SINBAD：基于显著性信息的广告拦截破坏检测
密码学与安全
2024-05-09 v1 机器学习
摘要
基于过滤列表规则的隐私增强拦截工具往往会破坏合法功能。过滤列表维护者可以从自动化破坏检测工具中受益，从而在将问题规则部署给数百万用户之前主动修复它们。我们引入了 SINBAD，这是一种自动化破坏检测器，其准确率比现有技术提高了 20%，并且是首个能够检测动态破坏以及由面向样式的过滤规则引起的破坏的工具。SINBAD 的成功源于三项创新：（1）利用论坛中用户报告的破坏问题，从而创建一个高质量的训练数据集，其中仅包含用户视为问题的破坏；（2）利用“网络显著性”自动识别网站中与用户相关的区域，以便优先进行旨在触发破坏的自动化交互；（3）通过子树分析网页，从而实现对问题过滤规则的细粒度识别。
引用
@article{arxiv.2405.05196,
title = {SINBAD: Saliency-informed detection of breakage caused by ad blocking},
author = {Saiid El Hajj Chehade and Sandra Siby and Carmela Troncoso},
journal= {arXiv preprint arXiv:2405.05196},
year = {2024}
}
备注
19 pages, 13 figures, Appearing in IEEE S&P 2024