FP-Fed：保护隐私的浏览器指纹检测联邦系统
密码学与安全
2023-11-29 v1 计算机与社会
摘要
浏览器指纹通常为跨网页跟踪用户提供了相较第三方 cookie 颇具吸引力的替代方案。事实上，常见浏览器对第三方 cookie 日益严格的限制以及近期如 GDPR 等法规可能加速这一转变。为对抗浏览器指纹，已有工作提出了若干技术以检测其普遍性与严重性。然而，这些技术依赖 1) 集中式网页爬取和/或 2) 计算密集型操作来提取与处理信号（例如信息流与静态分析）。为应对这些局限，我们提出 FP-Fed，首个用于浏览器指纹检测的分布式系统。借助 FP-Fed，用户可基于其真实浏览模式，通过差分隐私联邦学习（DP-FL）协作训练设备端模型，而无需与中心实体共享训练数据。为证明其可行性与有效性，我们在 18.3k 个具有不同隐私级别、参与者数量及从脚本提取特征的流行网站上评估了 FP-Fed 的性能。实验表明，FP-Fed 取得了相当高的检测性能，并能高效地在设备端完成训练与推理，仅依赖从执行轨迹提取的运行时信号，无需任何资源密集型操作。
引用
@article{arxiv.2311.16940,
title = {FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting},
author = {Meenatchi Sundaram Muthu Selva Annamalai and Igor Bilogrevic and Emiliano De Cristofaro},
journal= {arXiv preprint arXiv:2311.16940},
year = {2023}
}