信息

让人担心的事情,还是发生了。 随着我们越来越习惯把问题交给 AI,聊天记录、工作内容、兴趣偏好,甚至一些原本只属于自己的细节,也在不断进入模型的视野。 但更坏的是,开发者已经实锤,OpenAI 还可能通过一些不那么显眼的方式,获取你在其他网站上的浏览行为。也就是说,即使你没有在 ChatGPT 里说出口,你在网页上的一些动作,也在成为它了解你的另一条线索。 这件事一经披露,已经冲上 HackerNews 热榜第三。 安全研究者 buchodi 近日发布了一份详细的技术调查报告,逆向了 OpenAI 广告平台(内部代号「bazaar」)的完整追踪链路。结论是,OpenAI 在 ChatGPT 中
让人担心的事情,还是发生了。
随着我们越来越习惯把问题交给 AI,聊天记录、工作内容、兴趣偏好,甚至一些原本只属于自己的细节,也在不断进入模型的视野。
但更坏的是,开发者已经实锤,OpenAI 还可能通过一些不那么显眼的方式,获取你在其他网站上的浏览行为。也就是说,即使你没有在 ChatGPT 里说出口,你在网页上的一些动作,也在成为它了解你的另一条线索。
这件事一经披露,已经冲上 HackerNews 热榜第三。

安全研究者 buchodi 近日发布了一份详细的技术调查报告,逆向了 OpenAI 广告平台(内部代号「bazaar」)的完整追踪链路。结论是,OpenAI 在 ChatGPT 中植入了一枚名为 __obi 的 cookie,它能在用户访问安装了 OpenAI 广告像素的第三方网站时,将浏览行为关联回用户的 ChatGPT 账号。

- 博客链接:https://www.buchodi.com/chatgpt-now-knows-what-you-do-on-other-websites-via-ad-collector/
一颗 cookie 的旅程
整个追踪机制分三步完成。
第一步,当用户打开 ChatGPT 时,客户端生成 16 字节的随机标识符,并通过 POST /backend-api/bazaar/obi/sync-token 接口获取一个 RS256 签名的 JWT。这个 token 把随机标识符和用户账号绑定在一起,有效期 60 秒。
第二步,客户端将 JWT 跨站发送到 bzr.openai.com/v1/obi/sync,服务器返回一个 cookie:__obi。该 cookie 设置了 SameSite=None; Secure,有效期一年。这意味着它被明确设计为可以在跨站请求中发送。
第三步,当用户访问安装了 OpenAI 广告像素的商业网站时,浏览器会自动把 __obi 带在请求中发回 OpenAI 服务器。研究者在实际抓包中发现了三类请求都携带了该 cookie,其中最值得注意的一类是:浏览器加载广告像素 SDK 的 <script src> 请求本身就会附带 cookie,甚至在 OpenAI 的任何代码执行之前,标识符就已经被传回了。
简单来说:你只要打开一个安装了 OpenAI 广告代码的网页,OpenAI 就已经知道是你来了。
追踪不止于身份识别。OpenAI 的广告像素 SDK 还会主动从广告主页面上收集用户信息。
研究者观察到的流量中,SDK 通过四个渠道采集数据,OpenAI 自己用标签做了区分:in(广告主主动传入的数据)、fm(从表单字段抓取的数据)、ht(页面渲染文本中抓取的数据)、以及 js(从标签管理器数据层获取的数据)。其中,SDK 自动抓取的数据量远超广告主主动提供的:在观察到的流量中,前者产生了 685 个事件,后者仅 255 个。
SDK 的数据层拦截尤其激进。当前版本会从中提取邮箱和电话号码。而在 8 月 27 日之前的 0.1.31 版本中,它还会抓取用户姓名和地理位置。邮箱、电话、姓名在传输前会经过 SHA-256 哈希处理。但国家、地区、城市和邮编是明文发送的。邮编是被采集最多的表单字段,在 28 个网站上产生了 100 次采集事件。
URL 在发送前被截断为域名加路径,不含查询参数。但研究者在 23929 条观察记录中发现,路径本身就已经暴露了敏感信息,包括一个医疗状况页面、一个债务解决方案流程页面和一个诉讼受理表单。
研究者在自己的设备上做了完整复现,并用两种独立的抓包方法交叉验证,同时对数月间的流量进行了分析,覆盖 936 个不同的广告主像素和 1029 个主机名。
在研究者自己的手机上,一个 __obi 值被从 12 个商业网站发送到了 OpenAI 服务器,涉及 13 个不同的像素 ID。这些网站包括宠物电商 Chewy、家居平台 Wayfair、二手书商 ThriftBooks、活动平台 Eventbrite、生鲜订阅 HelloFresh、在线教育平台 Coursera 和票务网站 SeatGeek。所有请求都返回了 202 状态码,意味着服务器确认接收。
在更大范围的流量样本中,30 个不同的 __obi 值里有 12 个出现在了多个广告主的请求中,其中一个值被 10 个不同的广告主发送过。
此外,研究者解码了 932 个同步 token,其中 736 个携带 subject_type: account_user(已登录用户),196 个携带 anonymous(匿名用户)。但匿名标识符和账号标识符一样稳定:每台设备一个,至少持续 27 天不变。
这意味着即使用户没有登录 ChatGPT,OpenAI 仍然可以通过这个匿名但稳定的标识符,持续追踪他们在安装了广告像素的网站上的行为。
OpenAI 与广告数据
研究者自己也指出:Meta 多年前就建立了结构上完全相同的系统。登录账号、第三方 cookie、像素触发、站外行为回溯到用户画像。这套机制是标准的广告技术。
前所未有的是,这套系统运行在一个 AI 聊天产品上。
人们告诉 AI 的事情,是他们不会发在社交网络上的。而这些 AI 产品正在越来越多地代替用户执行操作。
这也是为什么 OpenAI 的广告追踪问题引发了远超传统 adtech 的争议。今年 5 月 1 日,OpenAI 更新隐私政策,宣布开始使用 cookie 在其他网站推广自家产品。5 月 13 日,加州用户对 OpenAI 提起集体诉讼,指控其在 ChatGPT.com 中嵌入了 Meta Pixel 和 Google Analytics,将用户的对话主题、哈希邮箱和设备标识符发送给了 Meta 和 Google。
而这次的机制方向完全相反:OpenAI 自己就是那个广告巨头。它建立了自己的追踪基础设施,让广告主的网站把用户数据送回 OpenAI。
今年 2 月 9 日,ChatGPT 广告正式面向美国免费用户和 Go 级用户上线,每千次展示约 60 美元,最低投放门槛 20 万美元。到了 5 月,OpenAI 将广告系统扩展到了欧洲 31 个国家,广告主数量已达数万。据 Wired 报道,免费用户的营销 cookie 已被默认开启。
对于一个我们每天主动告诉它大量信息、并且正在逐渐替我们访问整个互联网的 AI 来说,了解的更多,就是好事吗?
文章来自于"机器之心",作者 "冷猫"。
Related topics
After reading
Join the AINRK community
Read how to join the community and connect with people working in AI.




