AdVersarial：感知式广告拦截遭遇对抗机器学习
密码学与安全
2019-08-27 v3 机器学习
机器学习
摘要
感知式广告拦截是一种基于视觉内容检测在线广告的新方法。与传统过滤列表相比，使用感知信号被认为较不易与网页发布者和广告网络陷入军备竞赛。我们证明情况未必如此。我们描述了对多种感知式广告拦截技术的攻击，并揭示了一场可能不利于广告拦截方的新军备竞赛。出乎意料的是，感知式广告拦截还可能引入新漏洞，使攻击者绕过 Web 安全边界并发起 DDoS 攻击。我们首先分析感知式广告拦截器的设计空间，提出一个融合先前学术与商业工作的统一架构。随后我们探索针对广告拦截器检测流水线的多种攻击，使发布者或广告网络能够规避或检测广告拦截，有时甚至滥用其高权限绕过 Web 安全边界。一方面，我们表明感知式广告拦截必须对渲染的 Web 内容进行视觉分类，以摆脱围绕页面标记混淆的军备竞赛；另一方面，我们通过在实际网页语境中构造对抗样本，提出针对视觉广告拦截器的一组具体攻击。针对七个广告检测器，我们创建了扰动广告、广告披露标识与原生 Web 内容，以 100% 成功率误导感知式广告拦截。在其中一种攻击中，我们展示恶意用户如何上传对抗内容（如 Facebook 帖子中的扰动图像），诱使广告拦截器移除其他用户非广告内容。超越 Web 与视觉领域，我们还为 AdblockRadio（一款利用机器学习检测原始音频流中广告的开源广播客户端）构建了对抗样本。
引用
@article{arxiv.1811.03194,
title = {AdVersarial: Perceptual Ad Blocking meets Adversarial Machine Learning},
author = {Florian Tramèr and Pascal Dupré and Gili Rusak and Giancarlo Pellegrino and Dan Boneh},
journal= {arXiv preprint arXiv:1811.03194},
year = {2019}
}
备注
17 pages, 14 figures