Beyond Cookie Monster Amnesia: Real World Persistent Online Tracking
浏览器指纹识别是一种相对较新的唯一识别浏览器的方法，可用于跟踪Web用户。在某些方面，它比通过cookie跟踪更威胁隐私，因为用户无法直接控制它。许多作者已经考虑了各种各样的技术，可以用来指纹浏览器;然而，相对较少的信息是如何广泛的浏览器指纹，以及在现实世界中收集哪些信息来创建这些指纹。为了帮助解决这个问题，我们抓取了10，000个最受欢迎的网站;这可以深入了解使用该技术的网站数量，哪些网站正在收集指纹信息，以及正在检索的信息。我们发现，大约69%的网站可能涉及第一方或第三方浏览器指纹识别。我们进一步发现，第三方浏览器指纹识别，这是潜在的更多的隐私损害，似乎是在实践中占主导地位。我们还描述了\textit{FingerprintAlert}，一个免费的浏览器扩展，我们开发的检测，并选择性地阻止访问网站的指纹尝试。
2019-05-23 cs.CR
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
Did I delete my cookies? Cookies respawning with browser fingerprinting
在过去的十年中，有状态和无状态的Web跟踪引起了人们的广泛关注，但它们总是被分开测量。据我们所知，我们的研究是第一个用浏览器和机器指纹识别来检测和测量cookie重生的研究。我们开发了一种检测方法，使我们能够检测Cookie对浏览器和机器功能的依赖性。我们的研究结果显示，Alexa排名前30000的网站中有1,150个部署了这种跟踪机制。我们进一步揭示了域如何通过指纹识别合作重新生成cookie。我们发现，即使第三方cookie被弃用，这种技术也可以用于跨网站跟踪用户。与一位法律学者一起，我们得出结论，根据GDPR和ePrivacy指令，使用浏览器指纹识别的cookie重生缺乏法律解释，但其在实践中的使用可能会违反这些规定，从而使其面临高达2000万欧元的罚款。
2021-05-07 cs.CR
User Tracking in the Post-cookie Era: How Websites Bypass GDPR Consent to Track Users
在过去的几年里，主要是由于GDPR和CCPA，网站已经开始向用户提供Cookie同意横幅。这些横幅是网页形式，用户可以在其中陈述他们的偏好，并声明他们希望接受哪些cookie，如果存在这样的选项。虽然在存储任何可识别信息之前请求同意是尊重用户隐私的良好开端，但以前的研究表明，网站并不总是尊重用户的选择。此外，考虑到跟踪器对Cookie的依赖程度不断下降，以及浏览器供应商通过阻止或限制第三方Cookie所采取的行动，我们预计会出现无状态跟踪的世界，因为跟踪器或网站不使用Cookie，或者因为用户拒绝接受任何Cookie。在本文中，我们将探讨网站是否使用更持久和复杂的跟踪形式来跟踪那些说他们不想要Cookie的用户。这种形式的跟踪包括第一方ID泄露、ID同步和浏览器指纹识别。我们的研究结果表明，即使在用户有机会注册他们对Cookie的选择之前，网站也确实使用了这种现代形式的跟踪。雪上加霜的是，当用户选择提高声音并拒绝所有cookie时，用户跟踪只会加剧。因此，用户的选择在跟踪方面起的作用很小：我们测量到，超过75%的跟踪活动发生在用户有机会在Cookie同意横幅中进行选择之前，或者当用户选择拒绝所有Cookie时。
2022-02-10 cs.CR cs.CY
A first look into Utiq: Next-generation cookies at the ISP level
本文首次研究由 ISP 直接执行的新型用户追踪技术 Utiq，分析其特性并调研万级热门网站的采用率，发现虽受系统限制应用有限，但已有 0.7%-1.2% 的热门网站将其作为用户识别方式。
2024-05-15 cs.CR cs.NI
Least Privilege Access for Persistent Storage Mechanisms in Web Browsers
本文针对浏览器持久存储中第三方脚本权限过大的问题，提出基于标签的最小权限访问机制，并在Firefox上实现，能有效阻止未授权域的脚本访问cookie、localStorage和IndexedDB。
2024-11-23 cs.CR
Show Me Your Cookie And I Will Tell You Who You Are
随着Web应用程序的成功，我们的大部分数据现在存储在各种第三方服务器上，在那里进行处理以提供个性化服务。当然，我们必须通过身份验证才能访问这些个人信息，但仅受身份验证限制的个性化服务的使用可能会间接地悄悄泄露敏感数据。我们分析了Google Web Search访问机制，发现当前应用于会话Cookie的策略可用于检索用户的个人数据。我们描述了一个攻击方案，利用搜索个性化（基于相同的SID cookie）检索受害者的点击历史记录的一部分，甚至她的一些联系人。我们在Firefox和Chrome Web浏览器上实现了这种攻击的概念证明，并与10名志愿者进行了实验。多亏了这个原型，我们能够恢复高达80%的用户的搜索点击历史记录。
2011-08-30 cs.CR
Evaluating Google's Protected Audience Protocol
本研究针对谷歌Protected Audience协议的报告机制展开隐私风险分析，发现即便完整落地现有隐私设计，攻击者仍可通过该机制跨站关联用户请求，揭示了无Cookie广告方案的关联隐私漏洞。
2024-05-20 cs.CR
A Quantitative Information Flow Analysis of the Topics API
针对第三方cookie淘汰后的隐私问题，本文用定量信息流框架分析Google提出的Topics API的重识别风险，证实其隐私性优于第三方cookie，效用分析留待后续研究。
2023-09-26 cs.CR cs.IT math.IT
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
Whose Hands Are in the Finnish Cookie Jar?
网络cookie被广泛用于跟踪和分析用户的行为。虽然有一个坚实的经验基础，了解使用cookie在全球万维网，到目前为止，有限的注意力已经投入到特定国家和公司层面的cookie分析。为了修补文献中的这一限制，本文研究了芬兰网络中使用的持久性第三方Cookie。探索性的结果揭示了芬兰和全球网络之间的一些相似之处和有趣的差异-特别是，流行的芬兰网站大多由媒体公司拥有，这些公司与在线广告公司建立了独特的合作伙伴关系。报告的结果也可以反映在欧盟目前和未来的隐私法规。
2018-01-23 cs.CR cs.CY cs.NI
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
The Hitchhiker's Guide to Facebook Web Tracking with Invisible Pixels and Click IDs
在过去的几年里，广告公司已经使用各种跟踪方法来持续跟踪网络上的用户。此类跟踪方法通常包括第一方和第三方cookie、cookie同步以及各种指纹识别机制。Facebook最近推出了一种新的标记机制，该机制在指向其他网站的外发链接上附加一个一次性标记作为URL参数（FBCLID）。虽然这样的标签似乎没有足够的信息来持续跟踪用户，但我们证明，尽管其短暂的性质，当与FB Pixel结合时，它可以帮助持续监视用户在i）不同网站上的浏览行为，ii）每个网站上的不同操作，iii）时间，即，无论是在过去还是在未来。我们将这种对用户的在线监控称为FB网络跟踪。我们发现FB Pixel以惊人的细节跟踪网站上的广泛用户活动，特别是在GDPR下被归类为敏感类别的网站上。此外，我们还展示了FBCLID标签如何用于匹配，从而去匿名化，FB Pixel跟踪的在线用户在遥远的过去（甚至在这些用户拥有FB帐户之前）进行的活动。事实上，通过将此标签与具有滚动到期日期的cookie相结合，FB还可以跟踪用户未来的浏览活动。我们的实验结果表明，在10k个最受欢迎的网站中，有23%采用了这项技术，并且可以为网络上的活动跟踪做出贡献。此外，我们的纵向研究表明，这种类型的用户活动跟踪可以追溯到2015年。简单地说，如果用户今天第一次创建FB帐户，在某些情况下，FB可以将他们匿名收集的过去的网络浏览活动与他们新创建的FB个人资…
2023-03-28 cs.CR
From Third-Party to First-Party: Measuring and Protecting Against Modern Web Tracking Mechanisms
Stanford University（斯坦福大学）
针对追踪从第三方转向第一方（FPT）和服务器端（SST）的趋势，本文通过大规模测量发现超过54%的网站部署了相关技术，并基于脚本相似性和网络图分析揭示了以Google为主的紧密生态系统，最后提出新规则使拦截请求数比传统过滤列表增加63%。
2026-06-16 cs.CR
Pool-Party: Exploiting Browser Resource Pools as Side-Channels for Web Tracking
我们确定类隐蔽通道的浏览器，不减轻目前的防御，我们称之为“池党”的攻击。池方攻击允许站点通过操纵有限但未分区的资源池来创建隐蔽通道。这类攻击是已知的，但在这项工作中，我们表明，它们都更普遍，更实用的利用，并允许以更多的方式利用，比以前确定的。这些隐蔽通道具有足够的带宽，可以在实际和现实条件下跨站点边界传递cookie和标识符。我们在所有流行的浏览器中识别池方攻击，并表明它们是实用的跨站点跟踪技术（即，Chrome和Edge中的攻击时间为0.6秒，Firefox和Tor浏览器中的攻击时间为7秒）。在本文中，我们做了以下贡献：首先，我们描述了池方隐蔽通道攻击，利用限制在浏览器中的应用层资源池。其次，我们证明了池党的攻击是实用的，并可用于跟踪用户在所有流行的浏览器，我们还分享了开源实现的攻击，并评估他们通过一个有代表性的网络抓取。第三，我们证明了在基于Gecko的浏览器（包括Tor浏览器）中，池方攻击也可以用于跨配置文件跟踪（例如，在正常和私人浏览会话之间链接用户行为）。最后，我们讨论了可能的缓解策略和防御措施
2023-03-21 cs.CR
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
Beyond the Front Page: Measuring Third Party Dynamics in the Field
在现代Web中，服务提供商通常严重依赖第三方来运行其服务。例如，他们利用广告网络为其服务提供资金，利用外部托管的图书馆快速开发功能，利用分析提供商深入了解访问者行为。为了安全和隐私，网站所有者需要了解他们向用户提供的内容。然而，在现实中，他们往往不知道哪些第三方被嵌入，例如，当这些第三方请求额外的内容，因为它是常见的实时广告拍卖。在本文中，我们提出了一个大规模的测量研究，以分析这些新挑战的规模。为了更好地反映第三方的连通性，我们在一个称为第三方树的模型中测量了它们的关系，该模型反映了嵌入到给定网站中的所有第三方的加载依赖关系的近似值。使用这个概念，我们表明，包括一个单一的第三方可以导致随后的请求，从多达8个额外的服务。此外，我们的研究结果表明，嵌入在页面加载的第三方并不总是确定的，因为第三方树中的分支的50%在重复访问之间发生变化。此外，我们发现，93%的分析网站嵌入了位于可能不符合当前法律框架的地区的第三方。我们的研究还复制了以前的工作，主要集中在网站的着陆页。我们表明，这种方法只能测量一个下限，因为子网站显示出显着增加的隐私侵犯技术。例如，我们的结果显示，当更深入地抓取网站时，使用的Cookie增加了约36%。
2020-02-03 cs.CR
On Privacy Risks of Public WiFi Captive Portals
开放获取WiFi热点被广泛部署在许多公共场所，包括餐馆、公园、咖啡店、商场、火车、机场、酒店和图书馆。虽然这些热点提供了保持连接的有吸引力的选择，但它们也可以通过在其强制门户和登陆网站中使用跟踪器来跟踪用户活动并与第三方共享用户/设备信息。在本文中，我们提出了一个全面的隐私分析，位于加拿大蒙特利尔的67个独特的公共WiFi热点，并阐明了这些热点的网络跟踪和数据汇集行为。我们的研究揭示了通过使用社交登录（例如，Facebook和Google）和注册表单，以及许多跟踪活动的实例，有时甚至在用户接受热点的隐私和服务条款政策之前。大多数热点在其强制门户网站内使用持久的第三方跟踪Cookie;这些Cookie可用于在用户离开热点后很长一段时间内跟踪用户的浏览行为，例如，最多20年。此外，多个热点与许多第三方跟踪域明确共享（有时通过HTTP）收集的个人和唯一设备信息。
2019-07-03 cs.CR cs.CY
Characterizing Location-based Mobile Tracking in Mobile Ad Networks
如今，移动应用程序通常与第三方广告库打包在一起，以利用用户数据赚钱。
2019-03-24 cs.CR
PURL: Safe and Effective Sanitization of Link Decoration
UC Davis（加利福尼亚大学戴维斯分校）；Washington University in St. Louis（圣路易斯华盛顿大学）；Imperial College London（伦敦帝国学院）
针对现有浏览器隐私防护无法抵御新型追踪技术的问题，提出基于网页执行跨层图表示的机器学习方法PURL，可安全高效清除链接装饰中的追踪信息，性能优于现有方案，且发现近四分之三的热门网站滥用链接装饰追踪用户。
2024-03-06 cs.CR cs.LG
Cookie Synchronization: Everything You Always Wanted to Know But Were Afraid to Ask
用户数据是数字广告的主要输入，为我们所知的免费互联网提供了动力。因此，网络公司在精心设计的跟踪机制上投入了大量资金，以获取可以出售给数据市场和广告商的用户数据。然而，由于同源策略和Cookie作为网络上的主要识别机制，每个跟踪器都知道具有不同ID的同一用户。为了缓解这一问题，Cookie同步（CSync）来了，它促进了第三方之间的信息共享渠道，这些第三方可能直接存取用户访问的网站。在后台，通过CSync，他们可以合并他们拥有的用户数据，但也可以重建用户的浏览历史，绕过同源策略。在本文中，我们使用来自850个真实移动用户的长达一年的博客，对CSync进行了深入的研究。通过我们的研究，我们的目的是了解CSync协议的特点和它对Web用户的隐私的影响。为此，我们设计并实现了CONRAD，一个整体的机制来实时的检测CSync事件，以及用户端的隐私丢失，即使同步的ID被混淆。使用CONRAD，我们发现97%的普通网络用户接触到CSync：他们中的大多数在浏览的第一周内，平均用户ID泄露到3.5个不同的域名。最后，我们看到CSync将跟踪用户的域数量增加了6.75倍。
2020-02-25 cs.CR cs.IR
Tracking Users across the Web via TLS Session Resumption
互联网上的用户跟踪可以以各种形式出现，例如，通过cookies或指纹网络浏览器。到目前为止，一种关注较少的技术是基于TLS的用户跟踪，特别是基于TLS会话恢复机制。据我们所知，我们是第一个调查TLS会话恢复用于用户跟踪的适用性的人。为此，我们评估了48种流行浏览器和100万个最受欢迎网站的配置。此外，我们提出了一个所谓的延长攻击，它允许延长跟踪期超出会话恢复机制的生命周期。为了证明在观察到的浏览器配置下，通过TLS会话选项进行跟踪是可行的，我们还研究了DNS数据，以了解特定网站对用户的最长连续跟踪期。我们的研究结果表明，在当前许多浏览器中，使用会话恢复生命周期的标准设置，平均用户可以被跟踪长达8天。会话恢复生命周期为7天，这是TLS 1.3版草案中建议的上限，我们数据集中65%的用户可以被永久跟踪。
2018-10-16 cs.CR
There's No Trick, Its Just a Simple Trick: A Web-Compat and Privacy Improving Approach to Third-party Web Storage
虽然当前的许多网络隐私研究都集中在浏览器指纹识别上，但令人厌烦的事实是，当前大多数第三方网络跟踪都是使用传统的持久状态标识符进行的。隐私社区关注指纹的一个可能的解释是，迄今为止，浏览器在处理第三方有状态标识符时面临着双输的困境：阻止第三方框架中的状态并破坏大量网页，或者允许第三方框架中的状态并启用普遍跟踪。已经部署的替代中间解决方案都是为了兼容性而交易隐私，依赖于手动管理的列表，或者依赖于用户自己管理状态和状态访问。这项工作通过提出一种新的系统来管理第三方存储的生命周期，“页面长度存储”，进一步促进了网络上的隐私。我们将页长存储与现有的管理第三方状态的方法进行了比较，发现页长存储具有最严格的当前选项（即，阻止第三方存储器）但是web兼容性属性大多类似于最少限制性选项（即，允许所有第三方存储）。这项工作进一步比较了页长存储的替代第三方存储分区方案，并发现页长存储提供了优越的隐私保护与可比的Web兼容性。我们提供了一个数据集的隐私和兼容性行为时观察到的应用比较的第三方存储策略上爬取的Tranco 1k和定量指标，用于证明页面长度存储匹配或超越现有的方法。最后，我们提供了我们的页面长度存储方法的开源实现，作为针对Chromium的补丁实现。
2020-11-02 cs.CR
Interest-disclosing Mechanisms for Advertising are Privacy-Exposing (not Preserving)
本文通过统计模型在真实场景下验证了 Google 的 Topics API，发现恶意广告商可通过串通和长期观察重新识别大量用户，证明兴趣披露机制无法保护隐私。
2023-09-08 cs.CR
Missed by Filter Lists: Detecting Unknown Third-Party Trackers with Invisible Pixels
网络跟踪在过去十年中得到了广泛的研究。为了检测跟踪，以前的研究和用户工具依赖于过滤器列表。然而，已经表明过滤器列表错过跟踪器。在本文中，我们提出了一种替代方法来检测跟踪器的启发分析行为的不可见像素。通过从8，744个域中抓取84，658个网页，我们发现第三方不可见像素被广泛部署：它们存在于超过94.51%的域中，占所有第三方图像的35.66%。我们提出了一个细粒度的行为分类跟踪的基础上不可见像素的分析。我们使用这种分类来检测新的跟踪类别，并在4，216，454个第三方请求的完整数据集上发现域之间的新合作。我们证明了两种流行的方法来检测跟踪，基于EasyList和EasyPrivacy和Disconnect列表分别错过了我们检测到的跟踪器的25.22%和30.34%。此外，我们发现，如果我们将所有三个列表合并，来自8，744个域的379，245个请求仍然跟踪68.70%网站上的用户。
2020-02-28 cs.CR cs.CY
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
Tracking, Profiling, and Ad Targeting in the Alexa Echo Smart Speaker Ecosystem
针对智能音箱隐私问题，构建测量框架应用于亚马逊生态，发现其及第三方收集交互数据、推断兴趣并定向广告，且政策披露不足。
2023-10-13 cs.CR
Tracking GPTs Third Party Service: Automation, Analysis, and Insights
针对GPTs第三方服务隐私信息不透明的问题，提出自动化框架GPTs-ThirdSpy，提取隐私设置并实时提供元数据，支持大规模分析集成、合规性及安全风险。
2025-06-18 cs.CR cs.SE
FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting
本文提出首个基于差分隐私联邦学习的分布式浏览器指纹检测系统 FP-Fed，使用户无需共享数据即可协作训练端侧模型，在 18.3k 网站上的实验证明其仅凭运行时信号即可实现高效且高精度的检测。
2023-11-28 cs.CR cs.CY
Clash of the Trackers: Measuring the Evolution of the Online Tracking Ecosystem
网站正在不断调整所使用的方法，以及跟踪在线访问者的强度。然而，自一年前（2018年5月）以来，GDPR的广泛实施迫使为欧盟在线访问者提供服务的网站在获得适当用户同意的情况下消除或至少减少此类跟踪活动。因此，重要的是要记录和分析这种跟踪活动的演变，并评估网络生态系统的整体“隐私健康”，以及在GDPR实施后是否更好。这项工作是朝着这个方向迈出的重要一步。在本文中，我们分析了嵌入在顶级网站中的第三方的在线生态系统，这些网站在过去的2年中每隔几个月拍摄6次快照，积累了大部分在线跟踪。我们以三种方式进行这种分析：1）通过查看第三方对托管它们的每个发布者施加的网络活动，2）通过构建“跟踪者到跟踪者”的二分图，将第三方与他们的发布者连接起来，3）通过构建“跟踪者到跟踪者”图连接发布者中常见的第三方。我们记录了随着时间的推移，跟踪器数量的显著变化，发布者中引起的流量（传入与传出），发布者中跟踪器的嵌入性，发布者中跟踪器的流行程度和混合。我们还报告了这些措施如何与基于Alexa的出版商排名进行比较。在我们分析的最后一个层次，我们深入挖掘并研究跟踪器之间的连接性，以及这与潜在的cookie同步活动的关系。
2020-06-02 cs.CR
Watching TV with the Second-Party: A First Look at Automatic Content Recognition Tracking in Smart TVs
本文通过黑盒审计Samsung与LG智能电视的ACR流量，揭示第二方观看追踪在外部显示等场景下仍有效，并评估隐私控制及英美差异。
2024-09-10 cs.CR cs.CY cs.NI
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
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
Security and Privacy Perceptions of Third-Party Application Access for Google Accounts (Extended Version)
像Google这样的在线服务提供了各种应用程序编程接口（API）。这些在线API使经过身份验证的第三方服务和应用程序（app）能够访问用户的帐户数据，以执行单点登录（SSO）、日历集成和代表用户发送电子邮件等任务。尽管API访问很普遍，但它可能会带来重大的隐私和安全风险，第三方可能会对用户的帐户拥有意想不到的权限。为了了解用户对与在线API集成的第三方应用程序的看法和担忧，我们对Google用户进行了多部分在线调查。首先，我们要求n = 432名参与者回忆他们是否以及何时允许第三方访问他们的Google帐户：89%的人回忆起使用至少一个SSO，52%的人记得至少一个第三方应用程序。在第二次调查中，我们重新招募了n = 214名参与者，询问他们在自己的Google帐户上授权的特定应用程序和SSO。我们收集了有关用户实际SSO和授权应用的野外数据：86%的用户在至少一项服务上使用Google SSO，67%的用户至少有一个第三方应用授权。在检查了他们的应用程序和SSO后，参与者表示最担心的是访问个人信息，如电子邮件地址和其他公开共享的信息。然而，参与者不太关心更广泛的-也许更具侵入性-访问日历，电子邮件或云存储（根据第三方应用程序的需要）。这种差异可能部分是由于信任转移到与谷歌集成的应用程序，形成了一种隐含的合作关系。我们的研究结果表明，有机会对Google提供的当前第三方管理工具进行…
2021-11-05 cs.CR
Revisiting Third-Party Library Detection: A Ground Truth Dataset and Its Implications Across Security Tasks
本研究构建带版本级标注的第三方库真值数据集，对10种主流检测工具开展大规模评估，揭示其多项缺陷，并分析第三方库对四类下游安全任务的影响，为相关改进提供依据。
2025-09-05 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
The Privacy-Utility Trade-off in the Topics API
针对第三方Cookie淘汰背景下Google提出的Topics API，本文分析其用户重识别隐私风险与广告效用，给出含任意辅助信息对手下的新型通用上界等理论结果及真实数据实验验证，可用于评估API更新的隐私效用影响。
2024-06-21 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
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
Trackers Bounce Back: Measuring Evasion of Partitioned Storage in the Wild
这项工作提出了一个系统的研究导航跟踪，在浏览器和在线跟踪器之间的猫捉老鼠的游戏的最新发展。导航跟踪允许跟踪者通过修改用户的导航请求来“聚合用户在网站上的活动和行为”。这种技术特别重要，因为它避免了浏览器越来越多地分区或阻止第三方存储的努力，这是以前大多数跨网站跟踪所必需的。虽然以前的工作已经研究了特定的导航跟踪技术（即“反弹跟踪”），我们的工作是第一次努力系统地研究和测量整个类别的导航跟踪技术。我们描述和测量两种不同的导航跟踪技术在Web上的频率，并发现，导航跟踪是目前略高于百分之十的所有导航，我们做的。我们的贡献包括确定214个域属于至少104个组织，通过使用直接或间接的导航流的链接装饰技术跟踪用户跨网站。我们确定了另外23个域，它们属于至少16个通过反弹跟踪（即通过不相关的第三方反弹用户以生成用户简档）跟踪用户的组织。我们还改进了现有的技术，用于区分用户标识符从非敏感信息，这是必要的检测一类导航跟踪。我们讨论了如何使用我们的发现来保护用户免受导航跟踪，并承诺发布我们的完整数据集和测量管道
2022-07-12 cs.CR
I Spy with My Little Eye: Analysis and Detection of Spying Browser Extensions
已经进行了几项研究，以了解第三方用户在网络上的跟踪。然而，网络追踪器只能在发布者嵌入的网站上追踪用户，从而获得用户在线足迹的碎片视图。在这项工作中，我们调查了一种不同形式的用户跟踪，其中浏览器扩展被重新利用来捕获用户的完整在线活动，并将收集到的敏感信息传达给第三方域。我们进行了一项实证研究间谍浏览器扩展程序的Chrome网上商店。首先，我们对这些扩展的间谍行为进行了深入分析。我们观察到这些扩展程序窃取了各种敏感的用户信息，例如完整的浏览历史记录（例如，web遍历序列）、在线社交网络（OSN）访问令牌、IP地址和用户地理位置。其次，我们调查的潜力，自动检测间谍扩展应用机器学习计划。我们表明，使用递归神经网络（RNN），浏览器API调用序列可以是一个强大的功能，优于手工制作的功能（用于恶意扩展的先前工作）来检测间谍扩展。我们的基于RNN的检测方案在检测间谍扩展时实现了高精度（90.02%）和召回率（93.31%）。
2018-05-03 cs.CR
A Framework to Allow a Third Party to Watermark Numerical Data in an Encrypted Domain while Preserving its Statistical Properties
由其所有者对源跟踪应用程序的数据加水印可能对接收者不公平，因为数据所有者可能将相同的加水印数据重新分发给许多用户。因此，每个数据接收者都应该知道嵌入其数据中的水印;然而，这可能使他们能够将其移除，这违反了水印安全性。为了克服这个问题，本研究开发了一个框架，允许云水印数字数据考虑到：所选统计结果的正确性，数据隐私，收件人的权利，知道嵌入在他们的数据中的水印，以及水印对被动攻击的安全性。该框架包含两个不可逆的水印算法，每个算法都可以保持某些统计操作的结果的正确性。为了保护数据隐私，该框架允许云在加密数据时对其进行水印处理。此外，该框架鲁棒性所选择的算法的安全性提名云作为唯一的中立判断能够验证数据的所有权，即使其他用户知道水印。以不影响数据可用性的方式增强了安全性。发现水印的时间复杂度为$\mathcal{O}(\frac{n!}{r!(n-r)!})$。
2023-01-22 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
A First Look at Ad Blocking Apps on Google Play
在线广告商和分析服务（或跟踪器）不断跟踪用户活动，因为他们通过浏览器或移动应用程序访问Web服务。已经提出了许多工具，如浏览器插件和专门的移动应用程序，以限制侵入性广告并防止在桌面计算和移动电话上进行跟踪。对于桌面计算，浏览器插件因其可用性和效率问题而受到大量研究，然而，在移动平台中阻止广告和防止跟踪器的工具受到的关注最少或根本没有。在本文中，我们首先介绍了97个Android广告拦截应用程序（或广告拦截器），这些应用程序从Google Play的150多万个应用程序中提取，这些应用程序承诺阻止广告和分析服务。通过我们对Android广告拦截器的数据汇集和分析管道，我们揭示了第三方跟踪库的存在和用户移动设备上关键资源的敏感权限，以及源代码中的恶意软件。我们分析了用户对广告拦截器在不阻止广告和跟踪器方面的无效性的评论。我们发现，很大一部分广告拦截器没有实现其广告功能。
2017-09-12 cs.CR
Exposed: Shedding Blacklight on Online Privacy
Agency for Science, Technology and Research（科学技术研究局）；Colorado State University（科罗拉多州立大学）
研究通过结合匿名浏览数据和Blacklight数据，发现大多数用户面临高程度的在线监视，且谷歌等组织主导了大部分跟踪活动。
2025-12-30 cs.CR stat.AP
Taking a Bite Out of the Forbidden Fruit: Characterizing Third-Party Iranian iOS App Stores
Stony Brook University（石溪大学）
本文首次系统研究伊朗第三方iOS应用商店，揭示其运作机制、内容特征及对开发者的影响，揭示制裁与审查下的平行生态系统。
2026-04-29 cs.CR cs.CY
Thou Shalt Not Depend on Me: Analysing the Use of Outdated JavaScript Libraries on the Web
Web开发人员通常依赖第三方Java-Script库（如jQuery）来增强其网站的功能。然而，如果不正确维护，这种依赖关系可能会产生攻击媒介，使网站受到损害。在本文中，我们进行了第一次全面的研究客户端JavaScript库的使用和由此产生的安全性影响在整个Web。使用来自超过133 k网站的数据，我们发现其中37%至少包含一个具有已知漏洞的库;库最新版本发布的时间滞后以年为单位。为了更好地理解为什么网站使用这么多脆弱或过时的库，我们跟踪因果包含关系并量化不同的场景。我们观察到站点以临时且通常是可传递的方式包含库，这可能导致同一库的不同版本同时加载到同一文档中。此外，我们发现，通过传递或通过广告和跟踪代码包含的库更容易受到攻击。这表明，不仅网站管理员，而且第三方服务的动态架构和开发人员也应该为Web的图书馆管理状况不佳负责。我们的工作结果强调，需要更彻底的方法来依赖管理，代码维护和第三方代码包含在Web上。
2020-02-13 cs.CR
A Case Study of Intra-library Privacy Issues on Android GPS Navigation Apps
Android不受限制的应用程序市场具有开源性质，使其成为全球数百万智能设备上第三方应用程序的流行平台。具有广泛API（包括访问手机硬件、设置和用户数据）的应用程序的巨大增长引发了对用户隐私的担忧，因为从应用程序收集的信息可能用于分析目的。在这方面，本文侧重于地理定位数据和分析五个GPS应用程序，以确定隐私风险，如果没有适当的保障措施。我们的研究结果表明，GPS导航应用程序可以访问几种类型的设备数据，同时它们可能允许个人数据泄露给第三方，如图书馆提供商或跟踪服务，而不向用户提供足够或准确的信息。此外，由于他们使用的是第三方图书馆，他们遭受了图书馆内勾结的问题，这可能会被广告和分析公司通过应用程序利用，并在未经用户明确同意的情况下收集大量个人信息。
2021-09-08 cs.CR
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
Fingerprinting SDKs for Mobile Apps and Where to Find Them: Understanding the Market for Device Fingerprinting
本文大规模分析了移动应用中由第三方SDK引发的设备指纹行为，发现指纹行为广泛存在于非广告类SDK中，且信号与API分布稀疏，表明仅针对特定市场或依赖用户权限难以有效遏制指纹追踪。
2025-06-27 cs.CR
Identifying Extension-based Ad Injection via Fine-grained Web Content Provenance
扩展为Web浏览器提供了有用的附加功能，但也是越来越受欢迎的攻击载体。由于扩展可以保持高度的特权，扩展已被滥用以将广告注入到网页中，从而从内容发布者转移收入并可能使用户暴露于恶意软件。用户通常不知道这些做法，认为对页面的修改来自发布者。此外，自动识别不需要的第三方修改从根本上来说是困难的，因为在没有明显恶意的情况下，用户是内容是否不受欢迎的最终仲裁者。为了解决这个难题，我们提出了一个细粒度的方法来跟踪Web内容的出处在单个DOM元素的水平。结合视觉指示器，出处信息可用于可靠地确定内容修改的来源，从而将发布者内容与源自第三方（例如扩展）的内容区分开。我们描述了一个原型实现的方法称为OriginTracer铬，并通过用户研究和自动化实验评估其有效性，可用性和性能开销。结果表明，用户识别不需要的第三方内容（如注入广告）的能力在统计上有了显着的提高，并且性能开销适中。
2020-02-14 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
WebPol: Fine-grained Information Flow Policies for Web Browsers
针对现有浏览器安全机制粒度过粗、无法平衡第三方脚本数据访问需求与泄露防护的问题，提出WebPol细粒度信息流策略机制，支持用JavaScript语法定义数据访问规则，可基于现有信息流跟踪方案实施，经集成测试验证了可行性。
2017-06-26 cs.CR
Assessing Privacy Compliance of Android Third-Party SDKs
本研究针对Android第三方SDK隐私保护空白，利用污点分析与大语言模型检测158款常用SDK的数据外泄与隐私合规情况，发现隐私问题普遍且长期未改善，并提出可行建议以保护用户隐私、为监管提供参考。
2025-06-18 cs.CR cs.SE
