uBlock Origin Lite 中关于 DailyMail 广告屏蔽检测问题的技术分析
问题背景
在 uBlock Origin Lite 项目中,用户报告了访问 DailyMail 网站时出现的广告屏蔽检测问题。当用户使用"Complete"过滤模式时,网站底部会显示警告提示覆盖层,提示用户"由于广告或脚本拦截软件干扰了此页面"。
技术分析
经过项目组成员的深入调查,发现该问题源于 EasyList 中的一个通用 CSS 选择器规则##display-ad-component。这条规则会直接作为 CSS 规则注入页面,而 uBlock Origin Lite 目前对这类高度通用的 CSS 选择器规则不支持站点级例外。
值得注意的是,uBO 主项目中有对应的例外规则#@#display-ad-component,但在 Lite 版本中这种例外机制尚未实现。这是因为高度通用的 CSS 选择器规则是直接作为 CSS 注入的,无法像其他类型的元素隐藏规则那样通过内容脚本注入来实现站点级例外。
解决方案
项目组提出了几种解决方案:
-
使用 Optimal 模式:这是最简单的解决方案,用户只需将过滤模式从"Complete"切换为"Optimal"即可绕过检测。Optimal 模式避免了使用那些可能导致副作用的通用规则。
-
添加特定元素隐藏规则:项目组考虑添加
dailymail.co.uk##ad-slot这样的特定规则来隐藏占位符,这样即使在 Optimal 模式下也能获得良好的用户体验。 -
使用 ghide 参数:虽然技术上可行,但仍需要额外添加规则来处理占位符问题。
技术启示
这个案例揭示了广告拦截技术中一个重要的技术权衡:通用性与精确性的平衡。高度通用的 CSS 选择器规则虽然能广泛拦截广告,但也可能引发误报和检测问题。而特定站点的规则虽然精确,但需要更多的维护工作。
对于 uBlock Origin Lite 这样的轻量级扩展,选择 Optimal 模式作为默认设置是一个明智的折中方案,它能在保持良好拦截效果的同时,最大限度地减少与网站的冲突。
用户建议
对于遇到类似问题的用户,建议:
- 首先尝试切换到 Optimal 过滤模式
- 如果问题仍然存在,可以尝试手动添加特定站点的元素隐藏规则
- 关注项目更新,未来版本可能会改进对通用规则例外的支持
这个案例也提醒我们,广告拦截是一个持续的技术对抗过程,需要拦截工具开发者不断调整策略来应对网站的反制措施。
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