Wide-AdGraph：基于宽依赖链图检测广告追踪器
密码学与安全
2021-05-11 v2 计算机与社会
机器学习
机器学习
摘要
网站使用第三方广告和追踪服务来投放定向广告并收集访客信息。这些服务将用户隐私置于风险之中，因此用户对其屏蔽的需求日益增长。大多数屏蔽方案依赖于由大量用户社区手动维护的众包过滤列表。在本文中，我们试图通过将不同网站经由连接大量站点上所有资源请求的大规模图结合起来，简化这些过滤列表的更新。提取该图的特征并用于训练机器学习算法，以检测广告和追踪资源。由于我们的方法结合了不同信息源，它对使用混淆或改变使用模式的规避技术更具鲁棒性。我们在 Alexa 前 10K 网站上进行评估，发现其有偏准确率为 96.1%，无偏准确率为 90.9%，且精确率和召回率均较高。它还能屏蔽新的广告和追踪服务，而这些服务本需由进一步的众包现有过滤列表来屏蔽。此外，本文所采用的方法揭示了第三方追踪与广告生态系统的面貌。
引用
@article{arxiv.2004.14826,
title = {Wide-AdGraph: Detecting Ad Trackers with a Wide Dependency Chain Graph},
author = {Amir Hossein Kargaran and Mohammad Sadegh Akhondzadeh and Mohammad Reza Heidarpour and Mohammad Hossein Manshaei and Kave Salamatian and Masoud Nejad Sattary},
journal= {arXiv preprint arXiv:2004.14826},
year = {2021}
}
备注
9 pages, 7 figures, To appear in the 13th ACM Web Science Conference 2021 (WebSci '21), June 2021