HARPO：学习颠覆在线行为广告
机器学习
2021-11-25 v3 密码学与安全
摘要
在线行为广告及相关的跟踪装置构成切实的隐私威胁。遗憾的是，现有隐私增强工具并非总能对抗在线广告与跟踪。我们提出Harpo，一种基于学习的、通过混淆来颠覆在线行为广告的原则性方法。Harpo利用强化学习自适应地将真实页面访问与伪造页面交织，以扭曲跟踪器对用户浏览画像的视图。我们针对用于在线行为广告的真实用户画像与广告定向模型评估Harpo。结果显示，Harpo通过触发逾40%的错误兴趣标签与6倍更高出价价值来改善隐私。在相同开销下，Harpo相较现有混淆工具性能高出至多16倍。Harpo还能实现对对抗性检测优于现有混淆工具的隐蔽性。Harpo切实推进了利用混淆颠覆在线行为广告的艺术水准。
引用
@article{arxiv.2111.05792,
title = {HARPO: Learning to Subvert Online Behavioral Advertising},
author = {Jiang Zhang and Konstantinos Psounis and Muhammad Haroon and Zubair Shafiq},
journal= {arXiv preprint arXiv:2111.05792},
year = {2021}
}
备注
Accepted at NDSS'22