원하지 않는 리소스 필터링 개선을 위한 기계 학습 활용

광고는 대부분의 무료 웹 콘텐츠에 경제적 지원을 제공하는 동시에 최종 사용자에게 가장 큰 짜증을 유발합니다. 또한 현대 광고 생태계는 사용자 개인정보를 위반하는 추적 방법으로 가득 차 있습니다. 사용자는 광고주가 사용자를 추적하거나 광고를 표시하지 못하도록 광고 차단기를 설치하는 자연스러운 반응을 보입니다. 전통적인 광고 차단 소프트웨어는 웹 페이지에 포함된 리소스와 일치하는 크고 다루기 힘든 정규 표현식을 생성하기 위해 수작업으로 제작된 필터 표현식에 의존합니다. 이 과정은 많은 인력 개입이 필요하고 열악한 필터 생성을 유발할 수 있습니다. 우리는 기계 학습을 활용하여 인간 개입을 줄이면서 광고 차단을 위한 우수한 분류기를 부트스트랩하는 대안적인 접근 방식을 제안합니다. 우리의 분류기가 수작업으로 제작된 필터와 유사한 정확도를 동시에 유지하면서 추가적인 수작업 필터 규칙을 필요로 할 새로운 광고를 차단할 수 있음을 보여줍니다.