تمييز الكُتّاب عن بعضهم البعض
لماذا هذا مهم "طريقة كتابتك تحدد هويتك" تبدو كقصة مخيفة حتى تقوم ببناء matcher بنفسك. في هذا المختبر ستفرق بين 50 كاتب وهمي بناء على التوقيت وحده، ثم تفعل دفاعا بسيطا وتقيس مدى مساعدته. ستنتهي بمعرفة كيفية عمل الخدعة وما الذي يضعفها.
الخطة، بكلمات يومية
تخيّل أنك تتعلّم التعرّف على 50 شخصاً من طريقة طرقهم على الباب. أولاً تستمع إلى كل شخص يطرق أربع مرات وتتذكّر إيقاعه المعتاد. ثم يطرق أحدهم فتسأل: إيقاع من المعتاد هو الأقرب إلى هذا؟ هذه هي الطريقة كلها.
Profile: ملخص للسلوك المعتاد لشخص واحد، وهنا هو متوسط أوقاتهم. بناء الملفات الشخصية من أمثلة معروفة يسمى enrolment.
Feature: رقم واحد يصف مثالا. تحول قائمة الميزات حدثا فوضويا (عبارة مكتوبة) إلى شيء يمكن للكود مقارنته.
بيانات التدريب
يوفرtyping_samples() من عالم الممارسة محاولات لكتابة العبارة keep it private. كل محاولة هي dict:
{"typist": "T07",
"dwell": [96, 104, 88, ...], # 15 numbers, one per key, in milliseconds
"flight": [151, 130, 202, ...]} # 14 numbers, one per gap between keys
يتم إنشاء الكُتّاب بواسطة مولد بذور، يشبه إلى حد ما الكتابة العادية. لذا فإن الدقة التي تقيسها توضح مدى جودة فصلك لـ هؤلاء الكُتّاب. تذكر الدراسات الحقيقية نطاقا واسعا من النتائج اعتمادا على الأشخاص ولوحات المفاتيح والنصوص؛ نحن لا ندعي أي دقة في العالم الحقيقي.
قياس "مدى القرب"
لمقارنة قائمتين من التوقيتات، اجمع مقدار الفرق بينهما في كل موضع، متجاهلاً ما إذا كانت الفجوة موجبة أو سالبة. تُسقط abs() في Python الإشارة: abs(-7) يساوي 7. وتمشي zip(a, b) في Python على قائمتين جنباً إلى جنب:
for x, y in zip([100, 150], [90, 170]):
print(x, y, abs(x - y)) # 100 90 10, then 150 170 20
إذن المسافة هنا هي 10 + 20 = 30. المسافة الأصغر تعني "أكثر تشابها".
الدفاع: الضجيج
يضيف خيار noise تذبذباً عشوائياً يبلغ حوالي ذلك العدد من الأجزاء من الثانية إلى كل توقيت، بنفس الطريقة التي قد تؤخر بها أداة الخصوصية أحداث المفاتيح بمقادير عشوائية صغيرة قبل أن تراها الصفحة. راقب ما يفعله بدقة، وفكر فيما قد يفعله بالشخص الذي يكتب: إن تأخراً عشوائياً لمدة 150 جزءاً من الثانية على كل مفتاح سيجعل الكتابة بطيئة.
في لغات أخرى
المسافة وخطوات أقرب ملف تعريف في JavaScript:
const distance = (a, b) => a.reduce((t, x, i) => t + Math.abs(x - b[i]), 0);
function identify(features, profiles) {
let best = null, bestDist = Infinity;
for (const [name, p] of Object.entries(profiles)) {
const d = distance(features, p);
if (d < bestDist) { best = name; bestDist = d; }
}
return best;
}والمسافة في Rust:
fn distance(a: &[f64], b: &[f64]) -> f64 {
a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}ما يجب عليك رؤيته
بدون ضجيج، يتم مطابقة كل محاولة تقريبًا مع الكاتب الصحيح. الضجيج المتوسط (50 ms) يقلل الدقة قليلاً، لكن معظم المحاولات تظل مطابقة؛ الضجيج الثقيل (150 ms) يخفض الدقة بشكل حاد. هذا هو المقايضة الصادقة: ضجيج التوقيت يساعد، لكن الضجيج الكافي لإخفائك يجعل الكتابة تبدو أسوأ أيضًا. الدرس النهائي من هذه الوحدة ينظر في الدفاعات التي لا تكلفك الراحة.
ملخص
- Enrol: قم بحساب متوسط أوقات كل شخص في ملف تعريف.
- تحديد: اختر الملف الشخصي صاحب أصغر إجمالي فجوة (مسافة).
- يقلل ضجيج التوقيت العشوائي من الدقة، ولكن الضجيج الكثيف فقط هو ما يقللها بشكل كبير، وهذا يكلف الراحة.
- دقة الكُتّاب الذين تم إنشاؤهم تصف المولد، وليس الأشخاص الحقيقيين.
اكتب خمس وظائف. تعيد features(sample) قائمة واحدة تحتوي على sample["dwell"] ثم sample["flight"]. تعيد distance(a, b) مجموع abs(x - y) عبر القائمتين المتجاورتين. تعيد build_profiles(samples) قاموسا يربط اسم كل كاتب بمتوسط قوائم ميزاته حسب الموقع. تعيد identify(sample, profiles) الاسم الذي يمتلك الملف الشخصي بأقل مسافة إلى ميزات العينة. تبني accuracy(train, test) ملفات شخصية من train وتعيد كسر عينات test التي تحصل عليها identify بشكل صحيح (رقم من 0 إلى 1). عملية الطباعة في الأسفل مكتوبة بالفعل.
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.