Fugu-MT 論文翻訳(概要): Browsing behavior exposes identities on the Web

論文の概要: Browsing behavior exposes identities on the Web

arxiv url: http://arxiv.org/abs/2312.15489v2
Date: Fri, 14 Jun 2024 10:37:18 GMT
ステータス: 処理完了
システム内更新日: 2024-06-17 19:24:01.444512
Title: Browsing behavior exposes identities on the Web
Title（参考訳）: ブラウジング行動はWeb上でアイデンティティを公開する
Authors: Marcos Oliveira, Junran Yang, Daniel Griffiths, Denis Bonnay, Juhi Kulshrestha,
Abstract要約: ウェブをナビゲートすると、オンラインのトレースがそれらを識別する指紋を生成する。我々は、データの切り離しで80%の個人を再識別できることを実証した。
参考スコア（独自算出の注目度）: 0.41942958779358674
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: How easy is it to uniquely identify a person based solely on their web browsing behavior? Here we show that when people navigate the Web, their online traces produce fingerprints that identify them. Merely the four most visited web domains are enough to identify 95% of the individuals. These digital fingerprints are stable and render high re-identifiability. We demonstrate that we can re-identify 80% of the individuals in separate time slices of data. Such a privacy threat persists even with limited information about individuals' browsing behavior, reinforcing existing concerns around online privacy.
Abstract（参考訳）: ウェブ閲覧行動のみに基づく人物の特定は,どの程度容易か? ここでは、人々がウェブをナビゲートすると、オンライントレースがそれらを識別する指紋を生成することを示す。最も訪れた4つのWebドメインは、95%の個人を特定するのに十分です。これらのデジタル指紋は安定しており、再識別性が高い。我々は、データの切り離しで80%の個人を再識別できることを実証した。このようなプライバシーの脅威は、個人のブラウジング行動に関する情報が限られていても持続し、オンラインプライバシーに関する既存の懸念を補強する。

関連論文リスト

Fingerprinting and Tracing Shadows: The Development and Impact of Browser Fingerprinting on Digital Privacy [55.2480439325792]
ブラウザのフィンガープリントは、クッキーのような従来の方法なしでオンラインでユーザーを特定し、追跡するテクニックとして成長している。本稿では, 各種指紋認証技術について概説し, 収集データのエントロピーと特異性を解析する。
論文参考訳（メタデータ） (2024-11-18T20:32:31Z)
How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
論文参考訳（メタデータ） (2024-10-09T14:51:58Z)
Identified-and-Targeted: The First Early Evidence of the Privacy-Invasive Use of Browser Fingerprinting for Online Tracking [10.98528003128308]
オンライン広告の領域におけるブラウザフィンガープリントの利用に関する懸念の高まりに対処することが不可欠である。本稿では,ブラウザのフィンガープリント設定の調整による広告の変化を特定するための新しいフレームワークFPTrace'を提案する。 FPTraceを用いて、ユーザ追跡と広告ターゲティングのためにブラウザの指紋認証が使用されているかどうかを大規模に測定する。
論文参考訳（メタデータ） (2024-09-24T01:39:16Z)
Keep your Identity Small: Privacy-preserving Client-side Fingerprinting [0.0]
デバイスフィンガープリントは、サードパーティが特定のデバイスを特定するために広く使用されるテクニックである。最も広く使われている用途の1つは、異なるウェブサイトを訪れているユーザーを特定し、ブラウジング履歴を構築することである。これは、ユーザのプライバシに脅威をもたらす、特定のタイプのWebトラッキングを構成する。プライバシ保存型クライアントサイドフィンガープリント(PCF)は,Web上でのデバイスフィンガープリントを可能にすると同時に,Webトラッキングの実行を阻害する新しい手法である。
論文参考訳（メタデータ） (2023-09-14T09:45:29Z)
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)
Uncovering Fingerprinting Networks. An Analysis of In-Browser Tracking using a Behavior-based Approach [0.0]
この論文は、インターネット上でのブラウザのフィンガープリントの現状を探求している。我々はFPNETを実装し,その動作を観察することで,大量のWebサイト上で指紋認証スクリプトを識別する。 Google、Yandex、Maxmind、Sift、FingerprintJSといった企業を追跡します。
論文参考訳（メタデータ） (2022-08-15T18:06:25Z)
RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文参考訳（メタデータ） (2022-01-13T06:30:56Z)
How we browse: Measurement and analysis of digital behavior [25.760665908194888]
参加者31名のデータを14日間連続して収集し,自己報告したブラウジングパターンについて検討した。年齢によっては活動レベルに有意な差がみられたが、人種や性別によるものではない。ユーザーはオンラインで過ごす時間をかなり過大評価しているが、オンラインで過ごす時間について比較的正確な認識を持っている。
論文参考訳（メタデータ） (2021-08-15T14:08:30Z)
Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文参考訳（メタデータ） (2020-03-15T12:45:10Z)
Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。