論文の概要: PriveShield: Enhancing User Privacy Using Automatic Isolated Profiles in Browsers

• arxiv url: http://arxiv.org/abs/2501.02091v1
• Date: Fri, 03 Jan 2025 20:29:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:05:16.231208
• Title: PriveShield: Enhancing User Privacy Using Automatic Isolated Profiles in Browsers
• Title（参考訳）: PriveShield: ブラウザの自動分離プロファイルによるユーザのプライバシ向上
• Authors: Seyed Ali Akhavani, Engin Kirda, Amin Kharraz,
• Abstract要約: PriveShieldは、情報収集サイクルを妨害する軽量なプライバシーメカニズムである。 評価の結果,これらのシナリオの91%で再ターゲティング広告を防止できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 3.9251831157293515
• License:
• Abstract: Online tracking is a widespread practice on the web with questionable ethics, security, and privacy concerns. While web tracking can offer personalized and curated content to Internet users, it operates as a sophisticated surveillance mechanism to gather extensive user information. This paper introduces PriveShield, a light-weight privacy mechanism that disrupts the information gathering cycle while offering more control to Internet users to maintain their privacy. PriveShield is implemented as a browser extension that offers an adjustable privacy feature to surf the web with multiple identities or accounts simultaneously without any changes to underlying browser code or services. When necessary, multiple factors are automatically analyzed on the client side to isolate cookies and other information that are the basis of online tracking. PriveShield creates isolated profiles for clients based on their browsing history, interactions with websites, and the amount of time they spend on specific websites. This allows the users to easily prevent unwanted browsing information from being shared with third parties and ad exchanges without the need for manual configuration. Our evaluation results from 54 real-world scenarios show that our extension is effective in preventing retargeted ads in 91% of those scenarios.
• Abstract（参考訳）: オンライントラッキングは、倫理、セキュリティ、プライバシーに関する懸念のあるWeb上で広く行われているプラクティスである。 Webトラッキングは、パーソナライズされたキュレーションされたコンテンツをインターネットユーザーに提供できるが、広範なユーザー情報を集めるための高度な監視メカニズムとして機能する。 本稿では,プライバシを維持するためにインターネット利用者により多くのコントロールを提供しながら,情報収集サイクルを妨害する軽量プライバシ機構であるPriveShieldを紹介する。 PriveShieldはブラウザ拡張機能として実装されており、ブラウザのコードやサービスを変更することなく、複数のIDやアカウントを同時にサーフィンするための、調整可能なプライバシ機能を提供する。 必要であれば、クライアント側で複数の要因を自動的に分析して、オンライントラッキングの基盤となるクッキーやその他の情報を分離する。 PriveShieldは、閲覧履歴、ウェブサイトとのやりとり、特定のウェブサイトに費やす時間に基づいて、クライアントのために独立したプロファイルを作成する。 これにより、ユーザは手動で設定することなく、望ましくないブラウジング情報がサードパーティや広告交換所と共有されることを、容易に防止できる。 実世界のシナリオ54件から評価した結果,これらのシナリオの91%において,再ターゲット広告の防止に有効であることが示唆された。

関連論文リスト

• On the Differential Privacy and Interactivity of Privacy Sandbox Reports [78.21466601986265]
  GoogleのPrivacy Sandboxイニシアチブには、プライバシ保護広告機能を実現するAPIが含まれている。 これらのAPIのプライバシを分析するための形式モデルを提供し、それらが正式なDP保証を満たすことを示す。
  論文  参考訳（メタデータ） (2024-12-22T08:22:57Z)
• Web Privacy based on Contextual Integrity: Measuring the Collapse of Online Contexts [0.0]
  我々はプライバシの理論をコンテキスト統合として運用し、Webコンテキスト内およびWebコンテキスト間の永続的なユーザ識別を測定する。 健康、金融、ニュース&メディア、LGBTQ、eコマース、アダルト、教育のWebサイトなど、トップ700のWebサイトを27日間クロールする。 この結果から,ユーザIDを異なる距離に拡散し,Webサイトをまたがる既知のトラッキング分布と対比し,クッキーIDとJSフィンガープリントによる共同作業,あるいは別の作業として実施した。
  論文  参考訳（メタデータ） (2024-12-19T23:30:29Z)
• Inference Privacy: Properties and Mechanisms [8.471466670802817]
  推論プライバシ(IP)は、推論時にユーザのデータに対して厳格なプライバシ保証を提供しながら、モデルと対話することを可能にする。 本稿では,ユーザがカスタマイズ可能な入力摂動と出力摂動という,IPを実現するための2つのメカニズムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T20:47:28Z)
• 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)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• PrivacyRestore: Privacy-Preserving Inference in Large Language Models via Privacy Removal and Restoration [18.11846784025521]
  PrivacyRestoreは、推論中のユーザの入力のプライバシを保護するためのプラグイン・アンド・プレイ方式である。 プライバシストアの有効性を評価するために、医療ドメインと法律ドメインをカバーする3つのデータセットを作成します。
  論文  参考訳（メタデータ） (2024-06-03T14:57:39Z)
• Evaluating Google's Protected Audience Protocol [7.737740676767729]
  Googleは、サードパーティのクッキーを使わずに広告ターゲティングを可能にする、Privacy Sandboxイニシアチブを提案した。 本研究は,Protected Audience提案で提案されている報告メカニズムのリンクプライバシーリスクの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-05-13T18:28:56Z)
• Characterizing Browser Fingerprinting and its Mitigations [0.0]
  この研究は、ブラウザのフィンガープリントという、トラッキング技術の1つを探求している。 ブラウザのフィンガープリントの仕組み、それがどの程度普及しているか、どんな防御効果を軽減できるか、などについて詳述する。
  論文  参考訳（メタデータ） (2023-10-12T20:31:24Z)
• 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)
• Privacy Explanations - A Means to End-User Trust [64.7066037969487]
  この問題に対処するために、説明可能性がどのように役立つかを検討しました。 私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。 我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
  論文  参考訳（メタデータ） (2022-10-18T09:30:37Z)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)

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。