مجموعات المجهولية والإنتروبيا
لماذا هذا مهم تقول العناوين أشياء مثل "متصفحك فريد" أو "هذه السمة تعطي 10 bits". يوضح لك هذا الدرس كيفية قياس هذه الأرقام، والفخين اللذين يجعلان الكثير منها أكبر من الحقيقة. بعد ذلك يمكنك الحكم على ادعاءات الخصوصية، بما في ذلك ادعاءاتك الخاصة.
الاختباء في حشد
تخيل محطة مليئة بالمسافرين الذين يرتدون معاطف سوداء متطابقة. إذا ارتديت معطفا أسود أيضا، فستختبئ بين المئات. إذا ارتديت معطفا أصفر فاقعا، فإن الحشد الذي تختبئ فيه هو أنت فقط.
مجموعة إخفاء الهوية: هي مجموعة الأشخاص الذين يبدون تماما مثلك بالنسبة للمراقب. كلما كانت أكبر، كان إخفاؤك أفضل. تعني مجموعة بحجم 1 أنك فريد.
في الدرس 50 قمت بقياس مدى بروز شخص واحد، Sam، في حشد. هنا تقيس الحشد بأكمله المكون من 5,000 متصفح اصطناعي (تم إنشاؤه بواسطة synthetic_browsers، وليس أشخاصاً حقيقيين)، لترى مدى جودة إخفاء everyone.
Group، ثم عد
اختر بعض السمات، لنقل ["timezone", "language"]. تكون بصمة (fingerprint) كل متصفح هي صف (tuple) تلك القيم، مثلاً ("Europe/London", "en-GB"). يعمل الصف كمفتاح قاموس، لذا يمكن لـ collections.Counter أن يعدّ كم متصفحاً يشترك في كل منها:
from collections import Counter
Counter([("A", "x"), ("A", "x"), ("B", "x")])
# Counter({('A', 'x'): 2, ('B', 'x'): 1})كل عد هو مجموعة إخفاء. عد يساوي 1 هو متصفح فريد. مع جميع الـ 13 سمة، يتبين أن معظم الـ 5,000 متصفح فريدة.
Entropy: رقم واحد للجمهور بأكمله
في الدرس 48 استخدمت Shannon entropy لقياس مدى اختلاط أحرف النص. نفس الصيغة تعمل على الحشد: لكل anonymity set، خذ حصتها p من الجميع، واجمع -p * log2(p).
Entropy (of a fingerprint): متوسط عدد البتات التي يتعلمها tracker عن زائر عشوائي من هذه السمات. 0 bits: الجميع يبدون متشابهين. log2(N) bits: كل شخص في حشد من N فريد.
مثال: أربعة متصفحات مع مناطق زمنية A، A، B، C. الحصص هي 1/2، 1/4 و 1/4، لذا فإن الإنتروبيا هي 0.5 x 1 + 0.25 x 2 + 0.25 x 2 = 1.5 bits.
الفخ 1: السقف
لا يمكن لحشد من 5,000 شخص أن يظهر أكثر من log2(5000)، حوالي 12.3 بت، لأنه عند تلك النقطة يكون الجميع فريدين بالفعل. لذا فإن دراسة لـ 5,000 متصفح تجد "12 بت" قد تصل إلى الحد الأقصى، ولا تقيس السمة. والفريد من بين 5,000 ليس فريداً من بين المليارات. العينات الأكبر تعطي أرقاماً أكبر وأكثر صدقاً.
فخ 2: إضافة السمات
تسافر المنطقة الزمنية واللغة معاً: معظم متصفحات Asia/Tokyo تقول ja-JP. وكذلك بطاقة الرسوميات والنظام. لذا فإن جمع إنتروبيا كل سمة على حدة يعدّ المعلومات نفسها عدة مرات. سيخرج sum_of_parts لديك أعلى بكثير من joint، أي إنتروبيا كل السمات مقيسة معاً، وأعلى بكثير من سقف 12.3 بت. الرقم المشترك هو الصادق.
A مفهوم خاطئ شائع
"الإنتروبيا العالية تعني أن الجميع قابلون للتتبع." الإنتروبيا هي متوسط. يمكن أن يكون للجمهور إنتروبيا عالية بينما تظل مجموعة كبيرة من الأشخاص بإعدادات شائعة جداً مختبئة بشكل جيد. انظر إلى كل من المتوسط وعدد الأشخاص الذين يجلسون في مجموعات صغيرة.
جرب ذلك عندما تنجح، اطبع entropy_bits(crowd, [t]) لكل سمة (الحل يقوم بذلك). ما هي السمات الثلاث التي تحمل أكبر عدد من البتات؟ ثم قارن قيم متصفحك الخاصة لتلك السمات مع موقع اختبار بصمة مثل Cover Your Tracks من EFF.
في لغات أخرى
JavaScript:
function entropyBits(rows, traits) {
const counts = new Map();
for (const r of rows) {
const key = JSON.stringify(traits.map(t => r[t]));
counts.set(key, (counts.get(key) || 0) + 1);
}
let bits = 0;
for (const c of counts.values()) {
const p = c / rows.length;
bits -= p * Math.log2(p);
}
return bits;
}Go:
func entropyBits(keys []string) float64 {
counts := map[string]int{}
for _, k := range keys {
counts[k]++
}
bits := 0.0
for _, c := range counts {
p := float64(c) / float64(len(keys))
bits -= p * math.Log2(p)
}
return bits
}ملخص
- مجموعة إخفاء الهوية هي كل شخص يشبهك تماما؛ الحجم 1 يعني فريد.
- Entropy هي متوسط البتات المتعلمة عن الزائر: المجموعة، العدد، ثم المجموع -p log2(p).
- لا يمكن لأي عينة من N أن تظهر أكثر من log2(N) بت؛ العينات الصغيرة تقلل من تقدير الحشد.
- قياس السمات معاً: إضافة كل منها على حدة يؤدي إلى تكرار حساب السمات المرتبطة.
اكتب fingerprint(row, traits) (tuple للقيم)، وanonymity_sets(rows, traits) (dict من fingerprint إلى count)، وfraction_unique(rows, traits) (حصة الصفوف في set بحجم 1)، وentropy_bits(rows, traits) (Shannon entropy عبر anonymity sets) وmax_bits(n) (log2(n)). ثم اضبط joint على entropy الخاص بـ crowd عبر جميع TRAIT_NAMES، وsum_of_parts على مجموع entropy لكل trait منفردة.
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.