对跟踪器进行分类
为什么重要 这个阶段里的每一种防御都从一个决定开始:这个网站是一个跟踪器吗?拦截了一个诚实的网站,页面就会坏掉;漏掉了一个跟踪器,你就会被跟随。浏览器如何做出这个决定,既解释了它的长处,也解释了偶尔出现的坏掉的页面。
想想一位俱乐部门卫决定让谁进去的三种方式。一位有一份打印出来的已知捣乱者名单。一位遵循一些经验法则:“今晚在城里每一家俱乐部都出现过,还乔装打扮”。一位看过成千上万个夜晚,学会了一种直觉。浏览器三种都在用。
分类器:任何把条目分成几组的东西,这里就是“跟踪器”或“不是跟踪器”。它可以是一份列表、一组规则,或者一个训练好的模型。
1. 列表
人们维护着已知跟踪域名和过滤规则的列表。广告拦截器使用 EasyList 和 EasyPrivacy 这样的社区过滤列表,你在第 2 阶段解析过它们的一部分。Firefox 内置的保护基于由 Disconnect 维护的列表(2026 年 10 月核实)。列表通常还包括一张实体映射表:哪些域名属于同一个所有者,这样一家公司自己的内容网站和它的图片服务器就不会被彼此当作第三方。
列表精确,也容易解释(“因为它在列表 X 上而被拦截”)。但它们的新鲜程度只取决于它们最近一次的更新,而一个跟踪者可以用一个新域名躲过它们,或者藏在网站自己的名字下面(第 1 阶段讲过的 CNAME 伪装)。
2. 启发式规则
启发式规则:一条通常是对的经验法则,比如“一个在许多互不相关的网站上都能看到、并设置很长的随机 ID 的第三方,很可能在跟踪”。
你在第 2 阶段写过一些:出现在许多网站上的第三方、高熵的 ID(随机到不可能是设置的值)、像素大小的响应。上一课里的跳转规则也是一条启发式规则。启发式规则能抓住还没有人列出的跟踪者,但它们会犯两种错误,而每一条启发式规则都是在两者之间做权衡。
假阳性:一个诚实的网站被错误地称为跟踪器(一个页面坏掉了)。假阴性:一个溜过去的跟踪器(你被跟随了)。
例如,cdn.example 给每一家商店提供一个库。“出现在许多网站上”说明它是跟踪器,但它不设置任何 ID:一条忽略 ID 的启发式规则会弄坏所有那些商店。
3. 机器学习
一个模型可以从特征中学习,比如一个域名出现在多少个顶层站点下、它多常重定向,以及你是否曾经和它互动过。WebKit 曾描述过 Safari 的智能防跟踪使用了一个这类设备端模型(2026 年 10 月核实)。在设备上完成时,你的浏览统计数据永远不会离开它。
模型可以把许多微弱的信号综合起来权衡,并适应新的把戏。但它们更难解释,可能会以出人意料的方式出错,而且在浏览器内部需要对大小和速度做谨慎的限制。你将在第 7 阶段用纯 Python 训练一个小模型。
并排比较
| 列表 | 启发式规则 | 机器学习 | |
|---|---|---|---|
| 能抓住新的跟踪器 | 不能,直到被列入 | 常常能 | 常常能 |
| 可解释性 | 很强 | 较强 | 较弱 |
| 典型的错误 | 过时 | 在共享服务上出现假阳性 | 出人意料的错误 |
| 被什么躲过 | 新域名、伪装 | 保持在阈值之下 | 看起来像普通的网站 |
先决定,再行动
分类只是一半。引擎还会为每一类选择一种回应:拦截请求、允许它但去掉或分区 Cookie、之后再清除存储,或者只报告它。对不确定的情况采取更温和的回应,能把破坏保持在低水平。在实践中,大多数引擎会把几种方法结合起来:用列表进行有把握的拦截,用启发式规则处理跳转和存储规则,并在某样东西坏掉时为每个网站设置例外。
一个常见的误解
“一个更聪明的分类器意味着没有跟踪。”每一个分类器都有假阴性,而有些跟踪(第一方分析、登录、指纹识别)根本看起来不像一个单独的跟踪器。这就是为什么分类会和那些不需要它也能起作用的防御(比如分区)搭配使用。
回顾
- 列表精确、可解释,但会漏掉新的或伪装起来的跟踪器。
- 启发式规则能抓住未被列出的跟踪器,但要在假阳性和假阴性之间权衡。
- 机器学习会权衡许多信号;WebKit 曾描述过 Safari 的 ITP 使用了一个设备端模型(2026 年 10 月核实)。
- 引擎会把几种方法结合起来,并在不确定时选择更温和的回应。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。