المنهج الدراسي الدرس 50 من 156 · بناء أداة حظر
بناء أداة حظر

تجاوز بصمة الجهاز

لماذا هذا مهم منع نص برمجى لجمع البصمة الرقمية يعمل فقط إذا كانت قائمتك تعرف ذلك. الدفاع الأعمق هو جعل السمات نفسها غير مفيدة، بحيث لا يتعلم حتى النص البرمجى الذي يعمل أي شيء يميزك. يقيس هذا المختبر مقدار ما يساعد ذلك فعليا، بالبتات.

الجميع في معطف المطر نفسه

تخيل حشداً يرتدي فيه الجميع نفس معطف المطر الرمادي والقبعة. إن تحديد شخص واحد أمر صعب، ليس لأنك لا تستطيع رؤيتهم، بل لأنهم جميعاً يبدون متشابهين. هذا هو uniformity: حيث يبلغ المتصفح نفس القيم التي يبلغها الجميع باستخدام defence.

Fingerprint: مجموعة السمات التي يمكن للصفحة قراءتها عن متصفحك (حجم الشاشة، المنطقة الزمنية، الخطوط، بطاقة الرسومات وما إلى ذلك). يمكنها معاً التعرف على المتصفح بدون أي cookie.

Uniformity: دفاع حيث يبلغ المتصفح عن نفس القيم الثابتة كأي مستخدم آخر لنفس الدفاع. Tor Browser هو المثال الأكثر شهرة؛ Safari يقلل أيضا مما يكشفه (تم التحقق في أكتوبر 2026).

الدفاع الرئيسي الآخر هو randomisation (ويسميه Brave و Floati باسم farbling): إضافة ضوضاء صغيرة ومتغيرة بحيث تختلف السمة في كل موقع. تحاول هذه المختبرية تحقيق التماثل.

القياس بالبت

في الجزء 1 قابلت أجزاء الهوية: كل جزء يقسم الحشد إلى النصف. إليك طريقة عادلة لقياسها لشخص واحد في حشد:

bits = log2( (crowd size + 1) / (people who look exactly like you + 1) )

يعتبر + 1 أنت عضوا في الحشد. إذا لم يشبهك أحد في حشد من 5,000 شخص، فهذا يعني log2(5001 / 1)، حوالي 12.3 بت: فريد. إذا كان 4,999 شخصاً يشبهونك، فهذا يعني log2(5001 / 5000)، أقل من 0 بت تقريباً.

الخطة

  1. fingerprint_bits(crowd, fp): احسب الصفوف المساوية لـ fp في كل سمة في TRAIT_NAMES، ثم استخدم الصيغة.
  2. make_uniform(traits): أعد copy مع استبدال كل سمة في UNIFORM. يقوم dict(traits) بعمل نسخة؛ ويقوم copy.update(UNIFORM) بالكتابة فوق تلك المفاتيح.
  3. uniform_filter(traits, page): قم بتوصيله بـ Browser(world, trait_filter=uniform_filter) وكل script يقرأ القيم الموحدة.
  4. قم بقياس Sam (recorded_fingerprints()[0]) في 5,000 متصفح اصطناعي، قبل وبعد.

تفصيل صادق واحد في الخطوة 4: بالنسبة لرقم "بعد"، طبق make_uniform على الحشد بأكمله أيضاً. التماثل يخفيك فقط بين أشخاص آخرين يستخدمون نفس الدفاع. إذا كنت وحدك ترتدي معطف المطر الرمادي، فستبرز أكثر، وليس أقل.

ما الذي ستخبرك به الأرقام

ستقوم بإزالة أجزاء عدة، ولكن ليس جميعها. لا يزال Sam يبلغ عن نظام Linux ومتصفح أقل شيوعا، وهاتان الصفتان وحدهما تميزان مجموعة صغيرة. هذا هو الدرس الحقيقي للتوحيد: إنه يعمل بشكل أفضل عندما يكون everything متطابقا، بما في ذلك المتصفح نفسه. هذا هو السبب في أن Tor Browser يجعل كل مستخدم يبدو كمتصفح واحد على نفس نوع النظام، ولماذا يقرب حجم النافذة إلى خطوات قياسية قليلة (letterboxing).

A مفهوم خاطئ شائع

"تزييف قيمة نادرة يخفيني." القيمة الوهمية التي لا يبلغ عنها أي متصفح حقيقي، أو مزيج لا يتناسب مع بعضه (بطاقة رسوميات Mac على Windows)، يمكن أن يجعلك more فريداً. الدفاعات الجيدة تختار قيماً يشترك فيها العديد من المستخدمين الحقيقيين، وتغيرها معاً.

جربها بعد النجاح، قم بإزالة "timezone" من UNIFORM وشغل الكود مرة أخرى. راقب after_bits وهو يرتفع: سمة واحدة تبدو عادية تساوي بتات حقيقية.

في لغات أخرى

JavaScript:

const UNIFORM = { screen: "1920x1080", timezone: "Etc/UTC", language: "en-US" };

// Copy, then overwrite: the original object is untouched.
const makeUniform = traits => ({ ...traits, ...UNIFORM });

function fingerprintBits(crowd, fp, names) {
  const same = crowd.filter(r => names.every(t => r[t] === fp[t])).length;
  return Math.log2((crowd.length + 1) / (same + 1));
}

Rust:

fn fingerprint_bits(crowd: &[Vec<String>], fp: &[String]) -> f64 {
    let same = crowd.iter().filter(|r| r.as_slice() == fp).count();
    ((crowd.len() + 1) as f64 / (same + 1) as f64).log2()
}

ملخص

  • Uniformity يخفيك عبر جعل مستخدمين كثيرين يبلغون عن قيم متطابقة.
  • قم بقياس البتات كـ log2((crowd + 1) / (look-alikes + 1))، مع احتساب نفسك ضمن crowd.
  • إنه يعمل فقط بين الأشخاص الذين يستخدمون نفس الدفاع، ولا تزال السمات المتبقية (browser، system) تسرب أجزاء.
  • يمكن للقيم المزيفة النادرة أو غير المتسقة أن تجعلك تبرز أكثر.
دورك

احتفظ بـ UNIFORM. اكتب fingerprint_bits(crowd, fp) (عد الصفوف المساوية لـ fp في كل سمة في TRAIT_NAMES كـ same، أرجع log2((len(crowd) + 1) / (same + 1)))، make_uniform(traits) (قاموس جديد مع استبدال كل مفتاح UNIFORM؛ المدخلات دون تغيير) و uniform_filter(traits, page) (يُرجع make_uniform(traits)). ثم حدد before_bits (Sam في crowd)، after_bits (uniform Sam في حشد حيث مر كل صف عبر make_uniform) و bits_removed.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.