MARC

 008260126s2025        us                              c    eng  d
■001000017360481
■00520260202105534
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263341657
■035    ▼a(MiAaPQ)AAI32309975
■035    ▼a(MiAaPQ)GeorgiaTech77926
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a650
■1001  ▼aXie,  Qinge.
■24510▼aBuilding  Empirically-Driven  Solutions  for  Enhancing  the  Security  and  Privacy  of  Popular  Internet  Services
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a151  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Li,  Frank.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aThe  Internet  has  become  an  integral  part  of  everyday  life,  enabling  communication,  commerce,  and  access  to  information.  However,  as  Internet  users  increasingly  depend  on  online  services,  they  are  also  exposed  to  growing  risks  associated  with  security  breaches,  abuse  of  personal  information,  and  violations  of  privacy.  Many  popular  Internet  services,  despite  their  importance,  remain  vulnerable  to  abuse  and  lack  thorough  auditing,  thus  posing  undesirable  security  and  privacy  risks.  These  risks  affect  users  by  exposing  their  personal  information  and  online  activities,  while  also  making  it  difficult  for  researchers  to  analyze  or  build  on  these  services  in  the  security,  privacy,  and  measurement  research.To  contribute  to  the  advancement  of  a  more  secure  and  privacy-respecting  Internet,  this  dissertation  focuses  on  studying  three  popular  Internet  services:  Internet  domain  top  lists,  browser  extensions,  and  web  privacy  policies.  My  work  uses  real-world  measurements  to  empirically  inform  the  design  of  practical  and  effective  solutions  for  enhancing  the  security  and  privacy  of  these  services.  In  Chapter  3,  I  identify  several  undesirable  properties  in  widely  used  domain  lists  and  build  a  secure  and  reliable  alternative  from  scratch.  In  Chapter  4,  I  explore  the  privacy  risks  of  the  browser  extension  ecosystem  by  designing  a  dynamic  taint-tracking  system  for  Chrome  extensions,  enabling  fine-grained  analysis  of  how  user  data  flows  from  web  pages  and  is  potentially  exfiltrated.  In  Chapter  5,  I  address  the  growing  need  to  evaluate  web  privacy  policies  under  modern  privacy  regulations  by  developing  an  LLM-based  framework.  My  LLM-based  framework  demonstrates  improved  accuracy,  coverage,  and  adaptability  compared  to  prior  approaches.Through  the  studies  presented  in  this  dissertation,  I  find  that  popular  online  services  continue  to  exhibit  undesirable  security  and  privacy  issues,  and  I  empirically  demonstrate  that  my  proposed  solutions  can  effectively  enhance  their  security  and  privacy.  This  work  also  highlights  the  need  for  increased  auditing  and  the  development  of  effective  approaches  to  address  the  risks  these  services  pose  to  online  users.
■590    ▼aSchool  code:  0078.
■650  4▼aPersonal  information
■650  4▼aInternet
■650  4▼aTelemetry
■650  4▼aURLs
■650  4▼aDesign
■650  4▼aWebsites
■650  4▼aAccess  to  information
■650  4▼aThird  party
■650  4▼aPrivacy
■650  4▼aPopularity
■650  4▼aWeb  studies
■690    ▼a0389
■690    ▼a0646
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360481▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서