Web Platform Tests项目新增Protected Audience k-匿名性WebDriver支持
Web Platform Tests(简称WPT)是一个由W3C和浏览器厂商共同维护的跨浏览器Web平台测试套件,旨在确保Web标准的正确实现和互操作性。该项目包含了数以万计的自动化测试用例,覆盖了HTML、CSS、JavaScript等Web技术的各个方面。
背景与意义
在数字广告领域,隐私保护日益受到重视。Protected Audience API(前身为FLEDGE)是Google提出的隐私沙箱计划中的关键组件,旨在替代第三方Cookie,提供一种保护用户隐私的广告定位方案。其中,k-匿名性(k-anonymity)是该API的重要隐私保护机制,确保只有当足够数量(k)的用户具有相同特征时,才能进行相关操作,从而防止个体被单独识别。
技术更新内容
本次WPT项目更新主要增加了对WebDriver控制Protected Audience k-匿名性值的支持。具体包括:
-
新增了
test_driver.set_protected_audience_k_anonymityWebDriver命令,允许测试脚本动态设置k-匿名性阈值。 -
添加了一系列Web平台测试用例,用于验证Chrome浏览器是否正确执行k-匿名性强制机制。
技术实现细节
k-匿名性机制的核心在于确保任何操作都基于足够大的用户群体,而非个体。在Protected Audience API中,这意味着:
- 广告兴趣分组(Interest Groups)的加入和更新操作需要满足k-匿名性要求
- 只有当足够数量的用户加入了相同兴趣分组时,相关操作才会被允许
- 浏览器需要维护一个本地数据库,跟踪各兴趣分组的加入人数
新增的WebDriver命令使测试人员能够:
- 模拟不同k值下的系统行为
- 验证浏览器是否正确拒绝不满足k-匿名性要求的操作
- 测试边界条件下的系统稳定性
测试用例设计
新增的测试用例主要验证以下场景:
- 当兴趣分组加入人数低于k值时,相关操作是否被正确阻止
- 当达到k值阈值时,操作是否被允许
- 跨不同k值设置下的行为一致性
- 隐私保护机制是否在各种边界条件下仍然有效
对开发者的影响
这一更新为开发者带来了以下便利:
- 更便捷地测试与Protected Audience API相关的隐私保护功能
- 能够在不同k值配置下验证应用行为
- 提高了隐私相关功能的测试覆盖率
- 促进了不同浏览器实现的一致性
总结
WPT项目此次更新反映了Web平台对隐私保护技术的持续投入。通过为Protected Audience API的k-匿名性机制添加WebDriver支持和测试用例,不仅提升了该功能的可测试性,也为开发者提供了更完善的工具来构建隐私友好的Web应用。这种在测试基础设施层面的支持,对于推动隐私保护技术在Web平台的广泛应用具有重要意义。
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-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