Geräteübergreifendes Matching
Warum das wichtig ist Du könntest ein Telefon im Bus, einen Laptop bei der Arbeit und ein Tablet auf dem Sofa benutzen, jedes mit seinen eigenen cookies. Werbeunternehmen würden viel lieber wissen, dass sie alle eine Person sind. Dieses Lab zeigt die Hinweise, die sie nutzen, wie oft diese Hinweise falsch sind, und welcher Hinweis bei weitem der stärkste ist: logging in.
Die Punkte verbinden
Stell dir einen Detektiv mit drei separaten Notizbüchern vor, eines pro Gerät. Jedes Notizbuch listet auf, wo das Gerät online war und wann. Die Aufgabe des Detektivs ist es zu entscheiden, welche Notizbücher zur selben Person gehören. Niemand sagt es ihm; er rät anhand von Überschneidungen.
Cross-device matching: die Entscheidung, dass mehrere Geräte zu einer Person gehören. Deterministic matching nutzt einen sicheren Link, wie das gleiche Konto, das auf beiden angemeldet ist. Probabilistic matching nutzt wahrscheinliche Links, wie das gleiche Heimnetzwerk oder die gleichen Nutzungszeiten, und akzeptiert einige Fehler.
IP-Adresse: die Netzwerkadresse, von der der Datenverkehr eines Geräts kommt. Jedes Gerät hinter einem Heimrouter teilt normalerweise die Adresse des Hauses, und viele Telefone in einem Mobilfunknetz können ebenfalls eine Adresse teilen.
Drei Hinweise
- A gemeinsamer Login: das gleiche Konto auf zwei Geräten. Sehr stark.
- A gemeinsame IP-Adresse: deutet auf denselben Haushalt, das Büro oder das Mobilfunknetz hin, nicht unbedingt auf dieselbe Person.
- Ähnliche Stunden: zwei Geräte aktiv zur gleichen Tageszeit.
Unsere Übungshaushalte kommen von synthetic_households(), was eine list von Ereignissen und den Antwortschlüssel zurückgibt. Jedes Ereignis ist {"device": "phone-004", "ip": "203.0.113.7", "hour": 21, "login": "acct-1f2e3d"}, mit "login": None wenn niemand eingeloggt war. Die Adressen stammen aus Bereichen, die für die Dokumentation reserviert sind und niemals im echten Internet verwendet werden.
Sets machen Überschneidungen einfach
A Python set ist eine Menge von eindeutigen Werten, geschrieben set() wenn leer. s.add(x) legt einen Wert hinein. a & b gibt die Werte in beiden Mengen und a | b die Werte in einer der Mengen aus. Eine leere Menge zählt als false in einer 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")
Bewertung und Beurteilung
Du gibst jedem Paar von Geräten einen Score: 3 für einen gemeinsamen Login, 1 für eine gemeinsame IP, plus den Anteil gemeinsamer Stunden (0 bis 1). Paare an oder über einem threshold zählen als "gleiche Person". Dann misst du zwei Dinge:
Präzision: der Anteil der Paare, die du richtig hattest. Recall: der Anteil der wahren Paare, die du gefunden hast. Ein sorgfältiger Matcher hat eine hohe Präzision; ein gieriger hat einen hohen Recall.
In anderen Sprachen
Überlappung in JavaScript setzen (JavaScript hat keinen & Operator für Sets; neuere Engines fügen eine intersection() Methode hinzu, und Filtern funktioniert überall):
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);Und in 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);Was du sehen solltest
Bei Schwellenwert 1.0 reicht eine gemeinsame Adresse allein aus, und die Präzision bricht zusammen: Mitbewohner, Kollegen und Fremde im selben Mobilfunknetz werden alle zusammengeführt. Bei 1.5 hat der matcher in sieben von zehn Fällen recht und findet etwa sieben von zehn der wahren Paare. Bei 3.0 zählen nur Logins: fast jeder Anspruch ist richtig, aber die meisten wahren Paare werden verpasst. Das Einloggen liefert den einen Hinweis, der fast sicher ist.
Die Verteidigung
Bleibe abgemeldet, wo du kein Konto benötigst, und verwende verschiedene Konten (oder gar keines) auf Geräten, die du getrennt halten willst. Ein VPN ändert den IP-Hinweis, aber nicht den Login oder die Stunden. Die letzte Lektion dieses Moduls führt diese zusammen.
Zusammenfassung
- Geräte sind durch Logins (fast sicher), gemeinsame IP-Adressen und ähnliche Stunden (beides Raten) verbunden.
- Gemeinsame Adressen verbinden Haushalte und Netzwerke, keine Personen, also erzeugen sie viele falsche Treffer.
- Präzision und Recall zeigen den Kompromiss zwischen sorgfältigem und gierigem Matching.
- Das Einloggen ist der stärkste Hinweis, den du preisgibst.
Schreibe vier Funktionen. summarise(events) gibt ein Dictionary zurück, das jedes Gerät auf {"ips": set, "hours": set, "logins": set} abbildet und None aus den Logins ausschließt. pair_score(a, b) nimmt zwei solcher Zusammenfassungen und gibt 3 zurück, wenn ihre Login-Sets einen Wert teilen, plus 1, wenn ihre IP-Sets einen Wert teilen, plus die Anzahl der Stunden in beiden geteilt durch die Anzahl der Stunden in einem (0, wenn beide leer sind). match_devices(summaries, threshold) gibt eine Menge von Tupeln (a, b) mit a < b für jedes Paar von Gerätenamen zurück, deren Score mindestens threshold ist. precision_recall(predicted, truth) gibt ein Tupel (precision, recall) zurück und verwendet 0, wenn eine Menge leer ist.
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.