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: 処理完了
• 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

• 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。