论文部分内容阅读
随着现代化的不断发展,为了丰富网页内容和吸引更多用户,很多网站会在网页中嵌入第三方应用程序[1]。第三方应用程序可以美化网页,提升用户与网页的交互好感。然而也存在一部分第三方应用程序在服务网页的同时会侵犯用户的隐私信息。它们通过收集用户的浏览历史以及用户在网页中的一系列交互行为来分析用户的喜好,从而制定适合特定用户的广告。还有一些第三方应用程序试图了解用户更加私密的信息,包括怀孕生育、修复不良信贷等。为了保护用户隐私信息,研究人员和政府机构已经提出了一系列的保护措施。其中最有效的方式之一便是使用黑名单来拦截具有追踪行为的第三方应用程序。具有追踪行为的第三方应用程序通常以四种方式存在于网页中,包括web bugs、iframe、JavaScript文件和Flash文件[2,3]。Flash文件在第三方追踪中起着非常重要的作用。本篇论文开发了一个系统DFTrackerDetector,其主要对网页中的第三方Flash文件进行检测,查看其是否具有追踪行为。根据不同的行为方式和不同的目的,Flash文件会调用不同的ActionScript API。因此DFTrackerDetector以ActionScript API为特征,利用静态分析的方法对特征进行提取,最终利用机器学习算法构建分类器并自动化生成追踪者名单列表。DFTrackerDetector在测试集中具有94.73%的准确率。广告在互联网的发展过程中起着举足轻重的作用。网站会在网页中留出一定的位置展示广告并赚取一定的费用,因此用户可以在终端获得免费服务。但是由于利益的驱使,造成了一些网站对广告的滥用。一些广告会被放到非常明显的位置以至于影响用户的正常阅读,还有一些广告会追踪用户信息,造成用户隐私信息的泄露。随着用户对保护个人隐私意识的不断提高,为了获取一个干净安全的浏览环境,越来越多的广告拦截插件被安装到浏览器中。用户的这一行为严重影响了在线广告行业的商业模式,使得广告商不得不对此行为实施一系列的反击措施。一些网站参加了所谓的“可接受的广告计划”,从而该网站的广告不被广告拦截器屏蔽,可以完整的被展现在网页中。还有一些网站会在网页中部署JavaScript文件来检测用户的浏览器中是否安装了广告拦截器。检测到广告拦截器后,JavaScript文件会做出一系列的响应,一些JavaScript文件要求用户完全禁用广告拦截器或者将该网站列入白名单,还有一些JavaScript文件要求用户进行捐赠以正常浏览网页。为了应对广告商的反击,广告拦截器也正在检测和过滤反广告拦截器。为了快速生成反广告拦截器的名单列表,本文提出了一个基于机器学习的反广告拦截检测系统ABDetector。具有反广告拦截行为的JavaScript文件和没有反广告拦截行为的JavaScript文件会调用不同的JavaScript API。因此ABDetector将JavaScript API作为特征来建立分类器,不同于其它特征提取的方法,本文使用动态分析的方法来提取JavaScript文件中的特征。在测试集上ABDetector的准确率为81.46%。