FLEDGE的全名為First Locally-Executed Decision over Groups Experiment，它的來源為Google 隱私沙盒中提出的TURTLEDOVE方案 (Two Uncorrelated Requests, Then Locally-Executed Decision On Victory) 之第一次公測版，意指廣告競價(Bidding)將區分為兩個管道，並於Chrome瀏覽器下進行。
上述其實是非常難懂的一段說明，讓我們用一般民眾的語言解釋：
在目前Real time bidding的環境裡，參與競標的廣告技術公司會根據眾多管道傳來的數據，搭配手上客戶的需求，透過自家演算法運算出一個適當的價格出標，這樣的運作模式已持續多年。而因為隱私權意識崛起，這些被傳送的數據中，部分被認為涉及個人隱私，不該被當作公開訊息傳送，因而開始被重視與討論。
FLEDGE方案提出了將這些數據中，只要涉及個人行為的資料將被阻斷，並改用其他方式進行。
哪些資訊屬於個人化資訊呢？
例如：看過XX頁面、看過XX商品、加入XX進購物車、買過XX商品、按過XX按鈕…等。
而其他非個人化資訊，還是可以透過原本管道傳送給競標者，如：廣告版位位置、廣告版位大小…等。
既然阻斷了重要個人資訊，那廣告技術公司要怎麼出價呢？
每家公司在計算出價時，都會有自己一套專屬公式 (也可說是演算法)，舉例：在30天內曾造訪就加1分、有”加入購物車”的行為就加3分…等，每家廠商的公式皆不相同且非常複雜，這也是各家公司的技術所在 – 如何出價出的精準。
FLEDGE方案中，提出了IG (interest Group)概念，他建議各公司把自己的「公式」，寫成IG規格並放進Chrome裡面。當有一位消費者上線後，因為Chrome擁有你的出價公式，因此可以根據你的”公式”代替你出價。如此一來，競標廠商不會得知消費者的個人化資訊，但仍可針對個人行為做廣告投遞。此方案也較適合給擁有豐富站內個人行為的廣告主使用，如大型電商。
要讓FLEDGE有效運行，需要非常大量技術支援，廣告技術公司須解析IG規格、調整演算法、處理與分類消費者在站內的行為並標籤化…等前置處理，因此在市場上較少被討論。
目前提到的三個解法，實際執行都還不太明朗，如果未雨綢繆想要先做些什麼，可以看看由FB提出的方案，這也是現階段唯一可以實作的方案。
Cookieless 方案四：CAPI