Brave浏览器iOS版新标签页广告确认机制修复解析
2025-05-12 03:36:38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
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210