Brave浏览器iOS版新标签页广告确认机制修复解析
2025-05-12 12:01:59作者:胡唯隽
Brave浏览器作为一款注重隐私保护的浏览器,其内置的Brave Rewards系统允许用户通过观看隐私保护的广告获得奖励。近期,Brave团队针对iOS版本中新标签页(NTT)广告确认机制存在的问题进行了修复,本文将深入解析这一修复的技术细节。
问题背景
在Brave浏览器的iOS版本中,当用户打开新标签页时,系统会展示广告内容。按照设计,用户与这些广告的交互(包括查看和点击)应该触发确认机制,这些确认信息会被发送到服务器以记录用户行为并计算奖励。然而,在某些情况下,这些确认信息未能正确发送,影响了用户的奖励获取体验。
技术原理
Brave Rewards系统采用了一套完整的广告交互确认机制:
- 广告展示确认:当新标签页广告展示时,系统会生成一个"viewed"确认
- 用户交互确认:当用户点击广告时,系统会生成"clicked"确认
- 页面加载确认:当广告目标页面成功加载后,系统会生成"landed"确认
每个确认都包含以下关键信息:
- 交易ID(transactionId):唯一标识此次交互
- 创意实例ID(creativeInstanceId):标识具体的广告内容
- 时间戳:记录交互发生的时间
- 加密支付令牌:用于保护用户隐私的加密信息
修复内容
此次修复主要针对iOS 1.77.93及以上版本,解决了以下问题:
- 确认信息生成问题:确保新标签页广告展示时能正确生成"viewed"确认
- 点击确认可靠性:修复了点击广告后"clicked"确认可能丢失的问题
- 网络请求优化:改进了确认信息发送的网络请求机制,提高了成功率
实现细节
从日志分析可以看出修复后的确认流程:
-
广告展示流程:
- 系统检测到新标签页广告展示
- 生成包含唯一交易ID和创意实例ID的"viewed"确认
- 将确认信息加入处理队列
- 5秒后发送到服务器
-
广告点击流程:
- 用户点击广告后立即生成"clicked"确认
- 同时开始加载目标页面
- 页面加载成功后生成"landed"确认
- 两个确认都经过相同的时间延迟处理后发送
-
支付令牌处理:
- 确认信息发送15秒后,系统会获取支付令牌
- 多个令牌会批量处理,通常在约55分钟后统一兑换
技术意义
这一修复不仅解决了iOS用户获取奖励的问题,更重要的是:
- 提升了系统可靠性:确保所有广告交互都能被准确记录
- 保护了用户权益:防止因技术问题导致用户应得奖励的损失
- 优化了性能:通过延迟处理和批量兑换机制减少了网络请求
总结
Brave浏览器团队对iOS版新标签页广告确认机制的修复,体现了其对用户体验的重视和技术实现的严谨性。这一修复确保了奖励系统的公平性和可靠性,让iOS用户能够与其他平台用户一样,完整地享受Brave Rewards带来的隐私保护广告体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217