SINBAD: Saliency-informed detection of breakage caused by ad blocking

隐私增强的基于过滤列表规则的阻断工具往往会破坏合法功能。过滤列表维护者可以从自动化的破坏检测工具中受益，这些工具使他们能够在将规则部署到数百万用户之前主动修复问题规则。我们介绍了SINBAD，一种自动化的破坏检测器，其准确性比现有技术提高了20％，并且是第一个检测动态破坏和由面向样式的过滤规则引起的破坏的工具。 SINBAD的成功基于三个创新：（1）利用论坛中用户报告的破坏问题，创建了一个高质量的数据集进行训练，其中只包括用户认为是问题的破坏；（2）利用“Web显著性”自动识别网站上与用户相关的区域，以优先触发破坏的自动化交互；以及（3）通过子树分析网页，实现对问题过滤规则的细粒度识别。

论文旨在解决基于过滤列表规则的隐私增强阻止工具破坏合法功能的问题。同时，过滤列表维护者可以受益于自动化的破坏检测工具，以便在将其部署到数百万用户之前主动修复有问题的规则。

论文提出了一种自动化的破坏检测工具SINBAD，可以检测动态破坏和由面向样式的过滤规则引起的破坏。SINBAD的成功在于三个创新点：（1）使用用户在论坛中报告的破坏问题创建高质量的数据集，只包括用户认为存在问题的破坏；（2）使用“Web显著性”自动识别用户相关的网站区域，以优先考虑旨在触发破坏的自动交互；（3）通过子树分析网页，实现对有问题的过滤规则的细粒度识别。

论文使用了真实世界的数据集进行实验，并与其他研究进行比较，结果表明SINBAD的准确性比现有技术提高了20%。论文还提出了一些未来工作的方向，例如将SINBAD与过滤列表维护者的工作流程集成，以实现更快速的规则修复。

相关研究包括：（1）uBlock Origin，这是一种流行的过滤器扩展，其规则由社区维护；（2）AdBlock Plus，这是另一种流行的过滤器扩展，其规则由公司维护；（3）FilterBox，这是一种自动化工具，用于检测过滤规则的破坏。