論文の概要: Wide-AdGraph: Detecting Ad Trackers with a Wide Dependency Chain Graph

• arxiv url: http://arxiv.org/abs/2004.14826v2
• Date: Mon, 10 May 2021 11:43:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 13:15:40.387626
• Title: Wide-AdGraph: Detecting Ad Trackers with a Wide Dependency Chain Graph
• Title（参考訳）: Wide-AdGraph: 広依存性チェーングラフによる広告トラッカの検出
• Authors: Amir Hossein Kargaran, Mohammad Sadegh Akhondzadeh, Mohammad Reza Heidarpour, Mohammad Hossein Manshaei, Kave Salamatian, Masoud Nejad Sattary
• Abstract要約: ウェブサイトはサードパーティーの広告と追跡サービスを使ってターゲット広告を配信し、訪問したユーザーに関する情報を集める。 ブロックソリューションのほとんどは、大規模なユーザコミュニティが手作業で管理するクラウドソースのフィルタリストに依存している。 本研究では,大規模なグラフを用いて異なるWebサイトを組み合わせることで,これらのフィルタリストの更新を簡単にする。
• 参考スコア（独自算出の注目度）: 0.2761244786307778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Websites use third-party ads and tracking services to deliver targeted ads and collect information about users that visit them. These services put users' privacy at risk, and that is why users' demand for blocking these services is growing. Most of the blocking solutions rely on crowd-sourced filter lists manually maintained by a large community of users. In this work, we seek to simplify the update of these filter lists by combining different websites through a large-scale graph connecting all resource requests made over a large set of sites. The features of this graph are extracted and used to train a machine learning algorithm with the aim of detecting ads and tracking resources. As our approach combines different information sources, it is more robust toward evasion techniques that use obfuscation or changing the usage patterns. We evaluate our work over the Alexa top-10K websites and find its accuracy to be 96.1% biased and 90.9% unbiased with high precision and recall. It can also block new ads and tracking services, which would necessitate being blocked by further crowd-sourced existing filter lists. Moreover, the approach followed in this paper sheds light on the ecosystem of third-party tracking and advertising.
• Abstract（参考訳）: ウェブサイトはサードパーティーの広告と追跡サービスを使ってターゲット広告を配信し、訪問したユーザーに関する情報を集める。 これらのサービスはユーザのプライバシを危険にさらす。 ブロックソリューションのほとんどは、大規模なユーザコミュニティが手作業で管理するクラウドソースのフィルタリストに依存している。 そこで本研究では,多数のサイトをまたいだリソース要求を集約する大規模グラフを用いて,異なるwebサイトを組み合わせることにより,フィルタリストの更新を簡素化する。 このグラフの特徴を抽出して、広告や追跡リソースの検出を目的とした機械学習アルゴリズムのトレーニングに使用する。 我々のアプローチは異なる情報ソースを結合するので、難読化や使用パターンの変更を使用する回避技術に対してより堅牢です。 Alexaのトップ10KWebサイト上での作業を評価し、その正確さは96.1%の偏りと90.9%の非偏りと高い精度とリコールがあることを見出した。 また、新たな広告やトラッキングサービスもブロックでき、さらにクラウドソースされた既存のフィルターリストによってブロックされる必要がある。 さらに、このアプローチは、サードパーティの追跡と広告のエコシステムに光を当てている。

関連論文リスト

• PURL: Safe and Effective Sanitization of Link Decoration [20.03929841111819]
  PURLは、Webページ実行の層間グラフ表現を利用して、リンクの装飾を安全かつ効果的に衛生化する機械学習手法である。 評価の結果,PURLは既存の対策よりも精度が高く,ウェブサイトの破損を低減できることがわかった。
  論文  参考訳（メタデータ） (2023-08-07T09:08:39Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Graph Filters for Signal Processing and Machine Learning on Graphs [83.29608206147515]
  グラフフィルタの包括的概要として、異なるフィルタリングカテゴリ、各タイプの設計戦略、異なるタイプのグラフフィルタ間のトレードオフなどを挙げる。 グラフフィルタをフィルタバンクやグラフニューラルネットワークに拡張して表現力を高める方法について論じる。 本稿の目的は、初心者と経験者の両方に統一的なフレームワークを提供することと、共通の理解を提供することです。
  論文  参考訳（メタデータ） (2022-11-16T11:56:45Z)
• 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)
• Classification of URL bitstreams using Bag of Bytes [3.2204506933585026]
  本稿では,URL文字列から特徴ベクトルを生成するための機械的手法を適用する。 従来のDL法に比べて精度が23%向上した。
  論文  参考訳（メタデータ） (2021-11-11T07:43:45Z)
• Masked LARk: Masked Learning, Aggregation and Reporting worKflow [6.484847460164177]
  多くのWeb広告データフローは、ユーザの受動的クロスサイト追跡を含む。 ほとんどのブラウザは、その後のブラウザイテレーションで3PCの削除に向かっている。 本稿では,ユーザエンゲージメント測定とモデルトレーニングの集約を目的としたMasked LARkという新しい提案を提案する。
  論文  参考訳（メタデータ） (2021-10-27T21:59:37Z)
• A machine learning approach for detecting CNAME cloaking-based tracking on the Web [2.7267622401439255]
  オンデマンドDNSルックアップAPIを使わずに,マシンクローキングに基づくトラッキングを検出するための教師付き学習ベース手法を提案する。 私たちの目標は、クローキング関連のトラッキングに関連するサイトとリクエストの両方を検出することです。 評価の結果,提案手法はよく知られた追跡フィルタよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-09-29T22:33:19Z)
• Similarity Search for Efficient Active Learning and Search of Rare Concepts [78.5475382904847]
  我々は,現在ラベル付けされている集合の近傍にラベル付けする候補プールを制限することにより,能動的学習と探索法の計算効率を向上する。 提案手法は,従来のグローバルアプローチと同じような平均精度とリコールを実現し,選択の計算コストを最大3桁まで削減し,Webスケールのアクティブラーニングを可能にした。
  論文  参考訳（メタデータ） (2020-06-30T19:46:10Z)
• Keystroke Biometrics in Response to Fake News Propagation in a Global Pandemic [77.79066811371978]
  本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。 フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
  論文  参考訳（メタデータ） (2020-05-15T17:56:11Z)
• Stealing Links from Graph Neural Networks [72.85344230133248]
  最近、ニューラルネットワークはグラフニューラルネットワーク(GNN)として知られるグラフデータに拡張された。 優れたパフォーマンスのため、GNNは医療分析、レコメンダシステム、不正検出など多くのアプリケーションを持っている。 グラフ上でトレーニングされたGNNモデルの出力からグラフを盗む最初の攻撃を提案する。
  論文  参考訳（メタデータ） (2020-05-05T13:22:35Z)
• Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
  我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。 本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-22T09:50:04Z)

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。