تحليل حركة المرور
لماذا هذا مهم التشفير يخفي ما تقوله، لكنه لا يخفي متى تقوله أو كم تقوله. مراقبة توقيت حركة البيانات فقط يمكن أن تكشف من يتحدث مع من، حتى عبر شبكة مجهولة. رؤية ذلك يعمل على تدفقات محاكاة توضح ما يمكن لـ Tor وعده وما لا يمكنه، ولماذا يكلف أقوى دفاع الكثير.
تخيل أنك لا تستطيع فتح منشورات أي شخص، ولكن يمكنك الوقوف عند مكتبين للبريد. في كل مرة تخرج فيها دفعة من الرسائل من منزل Ana، تصل دفعة مماثلة إلى عيادة بعد لحظة. أنت لا تقرأ أي كلمة أبدا، ومع ذلك يمكنك تخمين أن Ana تكتب إلى العيادة.
Metadata: بيانات حول الرسالة بدلا من محتواها: متى تم إرسالها، وحجمها، ومصدرها، ووجهتها.
تحليل حركة المرور: تعلم الأشياء من نمط الاتصال (التوقيت، الأحجام، الأحجام الكلية) دون قراءة المحتويات.
الإعداد
يراقب مكانين: الرابط بين المستخدمين وحراسهم، والرابط بين المخارج والمواقع الإلكترونية. توفر الدالة tor_flows(seed) في watched.leg7b_onion تسجيلات محاكاة لكليهما. كل حزمة هي cell، وهي وحدة حركة مرور Tor ثابتة الحجم (514 بايت)، لذا لا يخبرك الحجم بأي شيء. التوقيت هو كل ما تملكه. أسماء التدفقات على الجانبين مبعثرة، والجانب الخارج متأخر قليلاً.
from watched.leg7b_onion import tor_flows
flows = tor_flows(seed=1)
print(flows["entry"][0]["flow"]) # e01
print(flows["entry"][0]["packets"][:3]) # [(time_in_seconds, size), ...]
print(flows["exit"][0]["flow"]) # x01, but which user is it?
# flows["answers"] holds the truth, so you can score your guesses.الخطوة 1: تحويل الحزم إلى شكل
عُدّ عدد الحزم التي تقع في كل ثانية: الثانية 0 تضم الأوقات من 0 حتى 1 (دون أن تشملها)، وهكذا. يعطي int(t) الثانية التي ينتمي إليها وقت ما. يصبح التدفق قائمة مثل [0, 7, 9, 1, 0, 0, 6, ...]: شكله عبر الزمن.
الخطوة 2: مقارنة شكلين
Correlation: رقم من -1 إلى 1 يوضح مدى ارتفاع وانخفاض قائمتين معاً. 1 يعني تطابقاً تاماً، 0 يعني عدم وجود علاقة. لغة Python توفرها مدمجة: statistics.correlation(a, b).
إذا كانت القائمة لا تتغير أبدا (كل القيم متساوية)، فإن الارتباط غير معرف ويقوم Python برفع statistics.StatisticsError. قم بالتقاط الخطأ واستخدم 0.0، مما يعني "لا يوجد دليل لأي من الطرفين".
import statistics
print(statistics.correlation([1, 5, 2, 8], [2, 9, 3, 15])) # close to 1: in step
try:
statistics.correlation([3, 3, 3], [1, 2, 3])
except statistics.StatisticsError:
print("a flat list has no correlation")الخطوة 3: مطابقة كل تدفق دخول مع تدفق خروج الأكثر تشابهاً
لكل تدفق دخول، جرب كل تدفق خروج واحتفظ بالذي لديه أعلى ارتباط. في هذه المحاكاة، هذا وحده يقرن الجميع بشكل صحيح تقريبًا. الهجمات الحقيقية من هذا النوع، التي درسها الباحثون، تعمل بنفس الروح.
الدفاعات، وسعرها
- حركة تغطية عشوائية: إضافة خلايا وهمية في أوقات عشوائية. هذا يطمس الشكل قليلاً، لكن الانفجارات لا تزال بارزة. سترى أنها بالكاد تساعد.
- معدل ثابت: إرسال نفس العدد من الخلايا بالضبط كل ثانية، مع ملء الفجوات ببيانات وهمية وجعل الخلايا الحقيقية تنتظر دورها. تبدو كل ثانية متطابقة، لذا يختفي الشكل. الثمن هو عرض النطاق الترددي (كل تلك البيانات الوهمية) والتأخير (تنتظر الخلايا في طابور أثناء الاندفاعات).
Tor حشوة بسيطة لتمويه سجلات الاتصال الخشنة، لكنه لا يخفي شكل حركة مرورك عن شخص يمكنه مراقبة كلا الطرفين (تم التحقق في أكتوبر 2026). يختار تأخيراً منخفضاً لتبقى الشبكة قابلة للاستخدام. الدرس النهائي في هذه الوحدة يستعرض الشبكات التي تختار الطريقة الأخرى.
سوء فهم شائع: "إذا تم تشفير كل شيء، فلن يتمكن أحد من معرفة مع من أتحدث." التشفير يخفي المحتويات. التوقيت والحجم لا يزالان مرئيين، وغالبا ما يكونان كافيين.
يستخدم هذا المختبر تدفقات محاكاة فقط. يتعلق الأمر بفهم المخاطر حتى تتمكن من الحكم على الدفاعات؛ إنه ليس طريقة لمراقبة أشخاص حقيقيين، والشبكات الحقيقية أكثر ضجيجا بكثير.
في لغات أخرى
حساب عدد الحزم في الثانية وحساب الارتباط، في مكان آخر:
// JavaScript
function countsPerSecond(packets, seconds) {
const counts = new Array(seconds).fill(0);
for (const [t] of packets) if (t >= 0 && t < seconds) counts[Math.floor(t)]++;
return counts;
}
function correlation(a, b) {
const n = a.length, ma = a.reduce((x, y) => x + y) / n, mb = b.reduce((x, y) => x + y) / n;
let num = 0, da = 0, db = 0;
for (let i = 0; i < n; i++) { num += (a[i]-ma)*(b[i]-mb); da += (a[i]-ma)**2; db += (b[i]-mb)**2; }
return da && db ? num / Math.sqrt(da * db) : 0;
}// Go
func countsPerSecond(times []float64, seconds int) []int {
counts := make([]int, seconds)
for _, t := range times {
if t >= 0 && t < float64(seconds) { counts[int(t)]++ }
}
return counts
}ملخص
- تُخفي Encryption المحتويات، وليس التوقيت أو الحجم (metadata).
- يمنح حساب عدد الحزم في الثانية لكل تدفق شكلاً معيناً؛ ويجد الارتباط الأشكال المتطابقة عند كلا الطرفين.
- حركة التغطية العشوائية بالكاد تساعد؛ الإرسال بمعدل ثابت يخفي الشكل لكنه يستهلك عرض النطاق الترددي ويسبب تأخيرا. يفضل
- Tor التأخير المنخفض، لذا لا يمكنه إيقاف شخص يشاهد الطرفين معا.
اكتب أربع functions، ثم استخدمها على tor_flows(seed=1):
counts_per_second(packets, seconds): قائمة من أرقامseconds، عدد الحزم التي يحقق وقتهاtالشرط0 <= t < seconds، موضوعة في المؤشرint(t).similarity(a, b):statistics.correlation(a, b)، أو0.0إذا كان ذلك يسببstatistics.StatisticsError.match(entry, exits, seconds): قاموس يربط معرف"flow"لكل تدفق دخول بمعرف تدفق الخروج ذي أعلى تشابه.accuracy(guesses, answers): كسر المعرفات فيanswersالتي كانت تخميناتك صحيحة فيها.
acc_plain (بدون دفاع)، acc_cover (جانب الدخول بعد add_cover_traffic(flows["entry"], rate=20, seed=1, seconds=S)) و acc_constant (جانب الدخول بعد constant_rate(flows["entry"], per_second=10, seconds=S)). تستخدم الاختبارات أيضاً تسجيلات جديدة.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.