مطابقة عبر الأجهزة
لماذا هذا مهم قد تستخدم هاتفا في الحافلة، وجهاز كمبيوتر محمول في العمل، وجهازا لوحيا على الأريكة، وكل واحد منها يحتوي على ملفات cookies خاصة به. تفضل شركات الإعلانات معرفة أن كل هذه الأجهزة تعود لشخص واحد. يوضح هذا المختبر الأدلة التي يستخدمونها، ومدى تكرار خطأ تلك الأدلة، وأي دليل هو الأقوى على الإطلاق: تسجيل الدخول.
ربط النقاط
تخيل محققا لديه ثلاث دفاتر منفصلة، دفتر لكل جهاز. يدرج كل دفتر أين اتصل الجهاز بالإنترنت ومتى. وظيفة المحقق هي تحديد الدفاتر التي تنتمي لنفس الشخص. لا يخبره أحد بذلك؛ بل يخمن من خلال التداخلات.
مطابقة الأجهزة المتعددة: تحديد أن عدة أجهزة تنتمي لشخص واحد. المطابقةالحتمية تستخدم رابطا مؤكدا، مثل نفس الحساب المسجل دخوله على كلا الجهازين. المطابقةالاحتمالية تستخدم روابط محتملة، مثل نفس شبكة المنزل أو نفس ساعات الاستخدام، وتقبل بعض الأخطاء.
IP address: عنوان الشبكة الذي يأتي منهترافيك الجهاز. عادة ما تشترك كل الأجهزة خلف جهاز توجيه منزلي واحد في عنوان المنزل، ويمكن للعديد من الهواتف على شبكة الهاتف المحمول مشاركة عنوان واحد أيضاً.
ثلاثة أدلة
- A تسجيل دخول مشترك: الحساب نفسه على جهازين. قوي جدا.
- A shared IP address: يشير إلى نفس المنزل أو المكتب أو شبكة الهاتف المحمول، ولا يعني بالضرورة نفس الشخص.
- ساعات متشابهة: جهازان نشطان في نفس الأوقات من اليوم.
تأتي المنازل التدريبية لدينا من synthetic_households()، والتي تعيد قائمة بالأحداث ومفتاح الإجابة. كل حدث هو {"device": "phone-004", "ip": "203.0.113.7", "hour": 21, "login": "acct-1f2e3d"}، مع "login": None عندما لم يكن أي شخص مسجلاً للدخول. العناوين من نطاقات محجوزة للتوثيق، ولا تُستخدم أبداً على الإنترنت الحقيقي.
تجعل المجموعات التداخلات سهلة
A Python set هي حقيبة من القيم المتمايزة، وتكتب set() عندما تكون فارغة. s.add(x) تضع قيمة بداخلها. a & b تعطي القيم الموجودة في كلتا المجموعتين و a | b القيم الموجودة في أي منهما. المجموعة الفارغة تعتبر false في 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")
التسجيل والتحكيم
ستعطي كل زوج من الأجهزة درجة: 3 لتسجيل الدخول المشترك، 1 لعنوان IP المشترك، بالإضافة إلى حصة الساعات المشتركة (من 0 إلى 1). الأزواج التي تكون عند أو فوق threshold تعتبر "نفس الشخص". ثم تقيس شيئين:
Precision: من الأزواج التي ادعيتها، الكسر الذي كان صحيحا. Recall: من الأزواج الحقيقية، الكسر الذي وجدته. المطابق الدقيق لديه precision عالية؛ والمطابق الجشع لديه recall عالية.
في لغات أخرى
تعيين التقاطع في JavaScript (لا تحتوي JavaScript على عامل & للمجموعات؛ وتضيف المحركات الأحدث طريقة intersection()، وتعمل عملية التصفية في كل مكان):
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);وفي لغة 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);ما يجب عليك رؤيته
عند العتبة 1.0، يكفي عنوان مشترك وحده، وتنهار الدقة: يُدمج زملاء السكن والزملاء والغرباء على شبكة الجوال نفسها كلهم. عند 1.5 يكون المطابِق محقاً في نحو سبع مرات من عشر ويجد نحو سبعة من كل عشرة من الأزواج الحقيقية. عند 3.0 لا يُحتسب إلا تسجيل الدخول: كل ادعاء تقريباً صحيح، لكن معظم الأزواج الحقيقية تضيع. تسجيل الدخول يسلّم الدليل الوحيد الذي يكاد يكون مؤكداً.
الدفاع
ابقِ تسجيل الدخول حيث لا تحتاج إلى حساب، واستخدم حسابات مختلفة (أو لا تستخدم أي حساب) على الأجهزة التي تريد إبقاءها منفصلة. يغير VPN دليل IP، لكنه لا يغير تسجيل الدخول أو الساعات. الدرس النهائي من هذه الوحدة يجمع بين هذه العناصر.
ملخص
- يتم ربط
- Devices بواسطة تسجيلات الدخول (شبه مؤكدة)، وعناوين IP مشتركة وساعات مماثلة (كلاهما تخمين).
- العناوين المشتركة تربط الأسر والشبكات وليس الأشخاص، لذا فهي تنتج الكثير من التطابقات الخاطئة.
- تُظهر Precision و recall المقايضة بين المطابقة الدقيقة والمطابقة الجشعة.
- تسجيل الدخول هو أقوى دليل تقدمه.
اكتب أربع دوال. تعيد summarise(events) قاموسا يربط كل جهاز بـ {"ips": set, "hours": set, "logins": set}، مع استبعاد None من تسجيلات الدخول. تأخذ pair_score(a, b) ملخصين من هذا النوع وتعيد 3 إذا اشتركت مجموعات تسجيل الدخول الخاصة بهما في قيمة، زائد 1 إذا اشتركت مجموعات IP الخاصة بهما في قيمة، زائد عدد الساعات في كليهما مقسوما على عدد الساعات في أي منهما (0 إذا كان كلاهما فارغا). تعيد match_devices(summaries, threshold) مجموعة من التوبلات (a, b) مع a < b لكل زوج من أسماء الأجهزة التي تكون درجتها على الأقل threshold. تعيد precision_recall(predicted, truth) توبلا (precision, recall)، باستخدام 0 عندما تكون المجموعة فارغة.
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.