論文の概要: Dumviri: Detecting Trackers and Mixed Trackers with a Breakage Detector
- arxiv url: http://arxiv.org/abs/2402.08031v1
- Date: Mon, 12 Feb 2024 19:57:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 11:19:24.156444
- Title: Dumviri: Detecting Trackers and Mixed Trackers with a Breakage Detector
- Title(参考訳): Dumviri: 故障検知器によるトラッカーと混合トラッカーの検出
- Authors: He Shuang, Lianying Zhao, David Lie,
- Abstract要約: Dumviriには、リソースを誤ってブロックしたWebページの破損を自動的に検出できる破壊検知器が組み込まれている。
我々はDumviriが97.44%の精度で人為的なフィルタリストのラベルを複製できることを示した。
これまでに報告されていない22のユニークなトラッカーと26の混合トラッカーを確認した。
- 参考スコア(独自算出の注目度): 5.279873919047532
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Previous automatic tracker detection work lacks features to recognize web page breakage and often resort to manual analysis to assess the breakage caused by blocking trackers. We introduce Dumviri, which incorporates a breakage detector that can automatically detect web page breakage caused by erroneously blocking a resource that is needed by the page to function properly. This addition allows Dumviri to prevent functional resources from being misclassified as trackers and increases overall detection accuracy. We designed Dumviri to take differential features. We further find that these features are agnostic to analysis granularity and enable Dumviri to predict tracking resources at the request field granularity, allowing Dumviri to handle some mixed trackers. Evaluating Dumviri on 15K pages shows its ability to replicate the labels of human-generated filter lists with an accuracy of 97.44%. Through a manual analysis, we found that Dumviri identified previously unreported trackers and its breakage detector can identify rules that cause web page breakage in commonly used filter lists like EasyPrivacy. In the case of mixed trackers, Dumviri, being the first automated mixed tracker detector, achieves a 79.09% accuracy. We have confirmed 22 previously unreported unique trackers and 26 unique mixed trackers. We promptly reported these findings to privacy developers, and we will publish our filter lists in uBlock Origin's extended syntax.
- Abstract(参考訳): 以前の自動トラッカー検出作業では、Webページの破壊を認識する機能が欠如しており、しばしばブロッキングトラッカーによる破壊を評価するために手動の分析に頼っている。
我々はDumviriを紹介した。Dumviriは、ページが適切に機能するために必要とするリソースを誤ってブロックすることによるWebページの破損を自動的に検出できる破壊検知器を備えている。
この追加により、Dumviriは機能リソースがトラッカーとして誤って分類されるのを防ぎ、全体的な検出精度を高めることができる。
私たちはDumviriを差分機能として設計しました。
さらに、これらの特徴は粒度を解析できないこと、Dumviriがリクエストフィールドの粒度でトラッキングリソースを予測できること、Dumviriが混在するトラッカーを処理できること、などが分かる。
15KページでDumviriを評価することは、人間の生成したフィルタリストのラベルを97.44%の精度で複製する能力を示している。
手動で分析した結果、Dumviriは未報告のトラッカーを特定し、その破壊検知器は、EasyPrivacyのような一般的なフィルタリストでWebページの破損の原因となるルールを特定できることがわかった。
混合トラッカーの場合、ダンヴィリは最初の自動混合トラッカー検出器であり、79.09%の精度を達成している。
これまでに報告されていない22のユニークなトラッカーと26の混合トラッカーを確認した。
我々は、これらの発見をすぐにプライバシー開発者に報告し、uBlock Originの拡張構文でフィルタリストを公開する。
関連論文リスト
- SINBAD: Saliency-informed detection of breakage caused by ad blocking [7.384101553309326]
フィルタリストのメンテナは、自動破損検出ツールの恩恵を受けることができる。
SINBADは自動破壊検知器で、最先端の精度を20%向上させる。
論文 参考訳(メタデータ) (2024-05-08T16:35:06Z) - The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge
Detector [70.43599299422813]
既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。
多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。
UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-03-21T13:14:36Z) - Did You Train on My Dataset? Towards Public Dataset Protection with
Clean-Label Backdoor Watermarking [54.40184736491652]
本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。
データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。
この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
論文 参考訳(メタデータ) (2023-03-20T21:54:30Z) - Can AI-Generated Text be Reliably Detected? [54.670136179857344]
LLMの規制されていない使用は、盗作、偽ニュースの生成、スパムなど、悪意のある結果をもたらす可能性がある。
最近の研究は、生成されたテキスト出力に存在する特定のモデルシグネチャを使用するか、透かし技術を適用してこの問題に対処しようとしている。
本稿では,これらの検出器は実用シナリオにおいて信頼性が低いことを示す。
論文 参考訳(メタデータ) (2023-03-17T17:53:19Z) - Detection-aware multi-object tracking evaluation [1.7880586070278561]
本研究では,異なる検出器を用いたトラッカー評価を行うため,TEM(Tracking Effort Measure)と呼ばれる新しい性能指標を提案する。
TEMは、入力検出に対する相関を小さくして、トラッカーによってなされた労力を定量化することができる。
論文 参考訳(メタデータ) (2022-12-16T15:35:34Z) - Transformers for Multi-Object Tracking on Point Clouds [9.287964414592826]
TransMOTは、新しいトランスフォーマーベースのトレーニング可能なオンライントラッカーで、ポイントクラウドデータのための検出器である。
このモデルはクロス・アンド・セルフ・アテンション・メカニズムを利用しており、自動車のコンテキストにおけるライダーデータに適用可能である。
提案したモデルは、Kalmanフィルタベースのトラッキングベースラインよりも優れている。
論文 参考訳(メタデータ) (2022-05-31T12:20:54Z) - Detection Recovery in Online Multi-Object Tracking with Sparse Graph
Tracker [17.00871668925939]
既存の共同検出・追跡手法では、従来のトラックレットと現在の検出とを一致させるために、ペアワイズ・リレーショナルな特徴を用いる。
Sparse Graph Tracker (SGT) はより差別的な高次関係特徴を用いた新しいオンライングラフトラッカーである。
MOT16/17/20とHiEve Challengeでは、SGTはリアルタイムの推論速度で最先端のトラッカーを上回っている。
論文 参考訳(メタデータ) (2022-05-02T15:09:36Z) - Mate! Are You Really Aware? An Explainability-Guided Testing Framework
for Robustness of Malware Detectors [49.34155921877441]
マルウェア検出装置のロバスト性を示すための説明可能性誘導型およびモデルに依存しないテストフレームワークを提案する。
次に、このフレームワークを使用して、操作されたマルウェアを検出する最先端のマルウェア検知器の能力をテストする。
我々の発見は、現在のマルウェア検知器の限界と、その改善方法に光を当てた。
論文 参考訳(メタデータ) (2021-11-19T08:02:38Z) - Probabilistic Tracklet Scoring and Inpainting for Multiple Object
Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。
これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。
我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文 参考訳(メタデータ) (2020-12-03T23:59:27Z) - DMV: Visual Object Tracking via Part-level Dense Memory and Voting-based
Retrieval [61.366644088881735]
DMVと呼ばれる部分レベル高密度メモリと投票ベースの検索による新しいメモリベースのトラッカーを提案する。
また,メモリの信頼できない情報をフィルタリングする新たな投票機構を提案する。
論文 参考訳(メタデータ) (2020-03-20T10:05:30Z)
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。