論文の概要: A4 : Evading Learning-based Adblockers

• arxiv url: http://arxiv.org/abs/2001.10999v1
• Date: Wed, 29 Jan 2020 18:13:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 21:39:31.042180
• Title: A4 : Evading Learning-based Adblockers
• Title（参考訳）: A4 : 学習に基づく広告ブロッカー
• Authors: Shitong Zhu, Zhongjie Wang, Xun Chen, Shasha Li, Umar Iqbal, Zhiyun Qian, Kevin S. Chan, Srikanth V. Krishnamurthy, Zubair Shafiq
• Abstract要約: A4はAdGraphを避けるために、敵の広告サンプルを作るツールだ。 A4 は AdGraph を 60% の時間でバイパスできることを示す。 我々は、A4で提案されているアルゴリズムフレームワークが、他の学習ベースのWebアプリケーションに対する敵攻撃を改善することを約束すると考えている。
• 参考スコア（独自算出の注目度）: 44.149991991963795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efforts by online ad publishers to circumvent traditional ad blockers towards regaining fiduciary benefits, have been demonstrably successful. As a result, there have recently emerged a set of adblockers that apply machine learning instead of manually curated rules and have been shown to be more robust in blocking ads on websites including social media sites such as Facebook. Among these, AdGraph is arguably the state-of-the-art learning-based adblocker. In this paper, we develop A4, a tool that intelligently crafts adversarial samples of ads to evade AdGraph. Unlike the popular research on adversarial samples against images or videos that are considered less- to un-restricted, the samples that A4 generates preserve application semantics of the web page, or are actionable. Through several experiments we show that A4 can bypass AdGraph about 60% of the time, which surpasses the state-of-the-art attack by a significant margin of 84.3%; in addition, changes to the visual layout of the web page due to these perturbations are imperceptible. We envision the algorithmic framework proposed in A4 is also promising in improving adversarial attacks against other learning-based web applications with similar requirements.
• Abstract（参考訳）: オンライン広告パブリッシャーによる、従来の広告ブロッカーを回避して利益を得る努力は、実証的に成功した。 その結果、最近、手動でキュレートしたルールではなく機械学習を適用する一連の広告ブロッカーが出現し、facebookのようなソーシャルメディアサイトを含むウェブサイトの広告をブロックするのにより堅牢であることが示されている。 その中でもAdGraphは、おそらく最先端の学習ベースのアドブロッカーだ。 本稿では,AdGraphを回避するために,敵対的な広告サンプルをインテリジェントに作成するツールであるA4を開発する。 制限を受けないと見なされる画像やビデオに対する敵対的なサンプルに関する一般的な研究とは異なり、a4が生成するサンプルは、webページのアプリケーションのセマンティクスを保存したり、実行可能である。 いくつかの実験を通じて、a4はadgraphを約60%バイパスすることができ、これは最先端の攻撃を84.3%というかなりのマージンで上回り、またこれらの摂動によるwebページのビジュアルレイアウトの変更は不可避であることを示している。 a4で提案されたアルゴリズムフレームワークは、同様の要件を持つ他の学習ベースのwebアプリケーションに対する敵意攻撃を改善することにも有望であると考えています。

関連論文リスト

• From Blocking to Breaking: Evaluating the Impact of Adblockers on Web Usability [14.498659516878718]
  自動ツールを用いて,ライブサイト上での広告ブロックによるWeb破壊の程度を評価することを目的としている。 この研究は、Webの破壊をリアルタイムで測定する際の課題と限界についても概説している。
  論文  参考訳（メタデータ） (2024-10-30T23:25:07Z)
• Accessibility Issues in Ad-Driven Web Applications [3.9531869396416344]
  サードパーティーの広告(広告)は、無料ウェブサービスにとって重要な収入源であるが、アクセシビリティーの課題も導入している。 我々は、ウェブサイト上の広告のアクセシビリティを理解するために、約100Kの広告要素を含む430Kのウェブサイト要素について、初めて大規模な調査を行った。
  論文  参考訳（メタデータ） (2024-09-27T09:50:06Z)
• Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
  求人広告における新たな差別手段の出現状況について検討する。 ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。 私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
  論文  参考訳（メタデータ） (2023-06-13T03:43:58Z)
• IDEA: Invariant Defense for Graph Adversarial Robustness [60.0126873387533]
  敵攻撃に対する不変因果判定法(IDEA)を提案する。 我々は,情報理論の観点から,ノードと構造に基づく分散目標を導出する。 実験によると、IDEAは5つのデータセットすべてに対する5つの攻撃に対して、最先端の防御性能を達成している。
  論文  参考訳（メタデータ） (2023-05-25T07:16:00Z)
• An Adversarial Attack Analysis on Malicious Advertisement URL Detection Framework [22.259444589459513]
  悪意のある広告URLは、サイバー攻撃の源泉であるため、セキュリティ上のリスクをもたらす。 既存の悪意のあるURL検出技術は制限されており、見えない機能やテストデータの一般化を扱うことができる。 本研究では,新しい語彙・ウェブスクラップ機能群を抽出し,機械学習技術を用いて不正広告URL検出システムを構築する。
  論文  参考訳（メタデータ） (2022-04-27T20:06:22Z)
• Adversarial machine learning for protecting against online manipulation [1.3190581566723918]
  逆の例は、そのシステムから誤った出力をもたらす機械学習システムへの入力である。 ここでは、より強力な学習モデルを構築するための強力なツールとして、どのように利益を生かすことができるかを概説する。
  論文  参考訳（メタデータ） (2021-11-23T17:42:45Z)
• Auditing for Discrimination in Algorithms Delivering Job Ads [70.02478301291264]
  我々は,求人広告配信における識別アルゴリズムのブラックボックス監査のための新しい手法を開発した。 最初のコントリビューションは、性別や人種などの保護されたカテゴリーによる、広告配信における歪の区別です。 第2に,他の要因と資格の違いによって説明可能なスクリューを区別する監査手法を開発する。 第3に、提案手法を求人広告のための2つの主要なターゲット広告プラットフォーム、FacebookとLinkedInに適用する。
  論文  参考訳（メタデータ） (2021-04-09T17:38:36Z)
• MultAV: Multiplicative Adversarial Videos [71.94264837503135]
  本稿では,ビデオ認識モデルに対する新たな攻撃手法であるMultAVを提案する。 MultAVは乗算によってビデオデータに摂動を課す。 実験結果から,MultAV に対する加法攻撃に対して逆向きに訓練したモデルでは,MultAV に対するロバスト性が低いことが示された。
  論文  参考訳（メタデータ） (2020-09-17T04:34:39Z)
• Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
  悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。 悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。 また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
  論文  参考訳（メタデータ） (2020-02-10T15:04:09Z)
• Block the blocker: Studying the effects of Anti Ad-blocking [4.615921064099383]
  本稿では,世界,ドイツ,DACH地域,ニュースカテゴリーにおけるトップサイトの長さデータ収集について論じる。 また,近年のドイツにおける広告ブロック対策が,経済・法的・倫理的利用にどのような影響を及ぼすかについても検討した。
  論文  参考訳（メタデータ） (2020-01-26T10:58:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。