論文の概要: SINBAD: Saliency-informed detection of breakage caused by ad blocking

• arxiv url: http://arxiv.org/abs/2405.05196v1
• Date: Wed, 8 May 2024 16:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-09 13:55:22.261335
• Title: SINBAD: Saliency-informed detection of breakage caused by ad blocking
• Title（参考訳）: SINBAD: 広告ブロッキングによる破損の正当性インフォームド検出
• Authors: Saiid El Hajj Chehade, Sandra Siby, Carmela Troncoso,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.384101553309326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Privacy-enhancing blocking tools based on filter-list rules tend to break legitimate functionality. Filter-list maintainers could benefit from automated breakage detection tools that allow them to proactively fix problematic rules before deploying them to millions of users. We introduce SINBAD, an automated breakage detector that improves the accuracy over the state of the art by 20%, and is the first to detect dynamic breakage and breakage caused by style-oriented filter rules. The success of SINBAD is rooted in three innovations: (1) the use of user-reported breakage issues in forums that enable the creation of a high-quality dataset for training in which only breakage that users perceive as an issue is included; (2) the use of 'web saliency' to automatically identify user-relevant regions of a website on which to prioritize automated interactions aimed at triggering breakage; and (3) the analysis of webpages via subtrees which enables fine-grained identification of problematic filter rules.
• Abstract（参考訳）: フィルタリストルールに基づくプライバシ強化ブロッキングツールは、正当な機能を損なう傾向がある。 フィルタリストのメンテナは、数百万のユーザにデプロイする前に、問題のあるルールを積極的に修正する自動破損検出ツールの恩恵を受けることができる。 SINBADは、最先端の精度を20%向上する自動破断検出装置であり、スタイル指向フィルタ規則による動的破断と破断を初めて検出する。 SINBAD の成功は,(1) 利用者が問題として認識しているような,高品質なデータセットの作成を可能にするフォーラムでのユーザ報告のブレークスルー問題の利用,(2) 破壊を誘発する自動化されたインタラクションを優先する Web サイトのユーザ関連領域を自動的に識別する 'web saliency' の使用,(3) 問題のあるフィルタルールのきめ細かい識別を可能にするサブツリーによるWebページの解析,という3つのイノベーションに根ざしている。

関連論文リスト

• Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
  オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。 ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
  論文  参考訳（メタデータ） (2026-01-20T06:42:56Z)
• BugSweeper: Function-Level Detection of Smart Contract Vulnerabilities Using Graph Neural Networks [3.9933521189187693]
  BugSweeperはエンドツーエンドのディープラーニングフレームワークで、手動のエンジニアリングなしでソースコードから直接脆弱性を検出する。 BugSweeperは、それぞれのSolidity関数をFunction-Level Abstract Syntax Graph (FLAG)として表現している。 我々の2段階グラフニューラルネットワーク(GNN)は、構文グラフからノイズをフィルタリングする一方、第2段階のGNNは、多様な脆弱性を検出するために高いレベルの推論を行う。
  論文  参考訳（メタデータ） (2025-12-10T07:30:03Z)
• Adaptive Dual-Layer Web Application Firewall (ADL-WAF) Leveraging Machine Learning for Enhanced Anomaly and Threat Detection [0.0]
  本稿では,異常検出と脅威検出の精度を高めるための適応型デュアルレイアWAFを提案する。 ADL WAFは99.88%の検出精度と100%の精度を実現し、異常検出を著しく向上させ、偽陽性を減少させる。
  論文  参考訳（メタデータ） (2025-11-16T15:24:15Z)
• SCRUTINEER: Detecting Logic-Level Usage Violations of Reusable Components in Smart Contracts [41.56019272656647]
  SCRUTINEERは、SCRの論理レベルの使用法違反を検出する自動システムである。 SCRUTINEERの精度は80.77%、リコールは82.35%、F1スコアは81.55%である。
  論文  参考訳（メタデータ） (2025-11-14T15:41:56Z)
• Character-Level Perturbations Disrupt LLM Watermarks [64.60090923837701]
  我々は,Large Language Model (LLM)ウォーターマーキングのためのシステムモデルを定式化する。 我々は、透かし検出器への限られたアクセスに制約された2つの現実的な脅威モデルの特徴付けを行う。 我々は,最も制限的な脅威モデルの下で,キャラクタレベルの摂動が透かし除去に著しく有効であることを実証した。 現実的な制約下での透かし除去における文字レベルの摂動の優位性と遺伝的アルゴリズム(GA)の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2025-09-11T02:50:07Z)
• AI Agentic Vulnerability Injection And Transformation with Optimized Reasoning [2.918225266151982]
  AVIATORはAIによる最初の脆弱性注入ワークフローである。 高忠実で多様な大規模な脆弱性データセット生成のために、現実的でカテゴリ固有の脆弱性を自動的に注入する。 セマンティック分析、LoRAベースのファインチューニングとRetrieval-Augmented Generationで強化されたインジェクション合成、静的解析とLLMベースの識別器によるインジェクション後の検証を組み合わせる。
  論文  参考訳（メタデータ） (2025-08-28T14:59:39Z)
• CyberRAG: An agentic RAG cyber attack classification and reporting tool [1.0345929832241807]
  CyberRAGは、リアルタイムで分類、説明、構造化されたサイバー攻撃の報告を提供するモジュール型のエージェントベースのフレームワークである。 従来のRAGシステムとは異なり、CyberRAGは動的制御フローと適応推論を可能にするエージェント設計を採用している。 サイバーRAGは1クラスあたり94%以上の精度で評価され、最終分類の精度は94.92%に向上した。
  論文  参考訳（メタデータ） (2025-07-03T08:32:19Z)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)
• Backdoor Cleaning without External Guidance in MLLM Fine-tuning [76.82121084745785]
  Believe Your Eyes (BYE)は、アテンションエントロピーパターンを自己教師信号として活用して、バックドアサンプルを特定してフィルタリングするデータフィルタリングフレームワークである。 クリーンタスクのパフォーマンスを維持しながら、ほぼゼロの攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2025-05-22T17:11:58Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Ownership Verification with Reasoning [58.57194301645823]
  大規模言語モデル (LLM) は、検索強化生成機構 (RAG) を通じて現実のアプリケーションに統合されつつある。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、通常、中毒攻撃を伴う。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)
• Automatically Detecting Online Deceptive Patterns in Real-time [18.62244798755693]
  デジタルインターフェースにおける認知パターン(DP)は、ユーザが意図しない決定を行い、認知バイアスや心理的脆弱性を悪用するように操作する。 我々は、機械学習技術を使用してウェブサイトの視覚的外観を分析する、自動で欺くパターン検出ツールであるAutoBotを紹介した。 私たちはAutoBotを軽量なChromeブラウザエクステンションとして実装し、すべての分析をローカルに実行し、レイテンシを最小限にし、ユーザのプライバシを保存する。
  論文  参考訳（メタデータ） (2024-11-11T23:49:02Z)
• From Blocking to Breaking: Evaluating the Impact of Adblockers on Web Usability [14.498659516878718]
  自動ツールを用いて,ライブサイト上での広告ブロックによるWeb破壊の程度を評価することを目的としている。 この研究は、Webの破壊をリアルタイムで測定する際の課題と限界についても概説している。
  論文  参考訳（メタデータ） (2024-10-30T23:25:07Z)
• FAIR: Filtering of Automatically Induced Rules [29.777290150010504]
  本稿では,多数の自動生成ルールからルールをフィルタリングするアルゴリズムを提案する。 本稿では,既存のルールフィルタリング手法と比較して,統計的に有意な結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-02-23T18:04:54Z)
• ReposVul: A Repository-Level High-Quality Vulnerability Dataset [13.90550557801464]
  自動データ収集フレームワークを提案し,ReposVulと呼ばれる最初のリポジトリレベルの高品質な脆弱性データセットを構築した。 提案するフレームワークは,主に3つのモジュールから構成されている。(1)脆弱性解消モジュールは,脆弱性修正に関連するコード変更を,大規模言語モデル (LLM) と静的解析ツールを併用した,絡み合ったパッチから識別することを目的としたもので,(2)脆弱性の相互呼び出し関係の把握を目的とした多言語依存性抽出モジュールで,リポジトリレベル,ファイルレベル,関数レベルを含む各脆弱性パッチに対して,複数の粒度情報を構築する。
  論文  参考訳（メタデータ） (2024-01-24T01:27:48Z)
• TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection [59.04634695294402]
  人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。 VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。 本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
  論文  参考訳（メタデータ） (2023-08-21T22:42:55Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• A2Log: Attentive Augmented Log Anomaly Detection [53.06341151551106]
  異常検出は、ITサービスの信頼性とサービス性にとってますます重要になる。 既存の教師なし手法は、適切な決定境界を得るために異常な例を必要とする。 我々は,異常判定と異常判定の2段階からなる教師なし異常検出手法であるA2Logを開発した。
  論文  参考訳（メタデータ） (2021-09-20T13:40:21Z)
• DoS and DDoS Mitigation Using Variational Autoencoders [15.23225419183423]
  我々は、インテリジェントなセキュリティソリューション内のコンポーネントとして機能する変分オートエンコーダの可能性を探る。 ネットワークトラフィックフローから潜在表現を学習する変分オートエンコーダの能力に基づく2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-05-14T15:38:40Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• Instance-aware, Context-focused, and Memory-efficient Weakly Supervised Object Detection [184.563345153682]
  我々は、弱教師付き学習のためのインスタンス認識とコンテキスト重視の統合フレームワークを開発する。 メモリ効率の高いシーケンシャルバッチバックプロパゲーションを考案しながら、インスタンス対応の自己学習アルゴリズムと学習可能なコンクリートドロップブロックを採用している。 提案手法はCOCO(12.1% AP$、24.8% AP_50$)、VOC 2007(54.9% AP$)、VOC 2012(52.1% AP$)の最先端結果である。
  論文  参考訳（メタデータ） (2020-04-09T17:57:09Z)

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。