过滤列表的漏网之鱼：利用不可见像素检测未知第三方跟踪器
密码学与安全
2020-03-02 v4 计算机与社会
摘要
过去十年中，网页跟踪已被广泛研究。为检测跟踪，既往研究及用户工具依赖于过滤列表。然而已有研究表明，过滤列表会遗漏跟踪器。本文提出一种受不可见像素行为分析启发的替代方法来检测跟踪器。通过爬取来自 8,744 个域名的 84,658 个网页，我们检测到第三方不可见像素被广泛部署：它们出现在超过 94.51% 的域名上，并占所有第三方图像的 35.66%。我们基于不可见像素分析提出了一种细粒度的跟踪行为分类。利用该分类，我们在包含 4,216,454 个第三方请求的完整数据集上检测出新类别的跟踪，并揭示了域名间的新协作关系。我们证明，两种流行的基于 EasyList&EasyPrivacy 和 Disconnect 列表的跟踪检测方法分别遗漏了我们检测到的跟踪器的 25.22% 和 30.34%。此外，我们发现若合并全部三个列表，来自 8,744 个域名的 379,245 个请求仍会在 68.70% 的网站上跟踪用户。
引用
@article{arxiv.1812.01514,
title = {Missed by Filter Lists: Detecting Unknown Third-Party Trackers with Invisible Pixels},
author = {Imane Fouad and Nataliia Bielova and Arnaud Legout and Natasa Sarafijanovic-Djukic},
journal= {arXiv preprint arXiv:1812.01514},
year = {2020}
}
备注
This paper has been accepted to PETs 2020