論文の概要: FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting
- arxiv url: http://arxiv.org/abs/2311.16940v1
- Date: Tue, 28 Nov 2023 16:43:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 17:42:29.511853
- Title: FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting
- Title（参考訳）: FP-Fed: ブラウザ指紋のプライバシ保護フェデレーション検出
- Authors: Meenatchi Sundaram Muthu Selva Annamalai and Igor Bilogrevic and
Emiliano De Cristofaro
- Abstract要約: ブラウザの指紋認証は、Web上のユーザを追跡するサードパーティ製のクッキーの、魅力的な代替手段だ。
以前の研究では、その有病率と重症度を検出するためのいくつかの手法が提案されていた。
ブラウザ指紋検出のための最初の分散システムであるFP-Fedを提案する。
- 参考スコア（独自算出の注目度）: 10.671588861099323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Browser fingerprinting often provides an attractive alternative to
third-party cookies for tracking users across the web. In fact, the increasing
restrictions on third-party cookies placed by common web browsers and recent
regulations like the GDPR may accelerate the transition. To counter browser
fingerprinting, previous work proposed several techniques to detect its
prevalence and severity. However, these rely on 1) centralized web crawls
and/or 2) computationally intensive operations to extract and process signals
(e.g., information-flow and static analysis). To address these limitations, we
present FP-Fed, the first distributed system for browser fingerprinting
detection. Using FP-Fed, users can collaboratively train on-device models based
on their real browsing patterns, without sharing their training data with a
central entity, by relying on Differentially Private Federated Learning
(DP-FL). To demonstrate its feasibility and effectiveness, we evaluate FP-Fed's
performance on a set of 18.3k popular websites with different privacy levels,
numbers of participants, and features extracted from the scripts. Our
experiments show that FP-Fed achieves reasonably high detection performance and
can perform both training and inference efficiently, on-device, by only relying
on runtime signals extracted from the execution trace, without requiring any
resource-intensive operation.
- Abstract（参考訳）: ブラウザの指紋認証は、web上のユーザを追跡するためのサードパーティのクッキーに、魅力的な代替手段を提供することが多い。
実際、一般的なWebブラウザが配置するサードパーティ製クッキーの制限が増加し、GDPRのような最近の規制によって移行が加速する可能性がある。
ブラウザのフィンガープリントに対抗するために、以前の研究は、その有病率と重症度を検出するいくつかの手法を提案した。
しかし これらは
1)集中型ウェブクローラ及び/又は
2)信号(例えば情報フローや静的解析)を抽出・処理するための計算集約的な操作。
これらの制約に対処するため、ブラウザ指紋検出のための最初の分散システムであるFP-Fedを提案する。
FP-Fedを使用することで、ディファレンシャル・プライベート・フェデレート・ラーニング(DP-FL)に頼ることで、トレーニングデータを中央エンティティと共有することなく、実際のブラウジングパターンに基づいてデバイスモデルを協調的にトレーニングすることができる。
その実現可能性と有効性を示すため、FP-Fedは、異なるプライバシレベル、参加者数、スクリプトから抽出した機能を持つ18.3kの人気のウェブサイトでパフォーマンスを評価した。
実験の結果,fp-fedは,リソース集約的な操作を必要とせず,実行トレースから抽出したランタイム信号のみを頼りに,デバイス上でトレーニングと推論の両方を効率的に行うことができることがわかった。
関連論文リスト
- Unveiling the Digital Fingerprints: Analysis of Internet attacks based on website fingerprints [0.0]
本稿では,最新の機械学習アルゴリズムを用いて,攻撃者がTorトラフィックを非匿名化できることを示す。
ネットワークパケットを11日間にわたってキャプチャし、ユーザが特定のWebページをナビゲートし、Wiresharkネットワークキャプチャツールを通じて.pcapng形式でデータを記録します。
論文 参考訳（メタデータ） (2024-09-01T18:44:40Z) - UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳（メタデータ） (2024-07-26T20:51:54Z) - Federated Face Forgery Detection Learning with Personalized Representation [63.90408023506508]
ディープジェネレータ技術は、区別がつかない高品質のフェイクビデオを制作し、深刻な社会的脅威をもたらす可能性がある。
従来の偽造検出手法は、データを直接集中的に訓練する。
本稿では,個人化表現を用いた新しいフェデレーション顔偽造検出学習を提案する。
論文 参考訳（メタデータ） (2024-06-17T02:20:30Z) - PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳（メタデータ） (2024-06-04T13:51:08Z) - PAFedFV: Personalized and Asynchronous Federated Learning for Finger Vein Recognition [12.557303829440412]
本稿では,Personalized and Asynchronous Federated Learning for Finger Vein Recognition (PAFedFV)フレームワークを提案する。
PAFedFVは、非IIDデータの不均一性を解決するために、パーソナライズされたモデルアグリゲーション法を設計する。
クライアントの待ち時間を活用するために、非同期のトレーニングモジュールを使用している。
論文 参考訳（メタデータ） (2024-04-20T02:25:46Z) - Assessing Web Fingerprinting Risk [2.144574168644798]
ブラウザー指紋(Browser fingerprints)は、クッキーが無効になってもユーザーの秘密の追跡を可能にするデバイス固有の識別子である。
これまでの研究は、指紋認証のリスクを定量化するための鍵となる指標として、情報の尺度であるエントロピーを確立してきた。
我々は,先行作業の限界に対処するブラウザのフィンガープリントについて,最初の研究を行った。
論文 参考訳（メタデータ） (2024-03-22T20:34:41Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - Differentially Private Federated Learning on Heterogeneous Data [10.431137628048356]
フェデレートラーニング(Federated Learning、FL)は、大規模分散ラーニングのパラダイムである。
i)高度に異質なユーザデータからの効率的なトレーニング、(ii)参加ユーザのプライバシ保護という2つの大きな課題に直面しています。
本稿では,差分プライバシー(DP)制約を取り入れた新しいFL手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T18:23:49Z) - 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) - Federated Test-Time Adaptive Face Presentation Attack Detection with
Dual-Phase Privacy Preservation [100.69458267888962]
顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。
法的およびプライバシー上の問題により、トレーニングデータ(実際の顔画像と偽画像)は、異なるデータソース間で直接共有することはできない。
本稿では,二相プライバシー保護フレームワークを用いたフェデレーションテスト時間適応顔提示検出を提案する。
論文 参考訳（メタデータ） (2021-10-25T02:51:05Z)
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。