論文の概要: Dumviri: Detecting Trackers and Mixed Trackers with a Breakage Detector
- arxiv url: http://arxiv.org/abs/2402.08031v2
- Date: Thu, 12 Sep 2024 12:48:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 22:12:50.431942
- 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: State-of-the-artツールは通常、障害を検出するために、ユーザレポートと開発者の努力に依存します。
本稿では,機械学習に基づく破壊検知器をトラッカー検出パイプラインに組み込むことにより,機能資源の誤識別を自動的に回避することを提案する。
Duumviriは、これまで報告されていない22のユニークなトラッカーと26のユニークな混合トラッカーを検出し、確認することを可能にする。
- 参考スコア(独自算出の注目度): 5.279873919047532
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Web tracking harms user privacy. As a result, the use of tracker detection and blocking tools is a common practice among Internet users. However, no such tool can be perfect, and thus there is a trade-off between avoiding breakage (caused by unintentionally blocking some required functionality) and neglecting to block some trackers. State-of-the-art tools usually rely on user reports and developer effort to detect breakages, which can be broadly categorized into two causes: 1) misidentifying non-trackers as trackers, and 2) blocking mixed trackers which blend tracking with functional components. We propose incorporating a machine learning-based breakage detector into the tracker detection pipeline to automatically avoid misidentification of functional resources. For both tracker detection and breakage detection, we propose using differential features that can more clearly elucidate the differences caused by blocking a request. We designed and implemented a prototype of our proposed approach, Duumviri, for non-mixed trackers. We then adopt it to automatically identify mixed trackers, drawing differential features at partial-request granularity. In the case of non-mixed trackers, evaluating Duumviri on 15K pages shows its ability to replicate the labels of human-generated filter lists, EasyPrivacy, with an accuracy of 97.44%. Through a manual analysis, we find that Duumviri can identify previously unreported trackers and its breakage detector can identify overly strict EasyPrivacy rules that cause breakage. In the case of mixed trackers, Duumviri is the first automated mixed tracker detector, and achieves a lower bound accuracy of 74.19%. Duumviri has enabled us to detect and confirm 22 previously unreported unique trackers and 26 unique mixed trackers.
- Abstract(参考訳): ウェブトラッキングはユーザーのプライバシーを害する。
その結果、トラッカー検出とブロッキングツールの使用は、インターネットユーザの間で一般的である。
しかしながら、そのようなツールは完璧ではないため、(意図せずに必要な機能をブロックしているため)破損を避けることと、トラッカーをブロックしないというトレードオフがある。
State-of-the-artツールは通常、ユーザレポートと開発者による破壊の検出に頼っている。
1)トラッカー以外のトラッカーをトラッカーとして誤識別し、
2) 機能コンポーネントとトラッカーをブレンドする混合トラッカーをブロックする。
本稿では,機械学習に基づく破壊検知器をトラッカー検出パイプラインに組み込むことにより,機能資源の誤識別を自動的に回避することを提案する。
トラッカー検出と破壊検出の両面において,要求をブロックすることによる差異をより明確に解明できる差分特徴を用いることを提案する。
非混合トラッカーのための提案手法であるDuumviriのプロトタイプを設計,実装した。
次に、混合トラッカーを自動的に識別し、部分要求粒度で差分特徴を描画する。
非混合トラッカーの場合、15KページでのDuumviriの評価は、人間の生成したフィルタリストであるEasyPrivacy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、Duumviriは未報告のトラッカーを識別でき、破壊検知器は破壊を引き起こす厳密なEasyPrivacyルールを識別できることがわかった。
混合トラッカーの場合、ドゥウムヴィリは最初の自動混合トラッカー検出器であり、74.19%の低い境界精度を達成する。
Duumviriは、これまで報告されていない22のユニークなトラッカーと26のユニークな混合トラッカーを検出し、確認することを可能にする。
関連論文リスト
- Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
マルチオブジェクトトラッキング(MOT)タスクにおいて,JDEトラッカーは優れた性能を示した。
オブジェクトの時間的情報を取得するために,クロスコリレーションを用いた新しい学習手法を提案する。
TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2024-07-19T07:48:45Z) - 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) - 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。