WebGraph：捕获广告与追踪信息流以实现鲁棒拦截
密码学与安全
2021-08-19 v2
摘要
数以百万计的网络用户直接依赖广告和追踪器拦截工具来保护其隐私。然而，现有的广告和追踪器拦截器因依赖于极易受攻击的广告和追踪内容而存在不足。在本文中，我们首先证明，基于机器学习的最先进广告和追踪器拦截器（如AdGraph）容易受到现实世界中部署的对抗性规避攻击。其次，我们介绍了WebGraph，这是首个基于图的机器学习拦截器，它根据广告和追踪器的行为而非内容进行检测。通过围绕广告和追踪的基本行为（在浏览器中存储标识符，或与另一个追踪器共享标识符）构建特征，WebGraph的表现与现有方法几乎一样好，但在对抗性规避方面具有显著更强的鲁棒性。具体而言，我们表明WebGraph实现了与AdGraph相当的准确率，同时将对手的成功率从AdGraph下的近乎完美显著降低到WebGraph下的约8%。最后，我们表明，即使面对使用超出当前网络部署范围的规避技术的更高级对手，WebGraph依然保持鲁棒性。
引用
@article{arxiv.2107.11309,
title = {WebGraph: Capturing Advertising and Tracking Information Flows for Robust Blocking},
author = {Sandra Siby and Umar Iqbal and Steven Englehardt and Zubair Shafiq and Carmela Troncoso},
journal= {arXiv preprint arXiv:2107.11309},
year = {2021}
}