技术特征：
1.一种用于分类和缓解web跟踪器的影响的方法，包括：确定与由浏览器应用访问的web站点相关联的跟踪器相关的度量；至少基于所述用户的浏览器历史来模糊所述跟踪器相关的度量；提供经模糊的所述度量作为对机器学习模型的输入，所述机器学习模型基于经模糊的所述度量输出与所述web站点相关联的web跟踪器的分类；以及至少基于所述分类确定要针对所述web跟踪器被执行的缓解。2.根据权利要求1所述的方法，其中所述跟踪器相关的度量包括以下至少一项：针对所述web站点被加载的一个或多个(的类型；所述一个或多个资源针对所述web站点被加载的频率；或者所述浏览器应用被重定向到的一个或多个统一资源定位符。3.根据权利要求1所述的方法，其中模糊所述跟踪器相关的度量还包括：基于所述用户的所述浏览器历史和随机生成的噪声模糊所述跟踪器相关的度量。4.根据权利要求1所述的方法，其中所述缓解包括：限制由所述web跟踪器对所述浏览器应用在其上执行的计算设备的存储装置的访问。5.根据权利要求4所述的方法，还包括：确定针对所述web站点的用户参与度得分；确定所述用户参与度得分超过预定阈值；以及响应于确定所述用户参与度得分超过所述预定阈值，不限制由所述web跟踪器对所述计算设备的所述存储装置的访问。6.根据权利要求5所述的方法，其中所述用户参与度得分至少基于以下一项或多项：所述web站点由所述用户使用所述浏览器应用访问的次数；由所述用户使用所述浏览器应用在所述web站点上花费的时间；用户使用所述浏览器应用经由所述web站点提供用户输入的次数；或者自从所述用户使用所述浏览器应用访问所述web站点以来的持续时间。7.根据权利要求5所述的方法，还包括：确定由所述浏览器应用访问的第二web站点与第一web站点和相同的组织相关联；以及不限制由所述第二web站点的web跟踪器对所述计算设备的所述存储装置的访问。8.根据权利要求1所述的方法，其中所述机器学习模型通过以下被生成：针对多个第二web站点中的每个第二web站点：将与所述第二web站点相关联的跟踪器相关的度量作为训练数据提供给机器学习算法，与第二web站点相关联的所述跟踪器相关的度量基于所述多个第二web站点被模糊；以及提供来自多个标签的标签，所述标签指定来自多个web跟踪器的web跟踪器，所述web跟踪器对应于与所述第二web站点相关联的所述跟踪器相关的度量，所述机器学习算法基于针对所述多个第二web站点的每个第二web站点的跟踪器相关的度量和所述多个标签生成所述机器学习模型。9.一种系统，包括：至少一个处理器电路；以及至少一个存储器，所述至少一个存储器存储程序代码，所述程序代码被配置为由所述
至少一个处理器电路执行，所述程序代码包括：跟踪器分类器，被配置为：确定与由浏览器应用访问的web站点相关联的跟踪器相关的度量；至少基于所述用户的浏览器历史来模糊所述跟踪器相关的度量；提供经模糊的所述度量作为对机器学习模型的输入，所述机器学习模型基于经模糊的所述度量输出与所述web站点相关联的web跟踪器的分类；以及跟踪器缓解器，被配置为至少基于所述分类确定要针对所述web跟踪器被执行的缓解。10.根据权利要求9所述的系统，其中所述跟踪器相关的度量包括以下至少一项：针对所述web站点被加载的一个或多个资源的类型；所述一个或多个资源针对所述web站点被加载的频率；或者所述浏览器应用被重定向到的一个或多个统一资源定位符。11.根据权利要求9所述的系统，其中所述跟踪器分类器还被配置为基于所述用户的所述浏览器历史和随机生成的噪声来模糊所述跟踪器相关的度量。12.根据权利要求9所述的系统，其中所述跟踪器缓解器还被配置为通过限制由所述web跟踪器对所述浏览器应用在其上执行的计算设备的存储装置的访问来缓解所述web跟踪器的影响。13.根据权利要求12所述的系统，其中所述跟踪器缓解器还被配置为：确定针对所述web站点的用户参与度得分；确定所述用户参与度得分超过预定阈值；以及响应于确定所述用户参与度得分超过所述预定阈值，不限制由所述web跟踪器对所述计算设备的所述存储装置的访问。14.根据权利要求13所述的系统，其中所述用户参与度得分至少基于以下一项或多项：所述web站点由所述用户使用所述浏览器应用访问的次数；由所述用户使用所述浏览器应用在所述web站点上花费的时间；用户使用所述浏览器应用经由所述web站点提供用户输入的次数；或者自从所述用户使用所述浏览器应用访问所述web站点以来的持续时间。15.一种计算机可读存储介质，其上记录有程序指令，所述程序指令在由计算设备的至少一个处理器执行时执行根据权利要求1至8中的任一项所述的方法。
技术总结
本文描述的实施例针对以隐私保护的方式智能地分类Web跟踪器并缓解这样的Web跟踪器的影响。当用户浏览Web并遇到各种Web站点时，跟踪器相关度量被确定。这些度量被模糊以保护用户的隐私。经模糊的度量被提供作为对机器学习模型的输入，该机器学习模型被配置为输出用于与由用户访问的Web站点相关联的Web跟踪器的分类。取决于分类，Web跟踪器的影响通过对Web跟踪器设置限制来缓解。针对特定Web跟踪器的限制可以基于用户针对跟踪器的相关联Web站点的用户参与度的水平而放宽。通过这样做，对于对用户而言相对重要的Web站点，与跟踪预防相关联的兼容性风险被缓解。相关联的兼容性风险被缓解。相关联的兼容性风险被缓解。
技术研发人员：B
受保护的技术使用者：微软技术许可有限责任公司
技术研发日：2021.04.22
技术公布日：2023/2/13