Anonymitätssätze und Entropie
Warum das wichtig ist Schlagzeilen sagen Dinge wie "dein Browser ist einzigartig" oder "dieses Merkmal bringt 10 Bit". Diese Lektion zeigt dir, wie solche Zahlen gemessen werden, und die zwei Fallen, die viele davon größer machen als die Wahrheit. Dann kannst du Datenschutzbehauptungen beurteilen, auch deine eigenen.
In der Menge verstecken
Stell dir einen Bahnhof voller Pendler in identischen schwarzen Mänteln vor. Trägst du auch einen schwarzen Mantel, versteckst du dich unter Hunderten. Trägst du einen knallgelben, besteht die Menge, in der du dich versteckst, nur aus dir.
Anonymitätsmenge: die Gruppe von Menschen, die für einen Beobachter genau wie du aussehen. Je größer sie ist, desto besser versteckst du dich. Eine Menge der Größe 1 heißt, du bist einzigartig.
In Lektion 50 hast du gemessen, wie sehr eine Person, Sam, in einer Menge auffiel. Hier misst du die ganze Menge aus 5.000 synthetischen Browsern (erfunden von synthetic_browsers, keine echten Menschen), um zu sehen, wie gut sich alle verstecken.
Gruppieren, dann zählen
Wähl ein paar Merkmale, etwa ["timezone", "language"]. Der Fingerabdruck jedes Browsers ist das Tupel dieser Werte, zum Beispiel ("Europe/London", "en-GB"). Ein Tupel funktioniert als Dict-Schlüssel, also kann collections.Counter zählen, wie viele Browser jedes teilen:
from collections import Counter
Counter([("A", "x"), ("A", "x"), ("B", "x")])
# Counter({('A', 'x'): 2, ('B', 'x'): 1})Jede Zählung ist eine Anonymitätsmenge. Eine Zählung von 1 ist ein einzigartiger Browser. Mit allen 13 Merkmalen stellen sich die meisten der 5.000 Browser als einzigartig heraus.
Entropie: eine Zahl für die ganze Menge
In Lektion 48 hast du die Shannon-Entropie benutzt, um zu messen, wie durchmischt die Zeichen eines Textes sind. Dieselbe Formel funktioniert für eine Menge: Nimm für jede Anonymitätsmenge ihren Anteil p an allen und addiere -p * log2(p).
Entropie (eines Fingerabdrucks): die durchschnittliche Zahl an Bits, die ein Tracker aus diesen Merkmalen über einen zufälligen Besucher erfährt. 0 Bit: Alle sehen gleich aus. log2(N) Bit: Jeder in einer Menge aus N ist einzigartig.
Beispiel: vier Browser mit den Zeitzonen A, A, B, C. Die Anteile sind 1/2, 1/4 und 1/4, also ist die Entropie 0.5 × 1 + 0.25 × 2 + 0.25 × 2 = 1.5 Bit.
Falle 1: die Obergrenze
Eine Menge aus 5.000 kann nie mehr als log2(5000) zeigen, etwa 12.3 Bit, weil an diesem Punkt schon jeder einzigartig ist. Eine Studie über 5.000 Browser, die "12 Bit" findet, stößt also vielleicht an die Obergrenze, statt das Merkmal zu messen. Und einzigartig unter 5.000 ist nicht einzigartig unter Milliarden. Größere Stichproben geben größere, ehrlichere Zahlen.
Falle 2: Merkmale addieren
Zeitzone und Sprache reisen zusammen: Die meisten Asia/Tokyo-Browser sagen ja-JP. Grafikkarte und System auch. Wenn du die Entropie jedes Merkmals einzeln addierst, zählst du also dieselbe Information mehrmals. Dein sum_of_parts wird weit über joint liegen, der Entropie aller Merkmale zusammen gemessen, und weit über der Obergrenze von 12.3 Bit. Die gemeinsame Zahl ist die ehrliche.
Ein häufiges Missverständnis
"Hohe Entropie heißt, jeder ist verfolgbar." Entropie ist ein Durchschnitt. Eine Menge kann hohe Entropie haben, während sich eine große Gruppe von Menschen mit sehr gängigen Einstellungen trotzdem gut versteckt. Schau sowohl auf den Durchschnitt als auch darauf, wie viele Menschen in kleinen Mengen sitzen.
Probier es aus Wenn du bestanden hast, gib entropy_bits(crowd, [t]) für jedes Merkmal aus (die Lösung tut das). Welche drei Merkmale tragen die meisten Bits? Vergleich dann die Werte deines eigenen Browsers für diese Merkmale mit einer Fingerabdruck-Testseite wie Cover Your Tracks von der EFF.
In anderen Sprachen
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
}Zusammenfassung
- Eine Anonymitätsmenge sind alle, die genau wie du aussehen; Größe 1 heißt einzigartig.
- Entropie ist die durchschnittliche Zahl an Bits, die man über einen Besucher erfährt: gruppieren, zählen, dann -p log2(p) summieren.
- Keine Stichprobe aus N kann mehr als log2(N) Bit zeigen; kleine Stichproben unterschätzen die Menge.
- Miss Merkmale zusammen: Einzeln addiert werden verbundene Merkmale doppelt gezählt.
Schreibe fingerprint(row, traits) (ein Tupel der Werte), anonymity_sets(rows, traits) (ein Dictionary von fingerprint zu count), fraction_unique(rows, traits) (Anteil der Zeilen in einer Menge der Größe 1), entropy_bits(rows, traits) (Shannon-Entropie über die Anonymitätssätze) und max_bits(n) (log2(n)). Setze dann joint auf die Entropie von crowd über alle TRAIT_NAMES und sum_of_parts auf die Summe der Entropie jedes einzelnen Merkmals.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.