该论文对Google Privacy Sandbox的采用情况进行了首次纵向、考虑用户同意的测量。Privacy Sandbox是Google旨在替代Web上侵犯隐私的数据收集方式的倡议，试图平衡隐私、广告功能和跨站追踪，但经历了多次重新设计且生态系统支持有限。2025年10月17日，Google宣布将逐步淘汰大部分Privacy Sandbox API，结束了近五年的实验。研究者使用自定义调用监听器，每周爬取前10,000个网站，在宣布淘汰前的几个月内监测所有主要API的使用情况。结果发现，早在Google宣布之前，API的采用已经停滞：大多数API仅被少数参与者使用，且其活动在整个研究期间持续下降。即使是Google计划保留的API也没有显示出增长迹象。唯一的例外是Cookies Having Independent Partitioned State (CHIPS)。总体而言，Privacy Sandbox的消亡使得实现隐私保护的兴趣导向广告的挑战仍未解决。论文的主要贡献在于提供了Privacy Sandbox实际部署情况的第一手量化数据，揭示了其采用失败的程度和原因。适合关注Web隐私、广告技术和浏览器标准的研究人员和工程师阅读。

在线行为广告及其相关的跟踪技术对用户隐私构成严重威胁。现有的隐私增强工具（如广告拦截器、防跟踪插件）在面对日益复杂的广告和跟踪系统时效果有限。为此，本文提出了HARPO（一种基于学习的系统），旨在通过混淆手段颠覆在线行为广告。HARPO采用强化学习（Reinforcement Learning）框架，自适应地在用户的真实页面浏览中穿插访问虚假页面，从而扭曲跟踪器对用户浏览画像的认知。具体而言，HARPO将用户与跟踪器的交互建模为一个序贯决策问题，智能体（agent）根据当前状态选择行动（访问真实页面或虚假页面），以最大化隐私收益（如错误兴趣分段数量、出价干扰等）。实验评估基于真实世界的用户画像和广告定向模型，结果表明HARPO能够触发超过40%的错误兴趣分段，并将广告出价提升6倍以上（相比基准）。与现有的混淆工具相比，在相同开销下，HARPO的隐私提升幅度高达16倍。此外，HARPO在对抗检测方面也具有更好的隐蔽性，能够有效躲避跟踪器对混淆行为的识别。本研究的核心贡献在于：首次将强化学习应用于广告混淆领域；在真实广告系统中验证了有效性；展示了比现有方法更优的隐私保护效果与抗检测能力。适合关注在线隐私、广告技术、强化学习应用的安全研究人员阅读。