JSSignature: Eliminating Third-Party-Hosted JavaScript Infection Threats Using Digital Signatures
今天，第三方JavaScript资源是Web平台不可或缺的一部分。超过88%的世界顶级网站包含至少一个来自远程主机的JavaScript资源。然而，使用第三方JavaScript资源背后存在很大的安全风险，如果攻击者可以感染这些远程JavaScript资源之一，则包含该脚本的所有网站都将面临风险。在本文中，我们提出了JSSignature，一个完全在客户端的纯JavaScript框架，以验证第三方JavaScript资源使用数字签名。因此，所有包含的JavaScript资源在执行之前都要针对完整性、身份验证和不可否认风险进行检查。与现有方法相反，JSSignature保护网页，而不管第三方资源感染的性质，同时它不对可信的JavaScript提供商设置任何限制。这种方法具有可接受的一次性性能开销，并且是一种易于部署的加载项。我们已经通过在一个已实现的版本\footnote上应用测试来验证了所提出的解决方案{源代码、资源和工作演示可以在JSSignature网站上获得。
2019-02-08 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
Towards Understanding First-Party Cookie Tracking in the Field
第三方网络跟踪是一种常见的、广泛使用的网络技术。几乎用户的每一步都被跟踪、分析，并随后用于不同的用例（例如，在线广告）。出现了不同的防御机制来对抗这些做法（例如，浏览器供应商最近禁止所有第三方cookie的步骤）。然而，所有这些对策都仅针对第三方跟踪器，而忽略第一方，因为说明是此类监控主要用于改善所使用的服务（例如，分析服务）。在本文中，我们提出了一个大规模的测量研究，分析跟踪执行的第一方，但利用第三方规避标准的跟踪防止技术（即，第一方以第三方的名义执行跟踪）。我们访问排名前15，000的网站来分析用于跟踪用户的第一方cookie以及一种名为“DNS CNAME隐藏”的技术，第三方可使用该技术放置第一方cookie。使用这些数据，我们发现数据集中76%的网站有效地利用了此类跟踪技术，并且在长期分析中，我们发现此类Cookie的使用量比2021年增加了50%以上。此外，我们揭示了利用第一方跟踪器的生态系统，并发现已建立的跟踪器已经使用这种跟踪，大概是为了避免跟踪阻塞。
2022-02-10 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
Quantifying User Password Exposure to Third-Party CDNs
Web服务通常采用内容分发网络（CDN）来提高性能和安全性。随着网络流量成为100% HTTPS，越来越多的网站允许CDN终止其HTTPS连接。这种做法可能会将网站的用户敏感信息（如用户的登录密码）暴露给第三方CDN。在本文中，我们测量和量化了用户密码暴露于第三方CDN的程度。我们发现，在Alexa排名前5万的网站中，至少有12,451个使用CDN并包含用户登录入口。在这些网站中，33%的网站将用户的密码暴露给CDN，一个流行的CDN可能会观察到超过40%的客户的密码。这一结果表明，如果CDN基础设施存在漏洞或受到内部攻击，许多用户的帐户将面临风险。如果我们假设攻击者是被动窃听者，则网站可以通过加密HTTPS连接中的用户密码来避免此漏洞。我们的测量显示，只有不到17%的网站采取了这一对策。
2023-02-01 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
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 AI Meets the Web: Prompt Injection Risks in Third-Party AI Chatbot Plugins
University of California, Santa Barbara（加州大学圣巴bara分校）
本文首次大规模研究超1万个网站使用的17个第三方聊天机器人插件，发现对话历史完整性缺失和第三方内容混入两类提示注入漏洞，并通过受控实验证明其可绕过LLM安全防护。
2025-11-08 cs.AI 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
COOKIEGRAPH: Understanding and Detecting First-Party Tracking Cookies
本文提出基于机器学习的CookieGraph方法，通过差异化测量研究准确检测第一方跟踪Cookie，在避免网站功能破坏的同时，显著提升了检测准确率与鲁棒性。
2023-11-27 cs.CR
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
COOKIEGUARD: Characterizing and Isolating the First-Party Cookie Jar
本研究针对第一方Cookie被第三方脚本滥用的安全问题，开展大规模测量揭示风险，提出按脚本来源隔离Cookie的CookieGuard机制，为浏览器Cookie安全加固提供可行方案。
2025-10-01 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
WebMCP Tool Surface Poisoning: Runtime Manipulation Attacks on LLM Agents
National Yang Ming Chiao Tung University（国立阳明交通大学）
本文提出一种新的威胁——会话中工具注入（MSTI），通过第三方脚本在活跃会话中注入恶意工具，并细分为工具劫持和工具框架两类，实验证明可破坏WebMCP功能，最后给出缓解方向和安全设计建议。
2026-06-04 cs.CR
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
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
Characterising Third Party Cookie Usage in the EU after GDPR
最近出台的《通用数据保护条例》（GDPR）要求，在网上获取可用于识别个人身份的信息时，必须获得他们的同意。除此之外，这会影响许多常见形式的cookie，欧盟的用户已经收到通知，要求他们批准数据汇集。本文通过两个数据集来研究GDPR前后第三方Cookie的流行情况：根据Alexa.com访问前500个网站，以及16个英国和中国用户在一年内访问的网站在用户浏览器中放置的Cookie的每周数据。我们发现，GDPR之后，第三方的数量平均下降了10%以上，但当我们检查真实用户一年多的浏览历史时，我们发现第三方cookie的长期数量没有实质性减少，这表明用户没有利用GDPR提供的选择来增加隐私。此外，在为用户提供是否以及如何跟踪他们的选择的网站中，接受默认选择通常最终存储的cookie平均比提供存储cookie的通知但不给用户选择哪些cookie的网站或根本不提供cookie通知的网站更多。我们还发现，顶级非欧盟网站的cookie通知较少，这表明访问国际网站时的跟踪水平较高。我们的研究结果对于理解GDPR的合规性以及理解网络跟踪的演变都具有深刻的意义。
2019-05-03 cs.CR cs.IR
Security-aware selection of Web Services for Reliable Composition
可信性是一个可信的计算机系统应该具备的重要特性。它是可用性、可靠性、可维护性、安全性和安全性的衡量标准。我们研究的重点是Web服务的安全性。Web服务使独立的服务与互补功能的组合能够产生增值服务，这允许组织仅实施其核心业务，并通过互联网外包其他服务组件，无论是预先选择的还是动态的。选定的第三方Web服务可能存在安全漏洞。易受攻击的Web服务实际用途有限。我们建议使用一个入侵容忍的复合Web服务的每个功能，应该由第三方Web服务完成。在此方法中使用的第三方服务应根据其安全漏洞以及其性能进行选择。使用渗透测试工具评估第三方服务的安全漏洞。在本文中，我们提出了我们的初步研究工作。
2015-10-07 cs.CR cs.DC cs.IT
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
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
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
A First Look at Ad-block Detection: A New Arms Race on the Web
广告拦截器的兴起被在线出版商视为一种经济威胁，特别是那些主要依赖广告来支持其服务的出版商。为了应对这一威胁，出版商已经开始通过使用广告拦截检测器进行报复，该检测器可以搜索广告拦截器用户，并通过限制他们的内容访问并将他们列入网站白名单或完全禁用广告拦截器来对他们做出反应。广告拦截器和广告拦截检测器之间的冲突导致了网络上新的军备竞赛。在本文中，我们提出了第一个系统的测量和分析的广告块检测在网络上。我们设计并实现了一种基于机器学习的自动检测广告拦截的技术，并利用它来研究Alexa top-100 K网站上广告拦截检测器的部署。该方法的准确率为94.8%，召回率为93.1%。我们描述了网站用于广告块检测的不同策略的频谱。我们发现，大多数出版商使用相当简单的被动ap-proaches的广告拦截检测。然而，我们也注意到一些网站使用第三方服务，例如PageFair，用于广告拦截检测和响应。第三方服务使用主动欺骗和其他复杂的策略来检测广告拦截器。我们还发现，第三方服务可以成功地绕过广告拦截器，并在发布商网站上显示广告。
2016-05-19 cs.CR cs.CY
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
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
AutoEG: Exploiting Known Third-Party Vulnerabilities in Black-Box Web Applications
Singapore Management University（新加坡管理大学）；Nanyang Technological University（南洋理工大学）；Tianjin University（天津大学）
本文提出AutoEG框架，通过自动化的多智能体方法生成Web应用漏洞利用方案，实现高成功率的漏洞利用测试。
2026-04-01 cs.AI cs.CR cs.SE
Balancing Isolation and Sharing of Data for Third-Party Extensible App Ecosystems
在应用程序生态系统中，今天的云用户不仅希望使用各种扩展来个性化他们的浏览器或使用各种应用程序来个性化他们的智能手机，而且还希望个性化各种扩展和应用程序本身。由此产生的个性化显著提高了对典型Web 2.0用户的吸引力，但也带来了各种安全风险和隐私问题，例如对某些关键组件的不可预见的访问，个人信息流向不受信任的应用程序的不希望的信息流，或者在个性化发生之前不可能出现的新攻击面。在本文中，我们提出了一种新的可扩展性机制，用于实现现有的云应用程序的个性化（可能不受信任）组件在一个安全和隐私友好的方式。我们的模型提供了一个干净的组件抽象，从而特别排除了不希望的组件访问，并确保没有不希望的信息流之间发生的应用程序组件-无论是信任的基础应用程序或不信任的各种扩展。然后，我们在安全Web应用程序框架（WWW 2012）中实例化我们的模型，从而产生一种新的方法，该方法受到传统访问控制的启发，并专门为应用程序生态系统中新兴的可扩展性需求而设计。我们通过展示如何安全地扩展现有的社交网络应用程序来说明我们的技术的方便使用。
2015-04-10 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
Robust and Reliable Early-Stage Website Fingerprinting Attacks via Spatial-Temporal Distribution Analysis
Tsinghua University（清华大学）；Zhongguancun Laboratory（中关村实验室）
本文提出Holmes早期网站指纹攻击，通过时空分布分析和监督对比学习，在页面加载早期仅约21.71%流量下实现鲁棒识别，F1-score较现有方法平均提升169.18%。
2024-07-01 cs.AI cs.CR cs.LG
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
Casper: Prompt Sanitization for Protecting User Privacy in Web-Based Large Language Models
New Jersey Institute of Technology（新泽西理工学院）
Casper通过浏览器扩展在用户设备上运行，利用规则过滤、机器学习和本地LLM技术，有效过滤用户输入中的敏感信息，保护隐私。
2024-08-13 cs.AI cs.CR
Plug 'n' Pray: Agentic LLM-based Detection of Potential Log File Exposures in Third-Party Content Management System Plugins
Technische Universität Berlin（柏林工业大学）
本文提出基于智能体LLM的框架，自动检测WordPress插件日志文件暴露风险，在300个流行插件上验证，复现79/81个发现，并总结出分类法及开发者最佳实践。
2026-09-16 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
Keys on Doormats: Exposed API Credentials on the Web
Stanford University（斯坦福大学）；University of California, Davis（加州大学戴维斯分校）；TU Delft（代尔夫特理工大学）
研究网络上API凭证的暴露问题，发现大量凭证在网页中公开，包括全球银行和固件开发者的页面，通过分析1000万网页发现凭证暴露的广泛性及持续时间，提出网络特定的暴露原因和解决措施。
2026-09-15 cs.CR cs.CY cs.HC
Measuring the Security of Mobile LLM Agents under Adversarial Prompts from Untrusted Third-Party Channels
William & Mary（威廉与玛丽学院）；Carnegie Mellon University（卡内基梅隆大学）；Nanyang Technological University（南洋理工大学）
研究移动LLM代理在对抗性环境下的安全风险，设计评估一系列案例研究，涵盖多种攻击类型并涉及多个先进移动代理，通过大量试验揭示系统漏洞，映射攻击到相关框架发现新途径，证明其在现实中可被利用。
2026-07-08 cs.CR
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
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
Using Deep Neural Networks to Translate Multi-lingual Threat Intelligence
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
互联网的多语言性质增加了网络安全社区从网络上的OSINT数据中战略性挖掘威胁情报的持续努力的复杂性。社交媒体、博客和暗网漏洞市场等OSINT来源以不同的语言存在，阻碍了安全分析师，他们无法从他们不理解的语言中得出结论。虽然第三方翻译引擎越来越强大，但它们不适合私人安全环境。首先，由于隐私和保密政策，敏感情报不允许输入第三方引擎。此外，第三方引擎产生的一般化翻译往往缺乏专有的网络安全术语。在本文中，我们解决了这些问题，并描述了我们的系统，使威胁情报的理解不熟悉的语言。我们创建了一个基于神经网络的系统，该系统以不同的语言接收网络安全数据，并输出相应的英语翻译。然后，分析师可以理解英语翻译，并且还可以作为基于人工智能的网络防御系统的输入，该系统可以采取缓解措施。作为概念验证，我们创建了一个管道，它接收俄罗斯威胁并生成相应的英语，RDF和矢量化表示。我们的网络优化了网络安全数据的翻译。
2018-07-19 cs.CL 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
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
Discrete model for cloud computing: Analysis of data security and data loss
云计算被认为是信息技术最有前途的解决方案之一，例如，用于在由公司或第三方维持的web服务中存储和共享数据，而不是将数据存储在硬盘驱动器或其他设备中。它本质上是一个物理存储系统，通过互联网为用户提供大量数据存储和更快的计算。在这个云系统中，第三方允许仅出于商业目的并且在有限的时间内保留客户或用户的数据。用户被用来在他们之间秘密地共享数据，并虚拟地存储数据，以节省物理设备的成本和时间。在本文中，我们提出了一个离散动力系统的云计算和数据管理的存储服务之间的第三方和用户。一个框架，包括不同的技术和程序的存储分配和他们的实施与用户和第三方。为了便于说明，考虑了两个用户和一个第三方的模型，并对其动力学性质进行了简要的分析和讨论。结果表明，离散系统呈现周期、拟周期和混沌状态。后者认为，在用户和第三方之间分发数据和存储的云计算系统可能是安全的。讨论了数据安全的一些问题，提出了一种随机复制方案，以确保数据丢失可以大大减少在文献中现有的计划相比。
2018-11-02 cs.CR cs.DC
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
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
Wide-AdGraph: Detecting Ad Trackers with a Wide Dependency Chain Graph
Isfahan University of Technology（伊斯法罕理工大学）；University of Savoie Mont Blanc（萨瓦大学）；Chavoosh ICT（查沃什信息技术公司）
网站使用第三方广告和跟踪服务来提供有针对性的广告并收集有关访问它们的用户的信息。这些服务将用户的隐私置于危险之中，这就是为什么用户对阻止这些服务的需求越来越大。大多数屏蔽解决方案都依赖于由大型用户社区手动维护的众包过滤器列表。在这项工作中，我们试图简化这些过滤器列表的更新，通过一个大规模的图形连接在一个大的网站集的所有资源请求，结合不同的网站。该图的特征被提取并用于训练机器学习算法，其目的是检测广告和跟踪资源。由于我们的方法结合了不同的信息源，它对使用混淆或改变使用模式的规避技术更鲁棒。我们在Alexa前10K网站上评估了我们的工作，发现其准确率为96.1%有偏差，90.9%无偏差，具有高精度和召回率。它还可以阻止新的广告和跟踪服务，这将需要通过进一步的众包现有过滤器列表来阻止。此外，本文采用的方法揭示了第三方跟踪和广告的生态系统。
2021-05-10 cs.CR cs.CY cs.LG
CrowdSurf: Empowering Informed Choices in the Web
在网上冲浪时，个人会将个人和公司信息泄露给第三方，这些第三方（合法或非法）的业务围绕着收集的数据的价值。其影响是严重的，从一个人不情愿地将私人信息暴露给未知的第三方，到一家公司无法管理其信息流向外部世界。问题是，在控制私人数据方面，个人和公司越来越被排除在圈子之外。随着授权知情选择通过互联网的信息泄漏的目标，我们提出CROWDSURF，一个系统，用于全面和协作的审计数据流到互联网服务。与开源努力类似，我们使用户能够帮助建立对隐私和通信漏洞的意识和控制。CROWDSURF提供核心基础设施和算法，让个人和企业重新控制网络上的信息。我们提倡将CROWDSURF作为主机协议栈中位于HTTP之下的数据处理层。这使得即使在部署HTTPS时也可以检查明文数据，并且可以应用可自定义的处理规则来满足任何需求。执行ISP流量跟踪原型实现的初步结果表明CROWDSURF的可行性。
2015-02-25 cs.CR cs.CY cs.NI
