一项最新研究指出，在在线广告生态系统中，存在一个重要但长期被忽视的隐私风险：你在网上看到的广告本身，就可能足以泄露你的敏感个人信息。
来自新南威尔士大学悉尼分校（UNSW Sydney）和昆士兰科技大学（QUT）ARC自动决策与社会卓越中心（ARC ADM+S）的研究团队证明，人工智能可以仅依据个人在网上接触到的广告内容，推断出其多项个人属性，包括政治倾向、受教育程度以及就业状况等。
研究使用了 ARC ADM+S 标志性项目“澳大利亚广告观察站”收集的数据，对 891 名澳大利亚用户所看到的超过 435,000 条 Facebook 广告进行了分析。
借助先进的大型语言模型（LLMs），研究人员发现：
- 无需访问浏览历史或平台保存的个人数据，也能推断个人特征；
- 只需短暂的一次浏览会话，就可以构建出用户画像；
- AI 在推断个人属性方面的表现，能够匹敌甚至有时超过人类判断；
- 与人工分析相比，这一过程成本低 200 多倍、速度快约 50 倍。
研究表明，LLMs 可以以极低成本、极高速度，对推送给个人的在线广告进行分析，从而预测出范围广泛且细致的个人信息。
在将于 2026 年 ACM 网络会议上发表的论文中，研究人员写道：“我们的结果显示，现成可用的 LLMs 就能够准确重建复杂的用户私人属性。
关键在于，即便只在很短的时间窗口内观察用户所见广告，也足以进行可操作的画像，这意味着成功的攻击并不依赖长期跟踪。”
UNSW 的第一作者陈白玉表示，这些发现动摇了人们对网络隐私的一些基本假设。
他指出：“一个人看到的广告并不是随机的。广告系统会基于推断出的用户画像和行为进行优化投放，因此，用户整体上被展示到的广告组合，会传递出诸如性别、年龄、教育背景、就业状况、政治偏好以及更广泛社会经济地位等信号。
我们的研究显示，LLMs 能够分析这些广告模式，仅凭广告曝光记录就推断出用户的私人属性。
这项工作首次提供了实证证据，证明广告流本身是一种高保真数字足迹，可以在平台之外实现用户画像，天然绕过当前平台的保护机制，暴露出广告生态系统中的系统性漏洞，也凸显了在生成式 AI 时代建立负责任网络 AI 治理的紧迫性。
这揭示了网络隐私中的一个关键盲点：用户在被动接触算法推荐广告的过程中，可能无意间泄露自己的私人属性。”
隐私中的关键盲点
研究团队成员包括 Flora Salim 教授、Daniel Angus 教授、Benjamin Tag 博士和薛浩博士。他们通过使用 AI 分析广告内容，展示了广告流可以像高度精细的数字指纹一样，以惊人的准确度重建用户的私人属性，很多情况下其准确性与人类判断相当甚至更高。
更重要的是，研究表明这并非只是理论上的风险。用户画像可以在短时间内、以大规模方式被构建出来，即使只基于一次短暂的浏览会话，也不需要长期跟踪。即便预测结果并非百分之百准确，也足以揭示出关于个人所处人生阶段或财务状况的有价值线索。
可能的利用方式
尽管主要平台在规则上限制广告主直接针对敏感类别进行定向投放，但研究发现，算法驱动的广告投放过程仍会在无形中编码这些敏感特征，而如今这些信息可以通过广泛可获得的 AI 工具被提取出来。
这带来了一种新的隐私风险形式：
- 用户并未主动提供这些信息；
- 不需要黑客入侵或平台内部访问权限；
- 用户画像可以完全在平台监管之外完成。
研究人员警告称，一些日常使用的工具（例如浏览器扩展）可能被重新利用，在后台静默收集用户所见广告，并据此构建详细的用户画像，从而绕过平台保护，而且几乎不留痕迹。
论文指出：“我们识别出滥用合法权限的浏览器扩展，可能成为此类攻击的主要载体。这种情形的严重性在于其天然的隐蔽性和可扩展性。
攻击者无需专门传播恶意软件，而是可以在现有、已被广泛安装的正常功能扩展中，机会性地部署这种攻击，例如广告拦截器、优惠券查找工具或网页翻译插件。
这些扩展为了实现其功能，合法地需要读取网页内容的权限，而这恰好为数据收集提供了理想掩护。”
政策与监管的影响
研究结果显示，现有的隐私保护措施，可能难以充分应对这类新兴风险。
随着 AI 工具让此类分析变得更简单、更普及，研究人员认为，监管框架必须随之演进，不仅要关注数据是如何被收集的，还要关注从用户所接触内容中可以被“推断”出的信息。
要应对这一风险，需要重新审视隐私保护的基本框架，把日常在线体验中隐含的信号纳入考虑范围——其中就包括用户被动接触到的广告内容。
陈白玉表示：“在个人防护层面，用户可以通过谨慎安装和使用浏览器扩展、限制不必要的权限，并利用现有的隐私和广告个性化设置来降低风险。
但这并不是一个用户可以完全靠自己解决的问题，更深层的挑战是系统性的：人们很难彻底脱离广告生态系统，因此也需要平台层面更强有力的保护措施。”
这项研究基于“澳大利亚广告观察站”项目的数据。该项目是一项公民科学计划，收集普通用户在网上实际看到的广告。就目前公开资料来看，这是迄今规模最大的、关于 AI 如何从在线广告中推断个人信息的实证研究之一。
