بهبود دقت افزونه های مسدودکننده تبلیغات تصویری در مرورگرهای اینترنتی توسط مفاهیم یادگیری عمیق

اشکال متفاوتی از تبلیغات آنلاین همانند بنرهای متحرک، تصاویر، انیمیشن و پنجره های بازشو توسط مرورگرهای اینترنتی به کاربران فضای اینترنت نمایش داده میشود. تبلیغات تصویری آنلاین عموما باعث کاهش پهنای باند و افزایش هزینه های کاربران شده و حریم خصوصی آنها را نیز تحت تاثیر قرار خواهد داد. برای مقابله با این موارد، کاربران در قالب افزونه های مختلف از روشهایی همانند فیلترینگ، نرم افزاری، سخت افزاری و محدود نمودن DNS برای مسدود کردن تبلیغات تصویری در مرورگرهای اینترنتی استفاده مینمایند. از مهمترین افزونه های مسدودکننده تبلیغات تصویری در مرورگرهای اینترنتی میتوان به AdBlock، AdBlock Plus، Adguard و Ghostery اشاره نمود که علیرغم استفاده از روشهایی همانند شبکه های عصبی اما همچنان با چالش دقت ناکافی جهت مسدود کردن این نوع از تبلیغات مواجه هستند. در این پژوهش از توانمندیهای روش یادگیری عمیق استفاده و روشی نوین جهت افزایش دقت افزونه های مسدودکننده تبلیغات تصویری در مرورگرهای اینترنتی ارائه نمودهایم. روش پیشنهادی و روشهای مورد مقایسه پژوهش ابتدا توسط مجموعه داده های معتبر UCI شامل مشخصات ۳۲۷۹ تصویر تبلیغاتی و غیرتبلیغاتی و توسط نرم افزار متلب آموزش یافته و پیاده سازی شده است. در ادامه از معیارهای تجزیه وتحلیل پژوهش همانند ماتریس درهم ریختگی و Accuracy استفاده نموده و میزان دقت روش پژوهش و روشهای مورد مقایسه تشخیص و مسدود کردن تبلیغات تصویری در مرورگرهای اینترنتی را استخراج نموده ایم. مطابق نتایج ارزیابی به دست آمده، روش یادگیری عمیق پیشنهادی دقتی معادل با ۰,۹۶۰۶ را حاصل نموده است که نسبت به روشهای مورد مقایسه بهبود قابل ملاحظه ای داشته است.