AdGuard浏览器扩展中$popup修饰符导致简单规则失效问题分析
2025-06-24 11:19:07作者:房伟宁
问题背景
AdGuard浏览器扩展是一款广受欢迎的广告拦截工具,它通过规则过滤机制来阻止网页上的各种广告和追踪请求。在最新版本4.3.26 beta中,用户报告了一个关于规则优先级处理的问题,导致某些本应被拦截的请求未被正确阻止。
问题现象
当用户同时添加以下两条规则时:
/gtm.js?$popup
||data.r.pl^
访问r.pl网站时,预期应该被第二条规则拦截的请求https://data.r.pl/gtm.js?id=GTM-5S6834却未被阻止。经过分析发现,这是由于规则优先级处理机制存在问题。
技术分析
规则优先级机制
AdGuard的规则引擎在处理请求时会评估所有匹配的规则,并选择最"具体"的规则来应用。在这个案例中:
/gtm.js?$popup规则使用了$popup修饰符,这个修饰符原本设计用于阻止弹出窗口(document请求)||data.r.pl^是一个基本的域名级拦截规则
问题出在规则优先级计算上:引擎给带有修饰符的规则(/gtm.js?$popup)赋予了更高的优先级(+1权重),但实际上这个修饰符并不适用于非document请求。
根本原因
- 修饰符适用性判断滞后:引擎先进行规则优先级排序,再进行修饰符适用性检查
- 权重分配不当:$popup修饰符被赋予了不恰当的优先级提升,尽管它对非document请求无效
- 处理流程问题:当高优先级规则不适用时,引擎没有回退到次优的匹配规则
解决方案
开发团队修复了这个问题,主要改动包括:
- 优化规则优先级计算:调整了$popup修饰符的权重分配策略
- 改进处理流程:确保在高级规则不适用时能正确回退到基础规则
- 增强修饰符适用性检查:更早地判断修饰符是否适用于当前请求类型
技术启示
这个案例展示了广告拦截工具中规则引擎设计的几个关键点:
- 规则优先级算法需要精心设计,考虑各种修饰符的实际适用场景
- 请求类型判断应该在规则匹配早期进行,避免无效的优先级提升
- 回退机制对于保证拦截效果至关重要,当特定规则不适用时应考虑其他匹配规则
影响版本与修复
该问题影响AdGuard浏览器扩展4.3.x系列,已在v4.3.x patch 3版本中修复。用户更新到最新版本后即可解决此问题。
对于规则编写者而言,这个案例也提醒我们:在使用修饰符时需要充分了解其适用场景,避免因修饰符使用不当导致意外的拦截行为。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220