PURL:链接修饰的安全有效净化
密码学与安全
2024-03-07 v2 机器学习
摘要
尽管注重隐私的浏览器已采取措施屏蔽第三方 cookie 并缓解浏览器指纹识别,但可绕过现有对策的新兴追踪技术不断涌现。由于无论采用何种追踪技术,追踪者都需通过链接修饰从客户端向服务端共享信息,一种有前景的正交方法是检测并净化修饰链接中的追踪信息。为此,我们提出 PURL(读作 purel-l),一种利用网页执行的跨层图表示来安全有效净化链接修饰的机器学习方法。我们的评估表明,PURL 在准确性与减少网站故障方面显著优于现有对策,且对常见规避技术具有鲁棒性。PURL 在百万级热门网站样本上的部署显示,近四分之三的网站滥用链接修饰进行追踪,常用来共享 cookie、电子邮件地址与指纹信息。
引用
@article{arxiv.2308.03417,
title = {PURL: Safe and Effective Sanitization of Link Decoration},
author = {Shaoor Munir and Patrick Lee and Umar Iqbal and Zubair Shafiq and Sandra Siby},
journal= {arXiv preprint arXiv:2308.03417},
year = {2024}
}