提升隐私保护:pyllyukko/user.js项目中的Referer头部优化策略
在浏览器隐私保护领域,Referer头部的处理一直是个重要话题。pyllyukko/user.js项目作为Firefox隐私强化配置的标杆,近期对其Referer相关设置进行了重要更新。
Referer头部是HTTP协议中的一个标准字段,用于告知服务器当前请求是从哪个页面链接过来的。然而,这个功能在带来便利的同时也带来了隐私风险——它可能泄露用户的浏览历史和敏感信息。
pyllyukko/user.js项目新增了两项关键配置来优化Referer头部的发送行为:
-
network.http.referer.trimmingPolicy = 2 这个设置将Referer头部信息精简到最低必要程度,仅包含协议(scheme)、主机名(host)和端口号(port)。例如,原本可能发送"https://example.com/page.html?id=123"的完整URL,现在只会发送"https://example.com"。
-
network.http.referer.XOriginTrimmingPolicy = 2 这个设置专门针对跨域请求,同样将Referer信息精简到协议、主机名和端口号。跨域请求是指从一个网站向另一个不同域名的网站发起的请求,这种场景下更需要保护用户隐私。
这两个设置的值为2时提供了最强的隐私保护级别,相比默认值0(发送完整URL)或1(去掉查询参数但保留路径)更加安全。这种配置可以有效防止:
- 第三方跟踪用户的具体浏览路径
- 敏感信息通过URL参数泄露
- 跨站点请求伪造(CSRF)攻击
值得注意的是,这种配置可能会影响某些依赖完整Referer信息的网站功能,但现代网站设计通常已经考虑到了Referer信息可能被限制的情况。对于绝大多数用户来说,这种隐私保护的收益远大于可能带来的极小兼容性问题。
pyllyukko/user.js项目的这一更新体现了其持续关注用户隐私保护的承诺,为Firefox用户提供了更强大的隐私防护能力。这些设置在保持基本网站功能的同时,最大限度地减少了个人信息泄露的风险。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00