Who Funds Misinformation? A Systematic Analysis of the Ad-related Profit Routines of Fake News sites
假新闻是一种古老的现象，被广泛认为与政治宣传有关，以影响公众舆论。然而，随着社交媒体的发展，它已成为网络出版商的一项有利可图的业务。尽管进行了许多研究并提出了对策，但不可靠的新闻网站在过去几年中在表现最好的新闻来源中的参与份额有所增加。遏制假新闻的影响取决于我们努力限制假新闻制造者的（经济）动机。在本文中，我们旨在提高这些确切激励措施的透明度，并探讨：谁通过付费广告支持假新闻网站的存在，无论是作为广告商还是广告销售商？谁拥有这些网站，他们还从事哪些其他网络业务？我们是第一个将假新闻收入流的审计过程系统化的公司。我们确定了在假新闻网站上做广告的公司，以及负责促进这些广告收入的中介公司。我们研究了2,400多个流行的新闻网站，发现谷歌和IndexExchange等知名广告网络与40%以上的假新闻网站有直接的广告关系。通过对114.5K个网站使用图聚类方法，我们发现拥有假新闻网站的实体也经营其他类型的网站，这表明拥有假新闻网站是更广泛的商业运作的一部分。
2023-02-17 cs.CY
A Model for Web-Intelligence Index to Evaluate the Web Intelligence Capacity of Government Web Sites of Sri Lanka
Web智能可以被认为是人工智能的一个子集。它利用网络中现有的数据来产生新的数据、知识和智慧，以支持网络用户的决策和新的预测。人工智能是计算机科学不断变化和发展的领域，它被广泛用于各种基于Web的商业应用。虽然它在发达国家的网络系统中大量使用，但没有审查斯里兰卡是否大量使用。每个斯里兰卡公民一生或多或少都要依靠公共服务，至少有三次以上：出生、结婚和死亡。因此，斯里兰卡政府向其公民提供大部分这些服务，或多或少地使用其国家门户网站。提出了一种基于关键功能权重的Web智能能力评价模型。政府网站已按建议的准则进行检查，以显示使用网络智能技术提供网站服务的潜力。结果表明，政府门户网站公开、公开地使用网络情报技术向公民提供基于网络的服务的情况并不令人满意。它还表明，在公共服务网络中缺乏使用与网络智能有关的技术，阻碍了公民和政府从这种技术参与中获得的大多数优势。
2015-11-20 cs.CY
Concept Stability for Constructing Taxonomies of Web-site Users
State University Higher School of Economics (HSE)（俄罗斯国家研究型高等经济大学）；All-Russia Institute for Scientific and Technical Information (VINITI)（全俄科学技术信息研究所）
网站的所有者通常对分析其网站的用户群感兴趣。关于这些群体的信息有助于优化网站的结构和内容。在本文中，我们使用一种基于形式概念的方法来构造用户组的分类。为了减少应用中出现的大量概念，我们引入了概念的稳定性指数，它描述了由概念范围给出的组与其他组的区别。我们分析了三个目标网站的用户组分类。
2016-11-24 cs.AI cs.CY cs.SI
Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web
Saarland University（萨尔兰大学）；IIT Bombay（印度理工学院孟买分校）；Max Planck Institute for Informatics（马克斯·普朗克 informatics 研究所）
研究发现可信网站比虚假信息网站更频繁地禁止AI爬虫，且这种差异随时间扩大，可能影响LLM训练数据和网络透明度。
2026-08-13 cs.CY
Exploring Tracer Study Service in Career Center Web Site of Indonesia Higher Education
工人的素质能力目前不符合劳动力市场的标准和劳动生产率水平低，劳动力市场与教育之间缺乏沟通，社会经济结构和全球政治影响力市场的变化，科学技术的发展非常迅速，导致进入劳动力市场的资格，能力和要求发生根本性变化。Tracer Study的结果可以被大学用来确定对学生进行的教育过程是否成功。因此，高校需要一种技术服务来支持示踪研究的优化使用。其中之一是利用一个网站促进行为追踪研究。大多数服务跟踪研究提供的信息，以大学，如毕业年份，得到一份工作等待期，第一份工资工作，第一份工作，课程的相关性工作，并遵守在大学采取的主要工作领域。职业中心网站的跟踪研究功能对网站的人气有影响，尤其是在流量和文件丰富的网站。
2013-05-12 cs.CY
DeGenTWeb: A First Look at MGT-dominant Websites
University of Southern California（南加州大学）
本文通过DeGenTWeb系统识别出大量由大语言模型生成内容的网站，发现其在Web中的普及率持续增长，但准确识别此类网站面临挑战。
2026-10-28 cs.AI cs.CY cs.IR
Global Web, Local Privacy? An International Review of Web Tracking
Carnegie Mellon University（卡内基梅隆大学）；Brown University（布朗大学）；Wesleyan University（卫斯理安大学）
研究分析了十国网站的跟踪连接，发现澳大利亚和美国（加州）的跟踪水平最高，欧盟国家访问常见顶级网站时跟踪连接较少，表明GDPR和ePrivacy指令有效减少跟踪。
2026-04-18 cs.CR cs.CY
The Effect of Native Language on Internet Usage
我们的目标是区分以下两种假设：（A）互联网将不成比例地保持英语，随着时间的推移，将导致更多的人学习英语作为第二语言，从而巩固英语作为全球语言的作用。即使以汉语和西班牙语为母语的人比以英语为母语的人多，这种结果也会占上风。(B)随着互联网的成熟，它将更准确地反映世界各地使用的母语（也许是按购买力加权），而不会促进英语成为一种全球语言。如果那些母语不是英语的人经常访问目前可用的大量英语网站，那么英语在网络上的“早期领先地位”就更有可能持续下去。在这种情况下，许多现有的网站将没有动力开发非英语版本的网站，新的网站将倾向于使用英语。因此，关键的实证问题是，母语不是英语的人是否比母语是英语的人更少使用网络或某些类型的网站。为了研究这个问题的经验，我们采用了一个独特的数据集在加拿大的个人层面上的互联网使用媒体Meetings。加拿大为研究这一问题提供了理想的环境，因为英语是两种官方语言之一。我们的初步结果表明，英语网站是不是一个障碍，以互联网使用法语魁北克。这些初步结果与因特网将促进英语成为全球语言的设想是一致的。
2001-09-06 cs.CY
Auditing the Impact of Cross-Site Web Tracking on YouTube Political and Misinformation Recommendations
New York University Abu Dhabi（纽约大学阿布扎比分校）
研究通过sock-puppet实验框架审查跨站点跟踪如何影响YouTube政治和虚假信息推荐，并评估隐私浏览器对跟踪驱动信息茧房的防护作用。
2026-03-26 cs.CY cs.SI
Tracking sex: The implications of widespread sexual data leakage and tracking on porn websites
本文探讨了色情网站的跟踪和隐私风险。我们对22,484个色情网站的分析表明，93%的网站将用户数据泄露给第三方。这些网站上的跟踪高度集中在我们确定的少数几家大公司。我们成功提取了3，856个网站的隐私政策，占总数的17%。这些政策是这样写的，一个人可能需要两年的大学教育才能理解它们。我们对样本域名的内容分析表明，44.97%的域名暴露或暗示了可能与用户相关的特定性别/性身份或兴趣。我们确定了定量结果的三个核心含义：1）与其他类型的数据相比，色情数据泄漏的独特/高风险，2）对弱势群体的特殊风险/影响，以及3）为色情网站用户提供同意的复杂性以及在这些在线性互动中需要肯定的同意。
2019-07-15 cs.CY
Detecting Fake Escrow Websites using Rich Fraud Cues and Kernel Based Methods
The University of Arizona（亚利桑那大学）
自动检测欺诈性托管网站的能力对于减轻在线拍卖欺诈非常重要。尽管对相关主题进行了研究，但虚假托管网站分类很少受到关注。在这项研究中，我们评估了各种功能和技术的有效性，用于检测虚假托管网站。我们的分析包括从网页文本，图像和链接信息中提取的一组丰富的特征。我们还提出了一个复合内核，专门用于表示虚假网站的属性，包括内容重复和结构属性。在一个测试平台上进行了实验，以评估所提出的功能、技术和内核，该测试平台包含来自410个合法和虚假托管网站的近90，000个网页。使用支持向量机算法，扩展特征集和复合核的组合在区分假站点和真实站点时达到了98%以上的准确率。结果表明，自动化的基于Web的信息系统检测假代管网站可能是可行的，并可用作认证机制。
2013-09-27 cs.CY cs.LG
Social.Wiki: A Web Held in Common
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Aarhus University（奥胡斯大学）；MIT College of Computing（麻省理工学院计算机学院）
Social.Wiki是支持公众协作创建交互式社交网站的去中心化系统，采用多元治理与细粒度安全模型，结合Graffiti基础设施，经案例研究和实际部署验证其可行性。
2026-08-25 cs.CY cs.HC cs.SI
Keeping out the Masses: Understanding the Popularity and Implications of Internet Paywalls
为制作高质量的在线内容提供资金是内容制作者面临的一个紧迫问题。最常见的融资方式是在线广告，它充斥着众所周知的性能和隐私危害，以及难以解决的主体-代理冲突：许多用户不想看到广告，从而剥夺了网站所需的资金。由于这些负面影响，付费墙成为网站越来越受欢迎的替代方案。这种向“付费访问”网络的转变可能对网络和社会产生巨大影响。付费墙不是一个信息（名义上）自由流动的系统，而是创造了一个高质量信息提供给越来越少的人的网络，让其他网络用户获得更少的信息，这可能也不太准确，质量也更低。尽管从一个“开放但开放”的网络到一个“付费墙”的网络的潜在意义，我们发现这个问题研究不足。这项工作通过测量付费墙被广泛采用的程度，什么样的网站使用付费墙以及付费墙执行的政策分布来解决我们理解中的这一差距。我们的部分发现包括：（i）付费墙的使用正在加速（每6个月增加2倍的付费墙），（ii）付费墙的采用因国家而异（例如，美国为18.75%，澳大利亚为12.69%），（iii）付费墙改变了用户与网站的互动方式（例如，较高的跳出率，较少的传入链接），（iv）每年付费墙访问的平均成本为每个站点108美元，以及（v）付费墙通常是微不足道的。最后，我们提出了一种新的，自动化系统的设计，用于检测一个网站是否使用付费墙，通过结合运行时浏览器仪表和重复的编程与网站的交互。我们打算用这个分类器来增强未来对付费墙使用和行为的纵向测量。
2020-05-07 cs.CR cs.CY cs.DL
Human dynamics revealed through Web analytics
当万维网最初被设想为促进欧洲核子研究中心（欧洲核研究中心）科学信息共享的一种方式时，很少有人能想象它在接下来的几十年里会发挥什么作用。从那时起，互联网接入的日益普及和人们与互联网互动的频率提高了使用Web更好地观察，理解和监控人类社会行为的几个方面的可能性。拥有大量频繁返回用户的网站是完成这项任务的理想选择。如果这些网站属于公司或大学，它们的使用模式可以提供有关整个人口工作习惯的信息。在这项工作中，我们分析了正确的匿名日志详细的访问历史埃默里大学的网站。埃默里大学是一所位于佐治亚州亚特兰大的中等规模大学。我们发现有趣的结构域的活动模式和研究的主要力量背后的动态的交通系统。特别是，我们表明，线性优先链接和基于优先级的排队是必不可少的成分，以了解用户浏览Web的方式。
2008-05-21 cond-mat.stat-mech cs.CY cs.HC
Remembering what we like: Toward an agent-based model of Web traffic
对总体Web流量的分析表明，PageRank并不能很好地反映人们实际上是如何浏览Web的。使用经验的流量模式产生的1000名用户在两个月的过程中，我们的特点的Web流量，不能再现的马尔可夫模型，其中的目的地是独立于过去的决定的属性。特别是，我们表明，个人用户访问的网站的多样性是更小，更广泛的分布比预测的PageRank模型，链接流量是更广泛的分布比预测，和连续访问同一网站之间的时间是不太广泛的分布比预测。为了解释这些差异，我们引入了一个更现实的导航模型，在该模型中，代理维护个人的书签列表，这些书签被用作隐形传态目标。该模型还可以考虑分支，这是由浏览器功能（如标签和后退按钮）引起的流量属性。该模型再现聚合流量模式，如网站的流行程度，同时也产生更准确的预测的多样性，链接流量和返回时间分布。这个模型第一次让我们能够捕捉到聚合流量测量的极端异质性，同时解释更狭隘的个人用户的浏览模式。
2009-01-24 cs.CY cs.HC cs.IR
Securing the Web: Analysis of HTTP Security Headers in Popular Global Websites
本文分析了 3,195 个全球流行网站的 HTTP 安全头实施情况，发现超半数网站安全等级为“F”，医疗保健网站得分最低，并建议开发者优先改进安全重定向与实施便利性。
2024-10-19 cs.CR cs.CY
A Quantitative Analysis of WCAG 2.0 Compliance For Some Indian Web Portals
门户网站已经成为一个很好的媒介，以促进以用户为中心的服务，为组织的类型，规模和域的操作。这些门户的目标是提供大量的服务，如信息传播、交易服务和客户反馈。因此，门户网站的设计是至关重要的，这样才能使广大用户群体，不论年龄组、身体能力和文化水平如何，都能利用门户网站。在本文中，我们研究了三个不同类别的印度网站，最经常访问的一个大的用户社区的WCAG 2.0的合规性。我们提供了一个定量评估的无障碍环境的不同方面，我们相信可以铺平道路，更好地设计网站的照顾固有的缺陷，在门户网站。
2017-10-24 cs.CY cs.HC
Identifying AI Web Scrapers Using Canary Tokens
Duke University（杜克大学）；University of Pittsburgh（匹兹堡大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出一种自动识别与大型语言模型相关的网络爬虫的方法，通过动态网站和信标令牌验证爬虫身份，实验表明能可靠识别多个未公开的爬虫。
2026-09-04 cs.AI cs.CR cs.CY
Simulating e-Commerce Client-Server Interaction for Capacity Planning
当代的经营方式在很大程度上依赖于电子商业/电子商务模式。电子商业网站管理的首要任务是不断保证网站服务的相关服务质量（QoS）水平，以保持潜在的电子客户满意。否则，它面临着失去电子客户和收入的巨大可能性，以及由于性能差或电子商业网站不可用而获得坏名声的巨大可能性。为了避免许多不愉快的后果，通过设计和实施电子商业网站，将始终满足电子客户的高期望，相关的性能模型，必须利用获得适当的性能指标。对当前性能的持续评估，特别是对未来需求的预测，是能力规划方法的主题。在本文中，这样的预测模型已被描述和评估，使用离散事件模拟的客户端和服务器端的过程。此外，本文还讨论了作为工作量参数的强度和质量的函数获得的性能指标。
2014-07-15 cs.CY
A machine learning approach for detecting CNAME cloaking-based tracking on the Web
已经设计了各种浏览器内隐私保护技术来保护终端用户免受第三方跟踪。在与这些反措施的军备竞赛中，跟踪提供商开发了一种名为CNAME伪装的新技术，以避免浏览器阻止第三方Cookie和请求的问题。为了检测这种跟踪技术，浏览器扩展需要按需DNS查找API。但是，此功能仅由Firefox浏览器支持。在本文中，我们提出了一个监督机器学习为基础的方法来检测CNAME伪装为基础的跟踪，而无需按需DNS查找。我们的目标是检测链接到CNAME伪装相关跟踪的网站和请求。我们抓取目标站点列表，并存储所有HTTP/HTTPS请求及其属性。然后，通过查找子域的CNAME记录，并根据已知的跟踪过滤器列表进行匹配，自动标记所有实例。在提取特征后，我们建立了一个监督分类模型来区分网站和请求相关的CNAME伪装跟踪。我们的评估表明，所提出的方法优于著名的跟踪过滤器列表：F1分数为0.790的网站和0.885的请求。通过分析特征排列重要性，证明了脚本数量和XMLHttpRequests的比例对检测站点具有区分性，URL请求的长度有助于检测请求。最后，我们通过使用2018年数据集来训练模型来分析概念漂移，并在2020年数据集上获得合理的性能，以使用基于CNAME的伪装跟踪来检测站点和请求。
2020-09-29 cs.CR cs.CY
Monopoly Power on the Web - A Preliminary Investigation of Search Engines
电子商务对传统的评估垄断做法的方法提出了挑战，这是由于电子商务的快速增长、技术的迅速变化、难以评估网站等信息产品的市场份额以及公司之间的高度互联和联盟。本文提供了一个基本框架，集成了网络和经济的角度来看，搜索引擎市场。研究结果表明：（1）尽管越来越多的搜索引擎，进入壁垒似乎很高，主要是由于指数增长的网站数量和当前的搜索技术和集体转换成本的不可扩展性;（2）旧的搜索引擎网站往往有更多的功能锁定用户。使用标准经济指标（CR 4 =58%和HHI=1163），该行业看起来接近受到反竞争行为的困扰。但基于本文构建的网络调整后的HHI，其值为870，表明没有那么值得关注。根据所有指标，它表明雅虎将是一个竞争者。其他可能的竞争者是MSN和Netscape。根据迄今为止的结果，一些搜索引擎不断增加他们的受众范围，而另一些则没有。这一趋势表明，某些搜索引擎可能会主导搜索引擎市场。我们建议对搜索引擎的覆盖性能进行研究，并将“信息搜索成本”作为搜索技术的性能指标。此外，我们建议留意任何反竞争行为（例如捆绑销售产品），以免影响竞争及减低消费者福利。将网络理论与经济学理论相结合来研究搜索引擎市场是电子商务研究的一个特别有力的方法。
2001-09-24 cs.CY
Characterizing Activity on the Deep and Dark Web
University of Southern California（南加州大学）；Georgia Institute of Technology（佐治亚理工学院）
深网和暗网（d2web）是指访问受限的网站，需要注册，身份验证或更复杂的加密协议才能访问它们。这些网站是各种非法活动的中心：交易毒品、窃取用户凭据、黑客工具，以及协调攻击和操纵活动。尽管d2web对网络犯罪很重要，但它还没有被系统地调查过。在本文中，我们研究了一个大型语料库的消息发布到80 d2web论坛在一年多的时间。我们使用LDA确定讨论的主题，并使用非参数HMM来模拟论坛主题的演变。然后，我们研究讨论的动态模式，并确定具有相似模式的论坛。我们表明，我们的方法表面隐藏的相似性在不同的论坛，可以帮助识别异常事件，在这个丰富的，异构的数据。
2019-03-01 cs.CR cs.CY cs.LG
Using Stochastic Models to Describe and Predict Social Dynamics of Web Users
社交媒体中的内容受欢迎程度分布不均，一些项目受到用户不成比例的关注。预测哪些新提交的项目将成为流行的社交媒体内容的主机和消费者都至关重要。准确和及时的预测将使主机能够通过对内容或广告投放的差异定价来最大限度地提高收入。预测还将为消费者提供一个重要的工具，用于过滤不断增长的内容。然而，由于内容质量与社交媒体网站如何选择突出内容之间的复杂相互作用，预测社交媒体中内容的受欢迎程度具有挑战性。此外，大多数社交媒体网站还选择性地呈现相似用户高度评价的内容，其相似性通过他们的行为或社交网络中的链接来暗示。虽然这些因素使得很难预测流行\emph{a priori}，我们表明，这些网站上的用户行为的随机模型，允许预测流行的基础上，早期用户对新内容的反应。通过整合网站显示内容的各种机制，这些模型改进了基于简单地从早期投票中推断的预测。使用数据从这样一个网站，新闻聚合器Digg，我们展示了如何随机模型的用户行为区分的影响，增加了知名度，由于网络的用户有兴趣的内容。我们发现了广泛的兴趣，从用户社区更普遍感兴趣的故事中识别出网络中用户主要感兴趣的故事（“利基兴趣”）。这种区分对于从用户对故事的早期反应预测故事的最终流行度很有用。
2010-10-01 cs.CY cs.SI physics.soc-ph
Exposing the Hidden Web: An Analysis of Third-Party HTTP Requests on 1 Million Websites
本文对100万个流行网站的隐私泄露机制进行了定量分析。调查结果表明，近十分之九的网站将用户数据泄露给用户可能不知道的各方;超过十分之六的网站产生第三方cookie;超过十分之八的网站将外部方的JavaScript代码加载到用户的计算机上。泄露用户数据的网站平均联系9个外部域，这表明用户可能被多个实体串联跟踪。通过追踪网络上个人浏览历史的意外泄露，可以发现少数美国公司收到了大量的用户数据。最后，在分析时，大约五分之一的网站可能容易受到已知的国家安全局间谍技术的攻击。
2015-11-02 cs.CR cs.CY
On Network Proximity in Web Applications
在本文中，我们讨论了一种方法，用于开发和部署的网站（网页），致力于对象（事件）的描述与精确划定的地理范围。本文描述了用于Web开发的上下文感知编程模型的用法。在我们的论文中，我们提出了创建移动Web应用程序的内容链接到一些预定义的地理区域的机制。这种绑定的准确性使我们能够区分同一室内空间内的各个区域。这种开发的目标领域是智能城市和零售的应用。
2015-06-07 cs.CY cs.HC cs.NI
