كيف يقيمك العالم الخفي
لماذا هذا مهم إذا كنت تعرف بالضبط ما يتم فحصه، يمكنك توجيه جهدك إليه بدلا من التخمين. معرفة كيفية عمل الفحص تخبرك أيضا لماذا هو عادل: لا يمكن لأحد النجاح عن طريق نسخ الإجابات، لذا فإن النجاح يعني أنك بنيت الشيء حقا.
فكر في اختبار قيادة. أنت تتدرب في الشوارع القريبة من منزلك حتى تعرف كل زاوية. في يوم الاختبار، يختار الفاحص طريقا لم تقده من قبل. قواعد الطريق هي نفسها، لكن الشوارع جديدة، لذا فإن الطريقة الوحيدة للنجاح هي أن تكون قادرا بالفعل على القيادة.
صُحّحت عدة من مشاريع المراحل لديك بهذه الطريقة بالضبط: مختبر المتتبّع في المرحلة 2، وتقرير الأجهزة في المرحلة 5، ومجموعة المتتبّعات المخفية في المرحلة 6 شغّلت كودك على عالم مخفي بالقواعد نفسها لكن بمواقع وأسماء ومتتبّعين وزوار مختلفين. عندما تأخذ مشروعك المعروض خطوة أبعد، اختبر تلك الخطوة بالطريقة نفسها: على عالم لم تضبطه عليه.
عالم خفي: عالم تدريبي لم تره، بناه نفس المولد الذي تدربت عليه، ولكن من بذرة مختلفة. يستخدم فقط للتقييم.
Seed: الرقم البداية لمولد عشوائي. البذرة نفسها تبني دائما العالم نفسه، وبذرة مختلفة تبني عالما مختلفا. هذه هي الطريقة التي يمكن بها أن يكون التقييم عادلا للجميع ومع ذلك يكون جديدا لك.
نوعان من التحقق
- تقرير تم التحقق منه مقابل عالم مخفي (مشروعي Leg 2 و Leg 5). يقوم الكود الخاص بك بالنظر إلى العالم المخفي وكتابة تقرير JSON؛ وتقارن عملية التحقق ذلك بما يعرف أنه موجود بالفعل.
- اختبارات مخفية (معظم المختبرات، ومشاريع Leg 3 و 4 و 6 و 7). يقوم التحقق باستدعاء functions الخاصة بك بمدخلات لم ترها من قبل ويتحقق من النتائج.
تقرير مشروعك النهائي (الدرس القادم) لا يتم تقييمه بواسطة آلة: إنه الجزء الذي تعرضه على شخص. هذا يحافظ على الاختبارات التلقائية للأشياء التي يمكن للآلة الحكم عليها بعدالة.
JSON: تنسيق نصي بسيط للبيانات، يتكون من قوائم داخل أقواس مربعة وقيم مصنفة داخل أقواس متعرجة. يتحول Python dict و list إلى JSON بشكل شبه متطابق.
كيف يبدوت فحص التقرير
تقريرA هو مجرد نتائج منظمة. إذا أخذت مشروع Leg 3 خطوة إضافية نحو تدقيق كامل لورشة عمل، يمكن أن يبدو التقرير بهذا الشكل:
{
"site": "shopa.example",
"third_parties": ["adco.example", "cdn.example"],
"trackers": ["adco.example"],
"cookies": [{"name": "uid", "domain": "adco.example", "third_party": true}],
"csp_present": false
}
يطرح المصحح بعض الأسئلة البسيطة حوله. هل هو JSON صالح؟ هل الحقول المطلوبة موجودة، وبأنواعها الصحيحة؟ ولكل نتيجة: هل هي حقا في العالم المخفي؟
الضربات، والإخفاقات، والإنذارات الكاذبة
يمكن لـA إنذار الدخان أن يكون صحيحا أو خاطئا بطريقتين مختلفتين. يمكنه البقاء صامتا أثناء حريق حقيقي (miss)، أو يمكنه الانطلاق عندما تقوم بتحميص الخبز فقط (false alarm). الإنذار الجيد يحافظ على كليهما منخفضين. يتم الحكم على نتائجك بنفس الطريقة.
إيجابي حقيقي: لقد أبلغت عن شيء وهو موجود بالفعل. إيجابي كاذب: أبلغت عن شيء غير موجود (إنذار كاذب). سلبي كاذب: هناك شيء ما ولم تبلّغ عنه (فشل في الرصد).
قل إن blocker الخاص بك، في العالم المخفي، يرى 20 tracker request و 80 ordinary ones. إنه يحظر 19 من الـ trackers وأيضا، عن طريق الخطأ، 1 ordinary request احتاجت إليه صفحة. هذا يعني 19 hits، و 1 miss، و 1 false alarm. في Leg 2 قمت بتحويل أعداد مثل هذه إلى precision (كم عدد الأشياء التي حظرتها كانت trackers حقا) و recall (كم عدد الـ trackers الحقيقية التي أمسكت بها).
قد تكون قاعدةA الخاصة بمشروع ما مشابهة لتلك الموجودة في خطة الدورة: "حظر 95% على الأقل من طلبات التتبع، بدون نتائج إيجابية خاطئة". هنا، 19 من أصل 20 تعادل بالضبط 95%، لكن الطلب الواحد الذي تم حجبه بشكل خاطئ لا يزال يؤدي إلى الفشل. في أدوات الخصوصية، كلا الخطأين مهمان: الخطأ في التتبع يسمح بمرور التتبع، والإنذار الخاطئ يعطل الصفحة ويعلم الناس إيقاف الأداة.
نفس الكود، نفس النتيجة
التصحيح حتمي: عند تشغيل نفس الكود على نفس العالم المخفي تحصل دائما على نفس النتيجة. في المشاريع التي تتحقق من السرعة، يتم حساب العمليات مقابل ميزانية محددة وليس الوقت على الساعة، لذا لا يتم خصم درجات بسبب بطء الحاسوب المحمول.
تحقق من تقريرك الخاص قبل الإرسال
معظم الإرسالات الفاشلة ليست أفكاراً خاطئة؛ بل هي حقل مفقود أو خطأ مطبعي. فحص ذاتي بسيط يكتشف تلك الأخطاء:
import json
report = {"site": "shopa.example", "trackers": ["adco.example"], "csp_present": False}
def missing_fields(report, required):
# return the required field names that the report does not have
return [name for name in required if name not in report]
print(missing_fields(report, ["site", "third_parties", "trackers", "csp_present"]))
# ['third_parties'] -> add it before you submit
print(json.dumps(report, indent=2, sort_keys=True))
في لغات أخرى
يتم تقييم التقرير وليس الكود، لذا فإن أي لغة تكتب JSON تعمل (لذا يمكنك إعادة بناء عرضك في اللغة التي تستخدمها في العمل).
JavaScript:
const report = { site: "shopa.example", trackers: ["adco.example"], csp_present: false };
const required = ["site", "third_parties", "trackers", "csp_present"];
console.log(required.filter(name => !(name in report))); // [ 'third_parties' ]
console.log(JSON.stringify(report, null, 2));
Go:
type Report struct {
Site string `json:"site"`
Trackers []string `json:"trackers"`
CSPPresent bool `json:"csp_present"`
}
out, _ := json.MarshalIndent(Report{Site: "shopa.example", Trackers: []string{"adco.example"}}, "", " ")
fmt.Println(string(out))
C#:
var report = new { site = "shopa.example", trackers = new[] { "adco.example" }, csp_present = false };
Console.WriteLine(System.Text.Json.JsonSerializer.Serialize(report));
A مفهوم خاطئ شائع
"درجة عالم التدريب الخاص بي هي 100%، لذا ستكون الدرجة المخفية كذلك أيضاً." ليس دائماً. إذا كان الكود الخاص بك يعتمد بهدوء على تفاصيل عالم التدريب، مثل قائمة أسماء tracker قمت بنسخها منه، فإنه سيفشل في العثور على trackers في العالم المخفي. يسمى هذا overfitting: ملاءمة الأمثلة التي رأيتها بدلاً من القاعدة الكامنة وراءها. اختبر منطقك على عدد قليل من عوالم التدريب المبنية من بذور مختلفة (على سبيل المثال build_world(seed=2) بالإضافة إلى العالم المعتاد) قبل أن تقدمه.
ملخص
- يقوم نظام Hidden-world grading بتشغيل عملك على عالم من بذرة لم ترها، لذا تفشل الإجابات المنسوخة وتنجح المهارة الحقيقية.
- يتم تقييم بعض المشاريع بواسطة تقرير JSON في عالم مخفي، ومعظمها بواسطة اختبارات مخفية؛ أما التقرير النهائي فهو للبشر وليس للمصحح.
- يتم الحكم على النتائج بناء على الإصابات، والإخفاقات، والإنذارات الكاذبة؛ وكلا نوعي الأخطاء يتم احتسابهما.
- عملية التصحيح حتمية وتعتمد على عدد العمليات وليس وقت الساعة. تحقق من حقول تقريرك ذاتيا قبل الإرسال.
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.