MARC

 008260203s2023        us                              c    eng  d
■001000017365849
■00520260209102838
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798314843116
■035    ▼a(MiAaPQ)AAI32063720
■035    ▼a(MiAaPQ)httphdlhandlenet2142120264
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aMurley,  Paul.
■24510▼aExploring  the  Trade-Offs  in  Web  Page  Behavioral  Abstractions
■260    ▼a[Sl]▼bUniversity  of  Illinois  at  Urbana-Champaign▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a114  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-11,  Section:  A.
■500    ▼aAdvisor:  Bailey,  Michael.
■5021  ▼aThesis  (Ph.D.)--University  of  Illinois  at  Urbana-Champaign,  2023.
■520    ▼aModern  web  pages  are  highly  dynamic,  often  deriving  not  just  their  behavior  but  also  their  structure  from  the  execution  of  JavaScript  code.  Important  page  functionality  commonly  continues  well  past  a  page  load  event.  As  a  result,  web  pages  must  be  treated  as  applications  running  continuously  in  a  browser  rather  than  static  entities  which  are  simply  downloaded  and  rendered.  A  failure  to  adopt  this  behavioral  approach  in  web  measurement  risks  overlooking  important  web  page  characteristics  and  oversimplifying  pages,  sites,  and  the  ecosystem  as  a  whole.  Accordingly,  studies  have  increasingly  leveraged  different  forms  of  browser  instrumentation  which  produce  distinct  abstractions  of  web  page  behavior.  These  abstractions  are  not  interchangeable.  The  benefits  of  a  particular  abstraction  in  terms  of  the  level  of  detail  and  the  semantic  value  of  the  resultant  dataset  must  be  weighed  against  costs,  including  the  overhead  of  instrumentation,  computing  resources,  and  analysis  effort.  When  researchers  select  representations  of  web  page  behavior  that  are  poorly  suited  to  answer  their  research  questions,  they  risk  gathering  inadequate  data,  overcomplicating  their  studies,  or  both.This  thesis  outlines  and  explores  a  framework  for  reasoning  about  trade-offs  between  web  page  abstractions  in  empirical  studies.  Our  framework  consists  of  four  distinct  categories  of  behavioral  page  representations:  Inputs  and  Outputs,  Feature  Usage,  Runtime  Behavior,  and  Execution  Traces.  In  the  context  of  this  framework,  we  present  a  series  of  applied  web  measurement  studies,  which  investigate  topics  including  real-time  technology  adoption,  covert  in-browser  crypto-mining  (or  "cryptojacking"),  browser  fingerprinting,  JavaScript  code  obfuscation,  and  online  scams.  For  each  study,  we  examine  the  costs  and  benefits  of  our  chosen  abstractions  in  the  context  of  our  framework  and  consider  how  different  methodologies  might  alter  study  results.  We  generalize  our  findings,  discussing  the  affordances  of  each  category  in  our  framework  and  offering  insights  into  the  types  of  research  questions  each  category  is  best  suited  to  address.  We  argue  that  a  structured  approach  to  weighing  trade-offs  between  abstractions,  such  as  the  one  presented  here,  leads  to  more  efficient  and  effective  studies,  and  clarifies  areas  of  need  for  future  work  in  the  development  of  new  behavioral  web  measurement  techniques.
■590    ▼aSchool  code:  0090.
■650  4▼aComputer  science
■650  4▼aEngineering
■650  4▼aCommunication
■650  4▼aInformation  technology
■653    ▼aWeb  crawling
■653    ▼aBehavioral  measurement
■653    ▼aWeb  pages
■653    ▼aJavaScript  code
■690    ▼a0984
■690    ▼a0489
■690    ▼a0459
■690    ▼a0537
■71020▼aUniversity  of  Illinois  at  Urbana-Champaign▼bComputer  Science.
■7730  ▼tDissertations  Abstracts  International▼g86-11A.
■790    ▼a0090
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17365849▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서