Das beobachtete Web
Ein kostenloser, praktischer Kurs darüber, wie das Web Menschen verfolgt und wie du es stoppst. Lies, was ein Practice Tracker lernt, schau, wie Browser-Verteidigungen ihn brechen, baue einen Blocker und miss die Privatsphäre, die du gewinnst. Alles in deinem Browser, gegen Practice-Seiten.
Deine Übungswelt ist in diesem Tab bereit.
Keine Installation, kein Konto, kein Setup. Die ersten Lektionen brauchen gar keinen Code: du beobachtest einen Tracker bei der Arbeit auf Übungsseiten und beantwortest dann ein paar Fragen. Code kommt später, Schritt für Schritt.
Tägliche Überprüfung
Spaced Repetition verhindert, dass das Gelernte verblasst.
Was eine Website weiß, sobald du ankommst
Schau dir eine beliebige Webseite an und sage, was sie über dein Gerät, Netzwerk, deinen Standort und die Seite, von der du kamst, gelernt hat, bevor du etwas angeklickt hast.
Cookies, richtig erklärt
Lies jedes Cookie, sage wer es sehen kann und wie lange, und erkläre wie SameSite, partitioning und die Standardeinstellungen deines Browsers das Tracking einschränken.
Fingerprinting: Tracking ohne Cookies
Erkläre, wie ein Browser ohne gespeicherte ID erkannt werden kann, schätze ein, wie schwer es ist, ein Merkmal zu identifizieren, und wähle Abwehrmechanismen, die wirklich helfen.
Pixel, Beacons, Apps und das unsichtbare Web
Erkenne Tracking, das ohne Third-Party-Cookies funktioniert, von Pixeln und versteckten Skripten bis hin zu gehashten E-Mails, Apps, TVs und Werbeauktionen, und schalte die Hauptkanäle aus.
Einwilligung, Dark Patterns und die Rückgewinnung der Kontrolle
Erkenne Dark Patterns in Zustimmungsbannern, lies eine Datenschutzerklärung auf das, was wichtig ist, und schalte die Haupt-Trackingkanäle auf deinen eigenen Geräten und Konten aus.
HTTP von innen
Lies rohes HTTP so wie ein Browser und schreibe deine eigenen parsers für requests, headers, cookies, ein regelfolgendes cookie jar, einen link cleaner und einen redirect-chain logger in einfachem Python.
Im Inneren eines Trackers (in der Praxiswelt)
Lies, was ein fertiger Übungs-Tracker über einen Shopper lernt, und miss, welche Browser-Abwehr es bricht.
Baue einen Blocker
Erstelle einen funktionierenden Tracker-Blocker in Python, von Filterlisten und schnellem Matching bis hin zu Heuristiken, Link-Bereinigung und Fingerprint-Verteidigung, und messe, wie gut er funktioniert.
Miss dich ehrlich.
Messe, wie identifizierbar Personen in einem Datensatz sind, zeige, warum das Entfernen von Namen und das Hashen von E-Mails fehlschlagen, wende echte Abwehrmechanismen an und berichte über ein vollständiges Tracker-und-Blocker-Experiment als überprüfbare Zahlen.
Skript-Injektion (XSS)
Erkläre, wie nicht vertrauenswürdiger Text in ein ausführbares Skript wird, finde es auf den Übungsseiten und behebe es mit korrektem Escaping, HttpOnly Session-Cookies und Templates, die standardmäßig escapen.
Content Security Policy und Framing
Lies jede Content Security Policy, schreibe eine, die injizierte Skripte blockiert, ohne deine Seite zu zerstören, rolle sie sicher mit nonces, report-only und Trusted Types aus, stoppe Clickjacking mit frame-ancestors und auditiere eine Policy mit einem wiederholbaren Score.
Drittanbieter auf deiner eigenen Seite
Liste jeden externen Dienst auf, den deine Seite lädt, entscheide, welchen du selbst hostest, bei Klick lädst oder behältst, und sichere den Rest mit SRI, Permissions-Policy und Referrer-Policy.
Datenschutz durch Technikgestaltung
Entwirf eine Seite, die weniger sammelt, Besuche ohne Tracking von Personen zählt, das Gesammelte schützt, nach Plan löscht und beweise es, indem du einen Übungs-Shop von F zu A nimmst.
Verschlüsselung, die du erklären kannst
Erkläre in einfachen Worten, was symmetrische und öffentliche Schlüsselverschlüsselung, HTTPS, Ende-zu-Ende-Verschlüsselung, Signaturen, Passkeys, verschlüsselter DNS und VPNs jeweils schützen, und verifiziere eine signierte Nachricht in Python.
Private KI
Erkläre, wohin AI prompts gehen, nutze On-Device-Modelle, schwärze persönliche Daten in Python bevor der Text das Gerät verlässt und wähle private-by-default AI Features für dein eigenes Produkt.
Bedrohungsmodellierung
Schreibe ein einseitiges Bedrohungsmodell für eine Person oder ein Produkt, prüfe die Datenflüsse eines Produkts in Python, reagiere ruhig auf ein Datenleck und erstelle ein durch eine Rubrik geprüftes Bedrohungsmodell eines Produkts, das du benutzt.
Pakete, DNS und IP-Adressen
Erkläre, was jede Netzwerkschicht, DNS-Abfrage und IP-Adresse offenbart und gegenüber wem. Miss, wie stabil eine IP-basierte ID wirklich ist, und modelliere genau, was ein VPN, ein Zwei-Hop-Relay und Tor jeweils verbergen.
Netzwerk-Fingerabdrücke
Lies ein TLS ClientHello und ein HTTP/2 opening, berechne JA3 und JA4-style fingerprints aus simulierten handshakes und messe, wie stark IP-Adressen und Netzwerk-fingerprints eine Person verknüpfen können, sobald cookies blockiert sind.
Apps und Geräte
Lies ein erfasstes Log von Handy-App und Smart-TV-Traffic und melde jedes Unternehmen, jede Kennung und jede Art von Daten, die es offenbart, während du weißt, was ein solches Log nicht zeigen kann.
Wie ein Browser entscheidet
Finde heraus, zu welcher Seite eine URL gehört, und erkläre, wie Browser-Engines Speicher partitionieren, Seitenkanäle schließen, Speicherzugriff gewähren, Bounce Tracking stoppen und entscheiden, was als Tracker gilt.
Baue die Verteidigungen
Baue die Abwehrmechanismen auf, die eine privacy-first Browser-Engine benötigt (partitioning, Storage Access, bounce purging, farbling und link cleaning) und optimiere sie gegen ein Breakage-Budget.
Die Person verfolgen, nicht das Gerät
Messe, wie Tippen, Schreibstil, gemeinsame Geräte und Broker-Datensätze eine Person identifizieren, und wähle die Abwehrmechanismen, die diese Verbindungen unterbrechen.
Privatsphäre-Technologie über das Blockieren hinaus
Erkläre und baue kleine Lehrversionen von differential privacy, Private Set Intersection und secure aggregation. Erkläre Privacy Pass und Oblivious HTTP und wähle die richtige Technik für ein Produktproblem.
Anonymitätsnetzwerke und Verkehrsanalyse
Erkläre, was jeder Relay in einem Onion-Routing-Circuit weiß, zeige mit simulierten Flows, wie Timing und Page Shapes durch die Verschlüsselung leaken, messe, was Padding und Constant-Rate-Senden kosten, und gib ehrliche Ratschläge dazu, wann Tor hilft.
Messe das Web wie ein Forscher
Krieche durch ein simuliertes Web von 1.000 Seiten, erstelle eine Tracker-Prävalenz-Tabelle, finde cloaked, bouncing und fingerprinting Tracker, trainiere und bewerte einen Tracker-Klassifikator fair und schreibe einen gemessenen Privacy-Fix mit ehrlichen Grenzen auf.
Capstone: wähle ein Projekt
Wähle eines deiner bewerteten Leg-Projekte als Showcase, gehe einen Schritt weiter, teste es so wie die verborgene Welt es testet und schreibe seine Ergebnisse ehrlich auf.
Überprüfung und Zertifikat
Überprüfe die von dir abgeschlossenen Teile, beweise, was du gelernt hast, in einem 20-Fragen-Szenariocheck und erhalte ein Zertifikat, das du sicher teilen kannst.
Nur du kannst diese drucken oder speichern. Die Links sind in diesem Browser gespeichert. Um sie jemandem zu zeigen, teile den verify link vom Zertifikat.