Conjuntos de anonimato y entropía
Por qué importa Los titulares dicen cosas como "tu navegador es único" o "este rasgo da 10 bits". Esta lección te enseña cómo se miden esos números, y las dos trampas que hacen que muchos de ellos salgan más grandes que la verdad. Así podrás juzgar las afirmaciones sobre privacidad, incluidas las tuyas.
Esconderse entre la multitud
Imagina una estación llena de viajeros con abrigos negros idénticos. Si tú también llevas un abrigo negro, te escondes entre cientos. Si llevas uno amarillo chillón, la multitud en la que te escondes eres solo tú.
Conjunto de anonimato: el grupo de personas que, para un observador, se parecen exactamente a ti. Cuanto más grande, mejor te escondes. Un conjunto de tamaño 1 significa que eres único.
En la lección 50 mediste cuánto destacaba una persona, Sam, dentro de una multitud. Aquí mides la multitud entera de 5.000 navegadores sintéticos (inventados por synthetic_browsers, sin personas reales), para ver lo bien que se esconden todos.
Agrupa y luego cuenta
Elige algunos rasgos, por ejemplo ["timezone", "language"]. La huella digital de cada navegador es la tupla de esos valores, por ejemplo ("Europe/London", "en-GB"). Una tupla sirve como clave de un diccionario, así que collections.Counter puede contar cuántos navegadores comparten cada una:
from collections import Counter
Counter([("A", "x"), ("A", "x"), ("B", "x")])
# Counter({('A', 'x'): 2, ('B', 'x'): 1})Cada cuenta es un conjunto de anonimato. Una cuenta de 1 es un navegador único. Con los 13 rasgos, la mayoría de los 5.000 navegadores resultan ser únicos.
La entropía: un solo número para toda la multitud
En la lección 48 usaste la entropía de Shannon para medir lo revueltos que están los caracteres de un texto. La misma fórmula funciona con una multitud: para cada conjunto de anonimato, toma su proporción p sobre el total, y suma -p * log2(p).
Entropía (de una huella digital): el número medio de bits que un rastreador sabe de un visitante cualquiera a partir de estos rasgos. 0 bits: todos se ven iguales. log2(N) bits: todos los de una multitud de N son únicos.
Ejemplo: cuatro navegadores con las zonas horarias A, A, B y C. Las proporciones son 1/2, 1/4 y 1/4, así que la entropía es 0,5 x 1 + 0,25 x 2 + 0,25 x 2 = 1,5 bits.
Trampa 1: el techo
Una multitud de 5.000 nunca puede mostrar más de log2(5000), unos 12,3 bits, porque en ese punto todos ya son únicos. Así que un estudio de 5.000 navegadores que encuentra "12 bits" puede estar chocando con el techo, no midiendo el rasgo. Y ser único entre 5.000 no es ser único entre miles de millones. Las muestras más grandes dan números más grandes y más honestos.
Trampa 2: sumar los rasgos
La zona horaria y el idioma van juntos: la mayoría de los navegadores con Asia/Tokyo dicen ja-JP. La tarjeta gráfica y el sistema también. Así que sumar la entropía de cada rasgo por separado cuenta la misma información varias veces. Tu sum_of_parts saldrá muy por encima de joint, la entropía de todos los rasgos medidos juntos, y muy por encima del techo de 12,3 bits. El número conjunto es el honesto.
Una idea equivocada muy común
"Una entropía alta significa que se puede rastrear a todo el mundo." La entropía es una media. Una multitud puede tener una entropía alta mientras un grupo grande de personas con configuraciones muy comunes se sigue escondiendo bien. Mira tanto la media como cuántas personas están en conjuntos pequeños.
Pruébalo Cuando pases, imprime entropy_bits(crowd, [t]) para cada rasgo (la solución lo hace). ¿Qué tres rasgos llevan más bits? Después compara los valores de tu propio navegador para esos rasgos en un sitio de prueba de huellas digitales como Cover Your Tracks de la EFF.
En otros lenguajes
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
}Resumen
- Un conjunto de anonimato son todos los que se parecen exactamente a ti; tamaño 1 significa único.
- La entropía son los bits medios que se saben de un visitante: agrupa, cuenta y luego suma -p log2(p).
- Ninguna muestra de N puede mostrar más de log2(N) bits; las muestras pequeñas se quedan cortas con la multitud.
- Mide los rasgos juntos: sumarlos uno a uno cuenta dos veces los rasgos relacionados.
Escribe fingerprint(row, traits) (una tupla de los valores), anonymity_sets(rows, traits) (un diccionario de huella a cuenta), fraction_unique(rows, traits) (la proporción de filas que están en un conjunto de tamaño 1), entropy_bits(rows, traits) (la entropía de Shannon sobre los conjuntos de anonimato) y max_bits(n) (log2(n)). Después asigna a joint la entropía de crowd con todos los TRAIT_NAMES, y a sum_of_parts la suma de la entropía de cada rasgo por separado.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.