AdNauseam项目中的DailyMotion视频广告过滤问题解析
2025-06-11 16:30:27作者:郜逊炳
在AdNauseam广告拦截项目中,开发者发现了一个关于DailyMotion视频平台广告过滤的特殊问题。这个问题表现为在Chrome浏览器上播放只有声音没有画面的视频广告,而在Firefox浏览器上则显示广告拦截检测提示。
问题现象分析
当用户在DailyMotion平台观看视频时,AdNauseam未能完全拦截视频广告,导致出现以下两种异常情况:
- 在Chrome浏览器中:播放只有音频没有画面的视频广告
- 在Firefox浏览器中:显示广告拦截器检测提示
值得注意的是,使用uBlock Origin时这些问题不会出现,这表明这是AdNauseam特有的问题。
技术调查过程
开发团队经过深入调查,发现问题的核心在于AdNauseam的静态过滤引擎与uBlock Origin在处理通用隐藏(generichide)规则时的差异。具体来说:
- uBlock Origin使用了一条关键规则:
@@||dailymotion.com^$ghide
这条规则作为例外规则,会关闭匹配页面上的通用元素隐藏功能。
- 在AdNauseam中,由于使用了独立的元素隐藏系统来收集广告,导致这类例外规则未被正确处理,进而触发了广告拦截检测机制。
解决方案探索
开发团队考虑了多种解决方案:
- 启用generichide功能:虽然可以解决检测问题,但会导致更多广告在其他网站上显示
- 自动启用严格模式:在generichide例外页面上自动切换
- 创建特定例外规则:针对DailyMotion平台单独处理
最终,团队选择了最精确的解决方案:为DailyMotion添加特定的元素隐藏例外规则:
dailymotion.com#@#.ad_box
技术原理深入
这个案例揭示了广告拦截器开发中的几个重要技术点:
-
通用隐藏(generichide):这是一种特殊的过滤规则类型,用于控制全局元素隐藏行为。当作为例外规则使用时,它可以防止特定网站上的通用隐藏规则生效。
-
广告拦截检测机制:许多网站会检查某些DOM元素是否被隐藏,以此判断用户是否使用了广告拦截器。如果拦截器隐藏了不该隐藏的元素,就可能触发这种检测。
-
跨浏览器差异:不同浏览器对广告拦截检测的实现可能有所不同,这解释了为什么问题在Chrome和Firefox上表现不同。
项目启示
这个问题的解决过程为广告拦截器开发提供了宝贵经验:
- 在实现广告收集功能时,需要特别注意与现有过滤规则的兼容性
- 通用规则的例外处理需要特别谨慎,可能对功能产生广泛影响
- 针对特定平台的定制化解决方案有时比通用方案更有效
AdNauseam团队通过这个案例进一步优化了其过滤系统,提升了在各种视频平台上的广告拦截效果,同时避免了被检测的风险。这种精细化的处理方式体现了专业广告拦截器开发的技术深度。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
132
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
746
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
199
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460