Distortion Search, A Web Search Privacy Heuristic
针对搜索引擎日志与第三方信任带来的查询意图泄露问题，提出 Distortion Search，通过关键词类别排列混淆及 k-匿名点击生成失真画像，使用户端可保护搜索隐私。
2025-06-10 cs.CR
Longitudinal Adoption and Deprecation of the Privacy Sandbox Web APIs
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
通过纵向测量分析，研究隐私沙盒API在七年间的采纳与弃用情况，发现采纳有限且不均，并基于激励与风险解释结果，为下一代网络隐私提案提供建议。
2026-09-07 cs.CR
Unveiling Usability Challenges in Web Privacy Controls
本文对18,628个网站的Web隐私控制可用性进行了大规模实证分析，通过启发式评估识别出重大可用性问题，并为设计更易用、更易访问的隐私控制提出了具体建议。
2025-07-16 cs.CR
A comparison of web privacy protection techniques
Web隐私保护技术比较
2017-12-19 cs.CR cs.CY
Is Your Wallet Snitching On You? An Analysis on the Privacy Implications of Web3
该研究针对Web3被宣传为隐私性强但底层技术未考虑隐私的问题，构建测量框架分析钱包信息暴露情况，发现大量网站探测钱包安装情况、众多应用和钱包泄露钱包地址，指出Web3存在隐私威胁需优化钱包架构设计。
2023-06-13 cs.CR
Security, Privacy, and Decentralization in Web3
最近对去中心化金融（DeFi）的兴奋主要来自于对DeFi的希望，即DeFi可以成为传统金融系统的一种安全、私有、不那么集中的替代方案。然而，人们转移到DeFi网站，希望提高他们的安全性和隐私性，最终可能会减少两者，因为最近的攻击已经证明。在这项工作中，我们通过对流行的DeFi前端的安全性，隐私性和分散性进行首次Web测量来提高对DeFi的理解。我们发现，DeFi应用程序（或dapps）也面临着与网络其他部分相同的安全和隐私风险，但考虑到DeFi所涉及的资金，这些风险大大加剧。我们的研究结果表明，一个常见的跟踪器可以观察到我们分析的超过56%的网站上的用户行为，DeFi网站上的许多跟踪器可以将用户的以太坊地址与PII（例如，用户名或人口统计信息），或通过发起虚假以太坊交易来欺骗用户。最后，我们确定，尽管有相反的说法，但由于亚马逊和Cloudflare等公司运营着重要的Web基础设施，DeFi作为一个整体比以前认为的要分散得多。
2023-02-06 cs.CR
SPRESSO: A Secure, Privacy-Respecting Single Sign-On System for the Web
单点登录（SSO）系统，如OpenID和OAuth，允许网站，所谓的依赖方（RP），将用户身份验证委托给身份提供商（IdP），如Facebook或Google。这些系统非常受欢迎，因为它们为用户提供了一种方便的方式来登录RP，并将用户身份验证的大部分负担从RP转移到IdP。然而，目前的系统有一个缺点，因为它们不尊重用户的隐私：IdP知道用户在哪个RP登录。除了一个例外，即Mozilla的BrowserID系统（a.k.a. Mozilla Persona），目前的SSO系统甚至没有考虑到用户隐私。不幸的是，最近发现的利用BrowserID设计缺陷的攻击表明BrowserID也不提供用户隐私。因此，在本文中，我们提出了第一个隐私尊重单点登录系统的Web，称为SPRESSO（安全隐私尊重单点登录）。该系统易于使用，分散和平台无关。它完全基于标准的HTML5和Web功能，不使用浏览器扩展，插件或其他可执行文件。现有的单点登录系统和对这种系统的大量攻击说明安全单点登录系统的设计是非常重要的。因此，我们还进行了形式化的分析SPRESSO的表达模型的基础上，以正式证明SPRESSO享有强大的身份验证和隐私属性。
2015-08-07 cs.CR
Keep your Identity Small: Privacy-preserving Client-side Fingerprinting
本文提出隐私保护的客户端指纹识别方法PCF，通过要求网站声明指纹脚本并由用户在客户端隐私计算，限制指纹仅对特定域有效，在保留设备指纹识别功能的同时阻止网络跟踪。
2023-09-15 cs.CR
An Empirical Assessment of Security and Privacy Risks of Web based-Chatbots
基于Web的聊天机器人为网站所有者提供了增加销售额、立即响应客户以及洞察客户行为的好处。虽然基于Web的聊天机器人越来越受欢迎，但它们并没有受到安全研究人员的严格审查。所有者的利益是以用户的隐私和安全为代价的。漏洞，如跟踪cookie和第三方域，可以隐藏在聊天机器人的iFrame脚本中。本文对Alexa排名前100万的网站中的五个基于Web的聊天机器人进行了大规模分析。通过我们的爬虫工具，我们可以识别这100万个网站中存在的聊天机器人。我们发现，前100万个Alexa网站中有13，515个（1.59%）使用五个分析的聊天机器人之一。我们的分析显示，Alexa排名前30万的网站由嵌入最少数量的第三方域名的内部通信聊天机器人主导。LiveChat聊天机器人在其余网站中占据主导地位，并嵌入了第三方域名的最高样本。我们还发现，850个（6.29%）聊天机器人使用不安全的协议以纯文本传输用户的聊天。此外，一些聊天机器人严重依赖cookie进行跟踪和广告。在聊天机器人iFrames中，超过三分之二（68.92%）的已识别cookie用于广告和跟踪用户。我们的研究结果表明，尽管大多数网站都承诺隐私，安全和匿名，但数百万用户可能会在不知不觉中受到聊天机器人服务提供商的不良安全保证
2022-05-17 cs.CR
Private Web Browser Forensics: A Case Study of the Epic Privacy Browser
有组织的犯罪，以及个人罪犯，是受益于保护私人浏览器提供给那些谁会进行非法活动，如洗钱，贩毒，在线交换虐待儿童的材料，等提供给用户的保护史诗隐私浏览器说明了这些好处。该浏览器目前在全球约180个国家使用。本文概述了通过Epic隐私浏览器的实时和事后状态分析提供的证据的位置和类型。这项研究确定了浏览器在使用过程中的功能，使用后可以恢复证据的方式，以及恢复材料的工具和有效呈现。
2018-01-04 cs.CR
PrivAudit: A Dual-Lens Auditing Framework for Website Privacy Practices under the CCPA
University of California, Santa Cruz（加州大学圣克鲁兹分校）
PrivAudit提出双视角自动化审计框架，结合大语言模型分析隐私政策与浏览器测量cookie行为，对998个网站审计发现CCPA强化披露但跟踪普遍且响应有限。
2026-09-10 cs.CR
You get PADDING, everybody gets PADDING! You get privacy? Evaluating practical QUIC website fingerprinting protections for the masses
网站指纹（WF）是一个众所周知的威胁用户的网络隐私。新的互联网标准，如QUIC，包括填充以支持对WF的防御。以前的工作只分析了用户在VPN后面时防御的有效性。然而，这并不是大多数用户浏览互联网的方式。在本文中，我们提供了一个全面的评估QUIC填充为基础的防御WF当用户直接浏览网页。我们证实了以前的说法，网络层填充不能提供良好的保护，对强大的对手能够观察到所有的流量痕迹。我们进一步证明，这种填充是无效的，即使对对手的流量可见性和处理能力的限制。在应用程序层，我们表明，防御需要部署的第一和第三方，他们只能在有限的情况下阻止流量分析。我们确定部署有效WF防御的挑战，并提供解决这些挑战的建议。
2022-12-15 cs.CR
The Internet with Privacy Policies: Measuring The Web Upon Consent
为了保护用户的隐私，立法者对跟踪技术的使用进行了监管，要求在收集数据之前获得用户的同意。因此，网站开始显示越来越多的同意管理模块-即，隐私按钮--访问者必须与之互动才能访问网站内容。他们对Web测量的自动收集提出了挑战，主要是为了监视跟踪技术的广泛性，但也要在野外测量Web性能。隐私限制实际上限制爬虫观察实际的网站内容。在本文中，我们提出了一个彻底的测量活动，重点是在欧洲和美国的流行网站，访问来自世界各地不同国家的着陆和内部页面。我们设计了Priv-Accept，一个能够接受隐私政策的网络爬虫，就像大多数用户在实践中所做的那样。这让我们来比较一下网页前后的变化。我们的研究结果表明，所有的测量不处理的隐私Bouncers提供了一个非常有偏见的和部分的Web视图。在接受隐私政策后，我们观察到多达70个跟踪器的增加，这反过来又使网页加载时间减慢了2 - 3倍。
2022-09-13 cs.CR cs.NI
Blocked or Broken? Automatically Detecting When Privacy Interventions Break Websites
开发和维护众包过滤器列表的一个核心问题是，它们的维护者无法自信地预测新的过滤器列表规则是否（以及在何处）会破坏网站。这是由于Web的不可分割性，它阻止了过滤器列表作者在向数百万用户发布新的阻止规则之前广泛了解其影响。过滤器列表作者无法在发布新规则之前评估其对Web兼容性的影响，这严重降低了基于过滤器列表的内容阻止的好处：过滤器列表既过于保守（即规则被狭隘地定制以减少破坏的风险）又容易出错（即阻止工具仍然会破坏大量网站）。为了扩展到Web的大小和范围，过滤器列表作者需要一个自动化系统来检测新的过滤规则何时破坏网站，在这种破坏有机会到达最终用户之前。在这项工作中，我们设计并实现了第一个自动化系统，用于预测过滤器列表规则何时会破坏网站。我们构建了一个分类器，在EasyList项目和新型浏览器工具的兼容性数据组合生成的数据集上进行训练，并发现它准确到实用水平（AUC 0.88）。我们的开源系统在评估拟议的隐私干预的兼容性风险时不需要人工交互。我们还提出了40个页面行为，最预测破损观察网站。
2022-05-02 cs.CR
A Privacy-Preserving QoS Prediction Framework for Web Service Recommendation
基于服务质量的Web服务推荐为用户提供高质量的服务，近年来受到了广泛的关注。为了促进这样的建议，现有的研究建议使用协同过滤技术的个性化QoS预测。这些方法，通过利用部分观察到的QoS值从用户，可以实现高精度的QoS预测的未观察到的。然而，要求收集用户的QoS数据可能会使用户的隐私处于危险之中，从而使他们不愿意贡献他们的使用数据的Web服务推荐系统。因此，隐私成为一个关键的挑战，在开发实用的Web服务推荐系统。在本文中，我们第一次尝试，以应付隐私问题的Web服务推荐。具体来说，我们提出了一个简单而有效的隐私保护框架，通过应用数据混淆技术，并进一步开发两个代表性的隐私保护QoS预测方法在此框架下。一个公开的真实世界的Web服务的QoS数据集的评估结果表明，我们的隐私保护的QoS预测方法的可行性和有效性。我们相信我们的工作可以作为一个很好的起点，激发更多的研究工作的隐私保护Web服务推荐。
2015-05-02 cs.CR cs.IR
Privacy Preserving Web Query Log Publishing: A Survey on Anonymization Techniques
发布包含有研究或营销价值信息的Web查询日志可能会侵犯搜索引擎用户的隐私。因此，渲染查询日志，以限制查询链接到个人，同时保留数据的有用性进行分析，是一个重要的研究问题。本文对这一领域的最新研究进行了综述和讨论。
2012-11-10 cs.CR cs.DB
When the cookie meets the blockchain: Privacy risks of web payments via cryptocurrencies
我们展示了第三方网络跟踪器如何对加密货币用户进行去匿名化。我们提出了两种不同但互补的攻击。在大多数购物网站上，第三方跟踪器会接收有关用户购买的信息，用于广告和分析目的。我们表明，如果用户使用加密货币支付，跟踪器通常拥有足够的购买信息，可以在区块链上唯一识别交易，将其链接到用户的cookie，并进一步链接到用户的真实身份。我们的第二次攻击表明，如果跟踪器能够以这种方式将同一用户的两次购买链接到区块链，它可以识别用户在区块链上的整个地址和交易集群，即使用户使用区块链匿名技术，如CoinJoin。攻击是被动的，因此可以追溯到过去的购买。我们讨论了几种缓解措施，但没有一种是完美的。
2017-08-16 cs.CR
PriveShield: Enhancing User Privacy Using Automatic Isolated Profiles in Browsers
PriveShield通过浏览器扩展自动创建隔离配置文件，在不修改浏览器底层的情况下阻止在线跟踪，实验显示在54个真实场景中91%有效阻止重定向广告。
2025-01-03 cs.CR
Privacy at Scale: Introducing the PrivaSeer Corpus of Web Privacy Policies
本文构建了包含超百万份英语隐私政策的 PrivaSeer 语料库，设计了抓取、过滤与去重流程，并通过可读性、相似度和主题建模分析其构成，以支持隐私政策理解研究。
2024-03-30 cs.CR cs.IR
Protecting User Privacy: An Approach for Untraceable Web Browsing History and Unambiguous User Profiles
联邦通信委员会（FCC）于2017年3月下旬推翻了互联网隐私规则，允许互联网服务提供商（ISP）在未经客户同意的情况下收集，共享和出售客户的Web浏览数据。随着第三方跟踪器嵌入网页，这一新规则使用户隐私面临更多风险。用户需要自己保护自己的Web浏览历史记录不受任何潜在对手的攻击。虽然Tor、VPN和HTTPS等一些可用的解决方案可以帮助用户隐藏他们的在线活动，但它们的使用也会严重阻碍个性化的在线服务，即，降低效用。在本文中，我们设计了一个有效的Web浏览历史匿名方案，PBooster，旨在保护用户的隐私，同时保留他们的Web浏览历史的效用。所提出的模型污染用户的Web浏览历史，自动推断有多少和什么链接应该添加到历史，同时解决实用性和隐私权衡的挑战。我们进行实验，以验证质量的操纵Web浏览历史记录，并检查所提出的方法，用户隐私保护的鲁棒性。
2018-11-23 cs.CR cs.SI
What Browsers Do in the Shaders: A Measurement Study of WebGPU Privacy
International University of La Rioja（洛里奥纳国际大学）
本文提出WGPULens框架，通过受控场景、浏览器-原生共存、参与者现场研究、公共页面加载和缓解策略，测量WebGPU的隐私信号，发现管线编译状态是最清晰的隐私泄露面。
2026-06-26 cs.CR
State of Security and Privacy Practices of Top Websites in the East African Community (EAC)
技术的发展导致运营网站等数字服务的组织大规模收集和处理个人身份信息，这导致了新立法的出现，以规范组织的PII收集和处理。随后，由于最近的技术创新，几个非洲国家最近开始颁布新的数据保护条例。然而，关于向EAC公民提供内容的顶级网站的安全和隐私做法的信息很少。因此，我们分析了网站运营商在第三方跟踪、数据传输安全性、cookie信息和隐私政策方面的模式，这些模式适用于使用WebXray、OpenSSL和Alexa顶级网站API的169家EAC顶级网站运营商。我们的研究结果显示，只有75%的分析网站有隐私政策。其中，在特定网站上跟踪用户的第三方跟踪公司中，只有16%在网站的隐私政策声明中披露，这意味着用户无法知道哪些第三方在访问网站时收集了有关他们的数据。这样的隐私政策需要时间阅读并且难以理解;平均而言，大学毕业生需要理解政策，用户需要花费12分钟阅读政策。此外，EAC网站上的大多数第三方跟踪与广告有关，属于EAC以外的公司。这意味着EAC立法者需要制定适当的法律，以确保随着技术采用率的不断提高，人们的隐私得到保护。
2021-10-13 cs.CR cs.IR
PrivacyScore: Improving Privacy and Security via Crowd-Sourced Benchmarks of Websites
网站所有者会做出有意识和无意识的决定，这些决定会影响他们的用户，从而可能使他们在此过程中面临隐私和安全风险。在本文中，我们介绍了PrivacyScore，一个自动化的网站扫描门户，允许任何人对多个网站的安全和隐私功能进行基准测试。与现有项目相比，PrivacyScore中实现的检查涵盖了更广泛的潜在隐私和安全问题。此外，用户可以控制排名和分析方法。因此，PrivacyScore还可供数据保护机构用于定期执行合规性检查。从长远来看，我们希望发布的基准所带来的透明度能够激励网站所有者改进他们的网站。PrivacyScore第一版的公开发布于2017年6月的ENISA年度隐私论坛上。
2017-10-11 cs.CR cs.CY cs.SI
SoK: Evaluating Privacy and Security Concerns of Using Web Services for the Disabled Population
残疾人社区的在线隐私和安全是一个复杂的领域，对每个浏览Web服务的用户都有影响。虽然许多学科分别研究了残疾人及其在线隐私和安全问题，但两者之间的重叠非常高，但研究不足。此外，一个复杂的关系之间存在的残疾人和网络服务的互动取决于几个网络服务的发展因素，包括可用性和可访问性。为此，我们通过对63篇文章进行详细的系统性文献回顾和分析，探讨了残疾人社区通过以前的研究所感知的Web服务的隐私和安全性的交叉点。我们的研究结果涵盖了几个主题，包括残疾人如何在身份验证界面周围导航，在线隐私问题，通用设计实践，以及如何改进CAPTCHA等安全方法，使其更容易为所有需求和能力的人所访问和使用。我们进一步讨论了目前研究中的差距，包括解决方案，如普遍实施包容性的隐私和安全工具和协议。
2023-02-26 cs.CR cs.HC
Padding Ain't Enough: Assessing the Privacy Guarantees of Encrypted DNS
DNS over TLS（DoT）和DNS over HTTPS（DoH）加密DNS，通过向被动攻击者隐藏DNS解析来保护用户隐私。然而，过去的攻击表明，加密的DNS仍然对流量分析敏感。因此，RFC 8467建议在加密之前填充消息，这大大降低了加密流量的特性。在本文中，我们表明，填充单独是不足以对抗DNS流量分析。我们提出了一种新的流量分析方法，结合大小和时间信息来推断用户访问的网站纯粹基于加密和填充的DNS跟踪。为此，我们对DNS序列进行建模，以捕捉通常触发数十个DNS解析而不仅仅是单个DNS事务的网站的复杂性。一项基于Alexa前10 k网站的封闭世界评估显示，攻击者可以在80.2%的网站中对至少一半的测试跟踪进行去匿名化，甚至可以正确标记32.0%的网站的所有跟踪。我们的研究结果破坏了DoT/DoH中最先进的消息填充策略的隐私目标。我们的结论表明，成功的缓解这种攻击必须删除查询响应之间的到达时间间隔的熵。
2019-07-02 cs.CR
Crashing Privacy: An Autopsy of a Web Browser's Leaked Crash Reports
数据泄露对用户隐私造成的损害并非未知问题，但尚未在崩溃报告系统的背景下进行研究。自动崩溃报告系统（ACRS）被应用程序用来报告有关软件故障期间发生的错误的信息。虽然崩溃报告对诊断错误很有价值，但它们可能包含用户的敏感信息。在本文中，我们研究这样的隐私泄漏相对于浏览器的崩溃报告系统。作为一个案例研究，我们挖掘了一个由六年来收集的事故报告组成的数据集。我们的分析显示，存在超过20，000个会话和令牌ID，600个密码，9，000个电子邮件地址，大量的联系信息和其他敏感数据。我们的分析揭示了当前最先进的浏览器崩溃报告系统中的一个重要的安全和隐私问题。此外，我们提出了一个热修复程序，以提高用户的隐私和安全ACRS通过删除敏感数据从崩溃报告之前，提交报告到服务器。我们提出的修补程序可以很容易地集成到ACRS的当前实现中，并且在保持报告可读性的同时对修复错误的过程没有影响。
2018-08-06 cs.CR
SDN-based Runtime Security Enforcement Approach for Privacy Preservation of Dynamic Web Service Composition
针对动态Web服务组合的隐私保护问题，提出了一种基于SDN的动态Web服务组合隐私保护运行时安全实施方法。该方法的主要思想是服务组合的所有者利用安全策略模型（SPM）定义服务组合在应用平面上必须遵循的访问控制关系，然后将SPM模型转换为包含SDN数据平面信息的低层安全策略模型（RSPM），并将RSPM模型上传到SDN控制器。在上传之后，集成在SDN控制器中的虚拟机访问控制算法在运行时监控所有针对服务组合的访问请求。只有满足RSPM模型定义的接入请求才能转发到目标终端。任何不符合RSPM模型定义的访问请求将被Openflow交换机自动拦截或被SDN控制器删除，从而有效解决Web服务组合运行时的网络层非法访问、身份窃取攻击和服务泄漏等问题。为了验证该方法的可行性，本文利用POX控制器和Mininet虚拟网络仿真器实现了一个实验系统，并利用该系统对该方法的有效性和性能进行了评估。最后的实验结果表明，该方法是完全有效的，当RSPM模型规模逐渐增大时，该方法总能在可接受的时间内得到正确的计算结果。
2021-05-27 cs.CR
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 Masks We (Think We) Wear: Privacy Threats of Browser-Extension Wallets in the Web3 Ecosystem
KU Leuven（荷语鲁汶大学）
研究 Web3 生态系统中浏览器扩展钱包的隐私威胁，通过对 85 个流行钱包大规模测量，识别出五种隐私威胁，如 RPC 操作泄密、权限撤销不一致等，表明钱包行为泄露敏感信息，强调需标准化、保护隐私的钱包架构及相应缓解措施。
2026-07-08 cs.CR
Collaborative Privacy for Web Applications
实时、在线编辑的Web应用程序为协作编辑、共享和存储文件提供了免费且方便的服务。这些Web应用程序的好处不是免费的：服务提供商不仅可以完全访问用户的文件，而且还可以控制访问、传输和存储机制。因此，用户数据可能面临数据采掘、第三方拦截甚至操纵的风险。为了解决这个问题，我们提出了一个新的系统，以帮助保护隐私的用户数据在协作环境。在产生这样的系统中存在几个不同的挑战，包括开发不干扰服务所使用的后端（并且通常是专有的）控制机制的加密机制，以及识别用于混淆用户数据的透明代码挂钩。对于第一个挑战，我们开发了一个字符级加密方案，该方案对困扰经典替代密码的攻击类型更具弹性。对于第二个挑战，我们设计了一个浏览器扩展，它有力地证明了我们的方法的可行性，并展示了Google Chrome和广泛使用的Google Chrome平台的具体实现。我们的示例明确地演示了具有共享密钥的多个用户如何协作和透明地编辑Google XML文档，而不会直接向Google泄露明文。
2019-11-17 cs.CR
By the user, for the user: A user-centric approach to quantifying the privacy of websites
第三方跟踪在几乎所有商业运营的网站上都很常见。先前的工作已经详细研究了第三方跟踪在网络上的程度，第三方跟踪器的检测以及防御第三方跟踪。现有的研究和工具也试图告知网络用户跟踪器及其隐私侵犯的程度。然而，现有的工具没有考虑到用户对网络上跟踪器的程度的感知和理解。考虑到这些因素对于这些工具的可用性非常重要，这样用户就可以在合理和必要的程度上意识到并保护自己，这与他们对跟踪器的整体舒适度相一致。在本文中，我们通过对43名用户的在线调查，得出用户对不同网站上不同跟踪器的看法和偏好。我们使用这些数据来引导隐私评分系统。该评分系统根据所访问的网站类型，对跟踪器的使用情况和页面内用户数据向第三方的分散情况进行加权。我们的工作提出了一个概念验证的方法和工具来计算一个以用户为中心的隐私评分与初步引导用户数据。最后，我们提出了具体的未来方向。
2019-11-15 cs.CR cs.CY
Web Privacy based on Contextual Integrity: Measuring the Collapse of Online Contexts
本研究将情境完整性理论操作化，通过爬取七个情境下700个热门网站并构建网络图，系统测量了第三方Cookie和JS指纹识别导致的持久用户识别在在线情境内外的扩散，揭示了网络追踪造成的情境崩溃，为浏览器存储容器构建提供依据，开创了情境化网络隐私研究新途径。
2025-02-27 cs.CR cs.CY cs.HC
WebSP-Eval: Evaluating Web Agents on Website Security and Privacy Tasks
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
提出WebSP-Eval框架，通过200个任务实例和自动化评估器，测试多模态大模型在网站安全与隐私任务上的表现，发现状态UI元素（如开关）导致超过45%的任务失败。
2026-06-18 cs.AI cs.CR cs.LG
Web3.0 Security: Privacy Enhancing and Anonym Auditing in Blockchain-based Structures
针对区块链驱动的Web 3.0数据安全与隐私问题，本文提出融合隐私增强技术和Tor匿名审计的运行时安全协议与框架，并通过与现有方法评估比较验证其价值。
2023-07-24 cs.CR cs.DC
The Rise and Fall of Google's Privacy Sandbox
Politecnico di Torino（都灵理工大学）；University of Trieste（的里雅斯特大学）
本文首次纵向测量谷歌隐私沙盒API在Web上的部署，发现采用率停滞，多数API使用率低且持续下降，仅CHIPS例外，揭示隐私保护兴趣广告的挑战仍未解决。
2026-08-05 cs.CR
Analyzing the BrowserID SSO System with Primary Identity Providers Using an Expressive Model of the Web
BrowserID是Mozilla最近开发的一个复杂的、真实的Web应用程序单点登录（SSO）系统。它采用新的HTML5功能（如Web消息和Web存储）和加密断言来提供分散的登录，旨在尊重用户的隐私。它可以在主要和次要身份提供者模式下操作。在主模式下，BrowserID与任意身份提供程序（IdP）一起运行，而在辅助模式下，只有一个IdP，即Mozilla的默认IdP。最近，我们提出了一个表达的通用模型的Web基础设施，并在此Web模型的基础上，分析了二级身份验证模式的BrowserID的安全性。分析揭示了几个严重的弱点。在本文中，我们通过分析BrowserID的更复杂的主IdP模式来补充我们之前的工作。我们不仅像以前一样研究认证属性，而且还研究隐私属性。在我们的分析过程中，我们发现了不适用于二级模式的新的和实际的攻击：身份注入攻击，它违反了SSO系统的中央身份验证属性，以及破坏BrowserID的重要隐私承诺的攻击，如果不对系统进行重大重新设计，这些攻击似乎是不可修复的。我们对隐私的一些攻击利用了浏览器侧通道，到目前为止还没有得到很多关注。对于身份验证错误，我们提出了一个修复方案，并在我们的通用Web模型的轻微扩展中正式证明，修复后的系统满足我们考虑的所有要求。这构成了迄今为止基于Web基础设施的表达模型的Web应用程序的最复杂的形式化分析。作为另一个贡献，我们确定并证明了重要的安…
2015-04-01 cs.CR
Control What You Include! Server-Side Protection against Third Party Web Tracking
第三方跟踪是指第三方在用户浏览网页时识别用户在不同网站上的行为。最近的研究表明，90%的网站包含第三方内容，这些内容在整个网络上跟踪其用户。网站开发人员通常需要包含第三方内容以提供基本功能。然而，当开发人员包含第三方内容时，她无法知道第三方是否包含跟踪机制。如果一个网站开发者想要保护她的用户不被跟踪，唯一的解决方案就是排除任何第三方内容，从而以功能换取隐私。我们描述并实现了一个保护隐私的Web架构，使网站开发人员能够控制第三方跟踪：开发人员能够包括功能上有用的第三方内容，同时确保最终用户不被第三方跟踪。
2017-03-22 cs.CR
Big Bird: Resilient Privacy Budgeting Across Untrusted Web Domains
Columbia University（哥伦比亚大学）；Meta Platforms, Inc.（Meta平台公司）；University of British Columbia（不列颠哥伦比亚大学）
Big Bird通过全局设备-时间周期差分隐私机制，解决多请求者系统中隐私预算耗尽问题，确保隐私保护与实用性的平衡。
2026-09-15 cs.CR
WebFed: Cross-platform Federated Learning Framework Based on Web Browser with Local Differential Privacy
The University of Aizu（会津大学）；Sun Yat-sen University（中山大学）
对于数据孤岛和隐私问题，联邦学习引起了广泛的兴趣，因为它允许客户使用本地数据协作训练全球模型，而无需与第三方共享任何数据。然而，现有的联邦学习框架总是需要复杂的条件配置（例如，独立图形卡（如NVIDIA、编译环境）驱动程序配置复杂，给大规模开发和部署带来诸多不便。为了促进联邦学习的部署和相关应用的实现，我们创新性地提出了WebFed，一种新颖的基于浏览器的联邦学习框架，它利用浏览器的特性（例如，跨平台、JavaScript编程特性），并通过本地差分隐私机制增强隐私保护。最后，我们在异构设备上进行实验，以评估所提出的WebFed框架的性能。
2021-10-22 cs.AI cs.CR cs.DC
POSTER: Privacy-preserving Indoor Localization
即将到来的基于WiFi的室内定位系统面临着隐私利益的冲突：服务器端定位侵犯了用户的位置隐私，而用户设备上的定位迫使定位提供商披露系统的细节，例如，复杂的分类模型。我们展示了如何安全的两方计算可以用来调和隐私利益在一个国家的最先进的本地化系统。我们的方法为所有相关方提供了强有力的隐私保证，同时以合理的开销实现房间级定位精度。
2014-10-13 cs.CR
TrackMeNot: Enhancing the privacy of Web Search
大多数搜索引擎可以潜在地基于用户的搜索查询历史来推断用户的偏好和兴趣。虽然搜索引擎可以将这些推断用于各种任务，包括定向广告，但这些任务确实对用户隐私构成严重威胁。2006年，在AOL披露了65万用户的搜索查询后，TrackMeNot作为一个简单的浏览器扩展发布，试图在查询云中隐藏用户的搜索偏好。TrackMeNot的第一个版本，虽然在过去三年中被广泛使用，但在设计上相当简单，并且没有提供任何强有力的隐私保证。在本文中，我们提出了新的设计和实现的TrackMeNot，它解决了许多限制的第一个版本。TrackMeNot解决了两个基本问题。首先，使用用于表征搜索查询的模型，TrackMeNot提供了用于从搜索引擎混淆用户的搜索偏好的机制。其次，TrackMeNot防止泄漏的信息揭示使用混淆的搜索引擎通过几个潜在的侧渠道，在现有的浏览器，如点击，cookie等。最后，我们表明，TrackMeNot不能被检测到当前的搜索机器人检测机制，并证明了TrackMeNot的有效性，通过测试其效率在一个主要的搜索引擎混淆用户的利益。
2011-09-22 cs.CR
Domain Name Encryption Is Not Enough: Privacy Leakage via IP-based Website Fingerprinting
虽然域名加密技术（如DNS over TLS（DoT）、DNS over HTTPS（DoH）和加密客户端Hello（ECH））的安全优势是显而易见的，但它们对用户隐私的积极影响却被仍然暴露的IP地址信息所削弱。然而，内容分发网络、基于DNS的负载均衡、不同网站在同一服务器上的共同托管以及IP地址流失都导致域-IP映射不稳定，并阻止直接的基于IP的浏览跟踪。在本文中，我们表明，这种不稳定性是不是一个障碍（假设一个通用的DoT/DoH和ECH部署），通过引入基于IP的网站指纹技术，允许网络级的观察员，以确定在规模的网站用户访问。我们的技术利用了大多数网站的复杂结构，这些网站除了主要的网站之外，还从多个域加载资源。使用超过20万个网站的指纹，我们可以成功地识别84%的网站。对于热门网站，准确率提高到92%，对于热门和敏感网站，准确率提高到95%。我们还评估了生成的指纹随着时间的推移的鲁棒性，并证明它们在两个月后仍然可以有效地成功识别约70%的测试网站。最后，我们讨论了网站所有者和托管服务提供商的策略，以阻止基于IP的网站指纹识别，并最大限度地提高DoT/DoH和ECH提供的隐私优势。
2021-06-16 cs.CR cs.NI
Mobile Apps vs. Web Browsers: A User Perception Study with Android Apps and Google Chrome
Ariel University（阿里埃勒大学）
该研究针对安卓智能手机用户，结合实验与调查，探究用户在安全、隐私、可用性方面对移动应用与网页浏览器的感知，为开发者优化两类平台提供参考。
2026-08-17 cs.CR
MyTrackingChoices: Pacifying the Ad-Block War by Enforcing User Privacy Preferences
网络上的免费内容和服务通常由广告支持。然而，随着侵入性和侵犯隐私的广告的激增，很大一部分用户已经开始使用广告拦截器。由于现有的广告拦截器是激进的（他们阻止所有的广告），并没有考虑到他们的经济影响，基于广告的网络经济模式今天处于危险之中。在本文中，我们针对隐私敏感的用户，并为他们提供细粒度的控制跟踪。我们的工作假设是，某些类别的网页（例如，与健康，宗教等）对用户的隐私比其他人（教育，科学等）更敏感。因此，我们提出的方法包括为用户提供一个选项，以指定对他们隐私敏感的网页类别，并阻止仅存在于此类网页上的跟踪器。由于通过阻止第三方域名的网络连接来阻止跟踪，因此我们不仅可以避免跟踪，还可以避免第三方广告。由于用户将继续在属于非敏感类别的网页上接收广告，我们的方法基本上提供了隐私和经济之间的权衡。为了测试我们的解决方案的可行性，我们将其实现为Google Chrome扩展程序，名为MyTrackingChoices（可在Chrome Web Store上获得）。我们对MyTrackingChoices的真实实验表明，隐私敏感用户所施加的广告拦截的经济影响可以显着降低。
2016-04-15 cs.CR cs.CY
Privacy Implications of Health Information Seeking on the Web
这篇文章探讨了访问健康相关网页的人的隐私风险。所分析的页面数量来自1，986种常见疾病的50个顶级搜索结果。这总共产生了80，124个唯一页面，分析了第三方HTTP请求的存在。91%的网页被发现向第三方发出请求。对URI的调查显示，70%的HTTP Referer字符串包含暴露特定条件、治疗和疾病的信息。这给用户带来了个人身份识别和盲目歧视的风险。对现有政府和公司政策的审查表明，用户没有得到充分保护，无法防范此类风险。
2015-03-06 cs.CR cs.CY
Identity Management issues in Cloud Computing
云计算为用户提供低成本的按需服务，无所不在的网络，大存储容量由于这些特点，云计算的Web应用正在向云迁移，由于这种Web应用的迁移，云计算平台提出了许多问题，如隐私，安全等。隐私问题是云计算主要关注的问题。隐私保护是保护云用户的敏感信息，其主要问题是未经授权的二次使用、用户控制缺失、责任不清。为了处理这些隐私问题，使用了身份管理方法。本文讨论了隐私问题和不同类型的身份管理技术，用于保护隐私。
2014-06-03 cs.CR
A Common Pool of Privacy Problems: Legal and Technical Lessons from a Large-Scale Web-Scraped Machine Learning Dataset
University of Washington Paul G. Allen School of Computer Science & Engineering（华盛顿大学保罗·G·艾伦计算机科学与工程学院）；University of Washington School of Law（华盛顿大学法学院）；Carnegie Mellon University Carnegie Bosch Institute（卡内基梅隆大学卡内基博世研究所）；Georgetown University Department of Computer Science（乔治城大学计算机科学系）；Amazon AWS AI/ML（亚马逊AWS人工智能与机器学习部门）
研究探讨大规模网络爬取数据集中的隐私问题，发现即使经过清洗仍存在个人身份信息，指出法律和数据保护法下的风险，并呼吁重新定义'公开可用'信息以限制AI发展。
2026-04-06 cs.CR cs.CY
To Extend or not to Extend: on the Uniqueness of Browser Extensions and Web Logins
最近的工作表明，网站可以检测用户安装的浏览器扩展和他们登录的网站。这会带来很大的隐私风险，因为反映用户行为的扩展名和Web登录名可用于在Web上唯一标识用户。本文报告了第一个大规模的行为独特性研究，基于16,393名访问我们网站的用户。我们测试并检测了16，743个Chrome扩展程序，占所有免费Chrome扩展程序的28%。我们还检测用户是否连接到60个不同的网站。我们根据用户的行为分析了用户的独特性，并发现54.86%安装了至少一个可检测扩展的用户是独特的; 19.53%的用户在登录到一个或多个可检测网站的用户中是独特的; 89.23%的用户至少有一个扩展和一个登录。我们使用先进的指纹识别算法，并表明，它是可能的，以确定用户在不到625毫秒的选择最独特的组合扩展。由于隐私扩展有助于用户的独特性，我们研究了这些扩展所阻止的跟踪器的数量和这些扩展的用户的独特性之间的权衡。我们发现隐私扩展应该被认为是有益的而不是有害的。文章最后提出了可能的对策。
2018-08-22 cs.CR
Browsing without Third-Party Cookies: What Do You See?
本研究通过测量前10,000个网站，发现禁用第三方Cookie对网页外观无实质影响，验证了无Cookie浏览可在保护隐私的同时不损害用户体验。
2024-10-14 cs.CR
Developers Insight On Manifest v3 Privacy and Security Webextensions
本文通过定性结构化研究分析 Chrome 向 Manifest v3 过渡对 Web 扩展开发的影响，发现多数开发者担忧关键 API 缺失和功能受限，并总结了不同扩展类型在迁移中的差异化挑战与需求。
2025-07-18 cs.CR cs.CY
Private Web Search with an Expected Constant Round
网络搜索正在成为一项重要的活动，因为它通常是最有效和最方便的方式找到信息。然而，Web搜索可能对用户的隐私构成威胁，因为查询可能会泄露关于用户的敏感信息。私有网络搜索（PWS）解决方案允许用户在互联网上查找信息，同时保护他们的隐私。在这里，隐私意味着保持通信用户身份的机密性。根据其底层技术，现有的PWS解决方案可以分为三种类型：基于代理的解决方案，基于混淆的解决方案和基于加密的解决方案。其中，基于密码的PWS（CB-PWS）系统特别有趣，因为它们在密码学意义上提供了强大的隐私保证。在本文中，我们提出了一个轮效率的CB-PWS协议，保持计算效率相比，其他已知的CB-PWS系统。假设一个广播信道，我们的协议是一个\emph{four-round}加密方案，需要$O(n)$通信复杂性。然而，如果只有点对点的互动是可用的，与用户模拟的广播信道，我们的协议需要一个预期的$O(1)$轮复杂度和相同的计算和通信开销。进一步分析我们的协议的效率表明，我们的建议只需要$3n$模幂为$n$用户。为了评估我们的协议的安全性，我们证明了我们的建设是安全的半诚实的模型。然后，我们讨论如何增强其安全性，使其在恶意对手的存在下是安全的。我们提供了一个特定的协议来管理用户组，这也是现有系统的一个优势。
2016-04-11 cs.CR
Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications
本文提出FedWeb，一种针对Web 3.0频繁模式挖掘的联邦分析设计，基于分布式差分隐私和候选过滤方案，在保证结果正确性的同时显著减少参与数据所有者数量并提升数据效用。
2024-02-15 cs.CR cs.DC
TeleGapper: On the (un)reliability of Privacy Policies in Telegram Mini apps
IMT School for Advanced Studies Lucca（卢卡高等研究学院）；University of Verona（维罗纳大学）；University of Genova（热那亚大学）
本研究提出黑盒动态分析框架TeleGapper，评估278个Telegram小程序的隐私状况，发现多数小程序依赖默认隐私政策，超半数联系未披露第三方，无同意或退出机制，存在显著隐私合规与透明度问题。
2026-08-14 cs.CR
Every Keystroke You Make: A Tech-Law Measurement and Analysis of Event Listeners for Wiretapping
本文通过科技-法律分析将美国窃听法律映射到网络追踪，并测量发现38.52%的网站安装第三方事件监听器拦截按键、至少3.18%的网站将拦截信息传输至第三方服务器，为隐私执法提供技术证据。
2025-08-27 cs.CR
