Arkenfox user.js项目:Firefox 136版本隐私保护配置深度解析
Firefox 136版本带来了多项隐私保护相关的配置变更,作为专注于Firefox隐私强化的arkenfox/user.js项目,这些变化对用户隐私配置有着重要影响。本文将深入分析这些变更的技术细节和实际影响。
新增隐私相关配置项
Firefox 136引入了一个重要的隐私相关配置项:privacy.resistFingerprinting.skipEarlyBlankFirstPaint,该选项默认启用。这项配置主要解决当启用抵抗指纹识别(RFP)功能时,浏览器启动时可能出现的窗口大小调整闪烁问题。
具体来说,当RFP的"RoundWindowSize"功能启用时,浏览器会调整窗口尺寸到预设值。在调整过程中,用户可能会先看到一个空白窗口,然后才看到调整后的窗口。这个新配置项允许跳过早期的空白绘制阶段,直接显示正确尺寸的窗口,从而提供更流畅的用户体验。
数据清理配置重构
Firefox 136对数据清理相关的配置进行了重要重构,主要体现在三个方面:
-
启动时清理配置:将原来的
privacy.clearOnShutdown配置细化为两个独立选项:privacy.clearOnShutdown_v2.browsingHistoryAndDownloads:控制是否清理浏览历史记录和下载记录privacy.clearOnShutdown_v2.formdata:控制是否清理表单数据
-
站点数据清理:同样将
privacy.clearSiteData拆分为:privacy.clearSiteData.browsingHistoryAndDownloadsprivacy.clearSiteData.formdata
-
历史记录清理:
privacy.clearHistory也被拆分为:privacy.clearHistory.browsingHistoryAndDownloadsprivacy.clearHistory.formdata
这种重构允许用户更精细地控制不同类型数据的清理行为,特别是将表单数据与其他浏览数据分离,提供了更灵活的隐私控制选项。
其他重要变更
-
HTTPS-First模式增强:
- 默认启用
dom.security.https_first,强制优先使用HTTPS连接 - 调整了
dom.security.https_only_fire_http_request_background_timer_ms超时时间从3000ms缩短到1500ms - 新增
dom.security.https_first_for_local_addresses和dom.security.https_first_for_unknown_suffixes配置项
- 默认启用
-
数据收集控制:
datareporting.usage.uploadEnabled现在由主开关datareporting.healthreport.uploadEnabled控制- 禁用
dom.security.unexpected_system_load_telemetry_enabled以减少遥测数据收集
-
Cookie管理:
- 启用
dom.cookieStore.enabled,提供了更现代的Cookie管理API - 新增
privacy.restrict3rdpartystorage.heuristic相关配置项,增强对第三方存储的限制
- 启用
实际应用建议
对于使用arkenfox/user.js项目的用户,建议关注以下配置调整:
-
窗口尺寸稳定性:如果使用RFP功能并遇到启动时窗口闪烁问题,可以确保
privacy.resistFingerprinting.skipEarlyBlankFirstPaint保持启用状态。 -
数据清理精细化:利用新的数据清理配置项,可以更精确地控制哪些数据需要在关闭时清理。例如,可以保留表单数据而清理浏览历史。
-
HTTPS强化:新的HTTPS-First配置提供了更强的安全保护,但可能需要根据实际网络环境调整对非标准端口的处理。
-
隐私保护增强:新的第三方存储限制和Cookie管理选项可以进一步增强隐私保护,但需要注意可能对网站功能的影响。
Firefox 136的这些变更反映了浏览器隐私保护技术的持续演进,arkenfox/user.js项目通过及时整合这些变化,帮助用户在隐私保护和功能可用性之间取得更好的平衡。
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