A4：规避基于学习的广告拦截器
密码学与安全
2020-01-30 v1 机器学习
摘要
在线广告发布商为挽回信托收益而规避传统广告拦截器的努力已被证明是成功的。因此，近来出现了一类采用机器学习而非人工整理规则的广告拦截器，并已被证明在屏蔽包括 Facebook 等社交媒体网站在内的网页广告方面更为鲁棒。其中，AdGraph 可以说是当前最先进的基于学习的广告拦截器。本文中，我们开发了 A4，一种智能构造广告对抗样本以规避 AdGraph 的工具。与针对被认为限制较少或不受限制的图像或视频的流行对抗样本研究不同，A4 生成的样本保留了网页的应用语义，即可执行的。通过若干实验，我们表明 A4 约有 60% 的概率能够绕过 AdGraph，比最先进的攻击显著高出 84.3%；此外，这些扰动对网页视觉布局的改变是不可察觉的。我们预期 A4 中提出的算法框架在改进针对其他具有类似需求、基于学习的 Web 应用的对抗攻击方面同样具有前景。
引用
@article{arxiv.2001.10999,
title = {A4 : Evading Learning-based Adblockers},
author = {Shitong Zhu and Zhongjie Wang and Xun Chen and Shasha Li and Umar Iqbal and Zhiyun Qian and Kevin S. Chan and Srikanth V. Krishnamurthy and Zubair Shafiq},
journal= {arXiv preprint arXiv:2001.10999},
year = {2020}
}
备注
10 pages, 7 figures