Toestelle-ooreenstemming
Waarom dit saak maak Jy gebruik dalk 'n foon op die bus, 'n laptop by die werk en 'n tablet op die bank, elk met sy eie cookies. Advertensiemaatskappye wil verkies dat hulle weet dat dit almal een persoon is. Hierdie laboratorium wys die leidrade wat hulle gebruik, hoe gereeld daardie leidrade verkeerd is, en watter leidraad verreweg die sterkste is: inlog.
Verbind die kolle
Stel jou 'n speurder voor met drie aparte notaboeke, een vir elke toestel. Elke notaboek lys waar die toestel aanlyn gegaan het en wanneer. Die speurder se werk is om te besluit watter notaboeke aan dieselfde persoon behoort. Niemand vertel vir hulle nie; hulle raai uit oorklappinge.
Toestyg-ooreenstemming: besluit dat verskeie toestelle aan een persoon behoort. Deterministiese ooreenstemming gebruik 'n seker skakel, soos dieselfde rekening wat op albei aangemeld is. Probabilistiese ooreenstemming gebruik waarskynlike skakels, soos dieselfde tuisnetwerk of dieselfde ure van gebruik, en aanvaar sommige foute.
IP-adres: die netwerkadres waar 'n toestel se verkeer vandaan kom. Elke toestel agter een tuis-router deel gewoonlik die huis se adres, en baie fone op 'n mobiele netwerk kan ook een adres deel.
Drie leidrade
- A gedeelde aanmelding: dieselfde rekening op twee toestelle. Baie sterk.
- A gedeelde IP-adres: dui op dieselfde huishouding, kantoor of mobiele netwerk, nie noodzakelik die selfde persoon nie.
- Gelyke ure: twee toestelle aktief op dieselfde tye van die dag.
Ons oefenhuishoudings kom van synthetic_households(), wat 'n lys van gebeure en die antwoordsleutel teruggee. Elke gebeur is {"device": "phone-004", "ip": "203.0.113.7", "hour": 21, "login": "acct-1f2e3d"}, met "login": None wanneer niemand ingeteken was nie. Die adresse is uit reekse wat gereserveer is vir dokumentasie, nooit gebruik op die regte internet nie.
Sets maak oorklapping maklik
A Python set is 'n sak van unieke waardes, wat set() as leeg geskryf word. s.add(x) sit 'n waarde in. a & b gee die waardes in beide stelle en a | b die waardes in een van die stelle. 'n Leë stel tel as false in 'n if:
a = {9, 21, 22}
b = {8, 21, 22, 23}
print(a & b) # {21, 22}
print(len(a & b) / len(a | b)) # 2 / 5 = 0.4, the share of hours in common
if a & b:
print("they overlap")
Skoring en beoordeling
Jy sal vir elke paar toestelle 'n telling gee: 3 vir 'n gedeelde login, 1 vir 'n gedeelde IP, plus die deel van ure wat hulle deel (0 tot 1). Pare by of bo 'n threshold tel as "deur dieselfde persoon". Dan meet jy twee dinge:
Precision: van die pare wat jy beweer het, die breuk wat reg was. Recall: van die ware pare, die breuk wat jy gevind het. 'n Versigtige matcher het hoë precision; 'n gierige een het hoë recall.
In ander tale
Oorlappering in JavaScript (JavaScript het geen &-operateur vir stelle nie; nuwer enjinses voeg 'n intersection()-metode by, en filterwerk oral):
const both = [...a.logins].some(x => b.logins.has(x));
const common = [...a.hours].filter(h => b.hours.has(h)).length;
const either = new Set([...a.hours, ...b.hours]).size;
const score = (both ? 3 : 0) + (either ? common / either : 0);En in C#:
var common = a.Hours.Intersect(b.Hours).Count();
var either = a.Hours.Union(b.Hours).Count();
double score = (a.Logins.Overlaps(b.Logins) ? 3 : 0) + (either > 0 ? (double)common / either : 0);Wat jy moet sien
By drumpel 1.0 is 'n gedeelde adres alleen genoeg, en presisie stort ineen: huisgenote, kollegas en vreemdelinge op dieselfde mobiele netwerk word almal saamgevoeg. By 1.5 is die matcher reg by ongeveer sewe van tien keer en vind dit ongeveer sewe van tien van die ware pare. By 3.0 tel net logins tel: byna elke aanspraak is reg, maar die meeste ware pare word gemis. Inlog is die een leidraad wat byna seker is.
Die verdediging
Blyf uit waar jy nie 'n rekening nodig het nie, en gebruik verskillende rekeninge (of geen) op toestelle wat jy apart wil hou. 'n VPN verander die IP-sein, maar nie die aanmelding of die ure nie. Die finale les van hierdie module bring dit saam.
Opsomming
- Toestelle word verbind deur aanmeldings ( amper seker), gedeelde IP-adresse en soortgelyke ure (albei raaiskoot).
- Gedeelde adresse verbind huishoudinge en netwerke, nie mense nie, so hulle veroorsaak baie vals ooreenkomste.
- Presisie en herroeping wys die afweging tussen versigtige en gierige ooreenstemming.
- Inlog is die sterkste leidraad wat jy weggee.
Skryf vier funksies. summarise(events) gee 'n dict wat elke toestel na {"ips": set, "hours": set, "logins": set} omskakel en None uit loginskappe uitlaat. pair_score(a, b) neem twee sulke opsommings en gee 3 terug as hulle login-sets 'n waarde deel, plus 1 as hulle IP-sets 'n waarde deel, plus die aantal ure in albei gedeel deur die aantal ure in een van hulle (0 as albei leeg is). match_devices(summaries, threshold) gee 'n set van tuples (a, b) met a < b vir elke paar toestelname waarvan die telling ten minste threshold is. precision_recall(predicted, truth) gee 'n tuple (precision, recall) en gebruik 0 wanneer 'n set leeg is.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.