Aug, 2023

针对性和麻烦性：儿童网站的追踪和广告

PDF
TL;DR通过对定位于儿童的网站进行追踪和广告测量研究，揭示了在缺乏隐私规定并存在潜在危险广告的情况下，追踪和广告安全做法不达标的趋势，建议监管机构和利益相关者采取更严格的措施以保护儿童并创造更安全的在线环境。
web trackingadvertisingchild-directed websitestrackerstargeted advertisements
发现论文，激发创造
  • MyAdChoices: 为在线广告带来透明度和控制

    本研究提出了一种智能 web 技术，旨在实现在线广告的透明化，帮助用户进行明智的决策和保护隐私，并证明了该方法的可行性和适用性。

    Feb, 2016

  • 干扰儿童 YouTube：对针对幼儿的不适当视频进行特征化和检测

    本文研究了 YouTube 上针对幼儿的视频内容存在的问题及其对早期儿童发展的风险，构建了一个分类器以准确识别 YouTube 上针对幼儿的不适宜内容，并揭示了该平台所存在的一些风险。

    Jan, 2019

  • 跟踪器之争：在线跟踪生态系统的演变测量

    本文分析了过去两年内顶级网站内嵌的第三方网络生态，通过六个时间间隔观察了在线追踪活动和进出流量的变化，并对追踪器之间的连接和可能的 Cookie 同步活动进行了研究，以评估 GDPR 实施后 Web 生态系统的隐私健康状况

    Jul, 2019

  • 恶意还是良性？针对儿童视频的有效内容管理

    本研究介绍了一款工具，可以自动检测儿童视频是否存在恶意内容，包括可定制注释工具、数据集和基准测试套件。

    May, 2023

  • 能否自动化分析在线儿童性剥削话语？

    通过心理学理论标记儿童色情犯罪者的对话行为，使用自动化与基于自然语言推理的模型代替领域专家来识别谈话行为

    Sep, 2022

  • 基于监督学习保护在线环境中的用户隐私

    通过监督学习，我们设计了一种智能的在线隐私保护方法，以检测和阻止可能侵犯用户隐私的数据收集，从而为用户恢复了一定的数字化隐私，我们的评估结果展示了我们的方法的可行性和潜力。

    Apr, 2023

  • 对话代理和儿童：让儿童学习

    本文讨论了设计、开发和部署（会话式）代理程序的必要性，它们可以以非侵入式的方式引导并帮助儿童寻找在线资源，同时还应具备教师和引导者的功能，让孩子们能够在与广泛的技术互动的过程中发展技术和批判性思维能力。

    Feb, 2023

  • 恶意广告 URL 检测框架的对抗性攻击分析

    本文讨论了利用机器学习方法检测恶意广告链接的问题，提出了一种使用多种特征并结合不同机器学习算法的检测系统，并实现了一种基于 K-means 算法的数据聚类方法以及对决策树模型的攻击形式。

    Apr, 2022

  • 广告隐私设置的自动化实验：关于不透明性、选择和歧视的故事

    本文使用机器学习和显著性检验分析用户行为、谷歌广告和广告设置之间的交互，并提出了一种解决用户对网络跟踪的担忧的自动化工具 AdFisher。我们使用 AdFisher 发现广告设置对用户个人资料的某些特征不透明，并可能导致看似有歧视的广告。

    Aug, 2014

  • 守护护卫者：在线儿童性虐待的自动分析

    为了应对全球范围内日益增加的对儿童的网络暴力，我们提出了一种新颖的自动化工具，可以综合分析针对儿童的性虐待报告，并通过对报告进行三个维度的分类（主题、犯罪程度和伤害程度），显著降低专家在审查过程中接触有害内容的风险。此外，借助我们的跨学科团队的专长，我们引入了一种新的方法来注释所收集的数据，实现对报告的更深入分析。这种方法改善了对基本模式和趋势的理解，使执法机构和决策者能够制定更有针对性的对儿童暴力的斗争策略。

    Aug, 2023