انگشتنگاری وبسایت
چرا مهم است حتی وقتی یک ناظر نمیتواند ببیند از کدام سایت بازدید میکنید، شکل بارگذاری یک صفحه میتواند آن را لو بدهد: چقدر میفرستید، چقدر برمیگردد. این آزمایشگاه نشان میدهد این حدس چطور زده میشود، لایهگذاری چطور با آن میجنگد، و چرا نتایج آزمایشگاهی حمله را قویتر از آنچه در زندگی واقعی هست نشان میدهند.
بستههایی در کاغذ قهوهای ساده را تصور کنید. نمیتوانید برچسب را بخوانید، اما یک بستهٔ دراز و باریک احتمالاً پوستر است و یک بستهٔ سنگین مربعی احتمالاً کتاب. بارگذاری صفحهها هم همینطورند: یک سایت ویدیو دادههای زیادی پایین میکشد، یک انجمن متنی خیلی کم. بستهبندی محتوا را پنهان میکند، نه اندازه و شکل را.
انگشتنگاری وبسایت: حدسزدن اینکه کسی کدام وبسایت را بارگذاری کرد فقط از الگوی ترافیک رمزنگاریشدهاش، با مقایسهٔ آن با الگوهایی که پیشتر ضبط شدهاند.
سلول (cell): یک واحد ترافیک با اندازهٔ ثابت. در این آزمایشگاه بارگذاری یک صفحه فهرستی از سلولهاست: 1 برای سلولی که فرستادید، -1 برای سلولی که دریافت کردید.
یک دستهبند ساده: نزدیکترین مرکز
اول هر بارگذاری را به دو عدد، ویژگیهایش، کاهش دهید: سلولهای خروجی و سلولهای ورودی. cells.count(1) و cells.count(-1) این کار را میکنند. سپس برای هر سایت، ویژگیهای بارگذاریهای آموزشیاش را میانگین بگیرید. آن نقطهٔ میانگین مرکز (centroid) سایت است، شکل معمولش. برای دستهبندی یک بارگذاری تازه، نزدیکترین مرکز به آن را پیدا کنید.
مرکز (centroid): میانگین گروهی از نقطهها: میانگین x، میانگین y. اینجا، یکی برای هر سایت.
import math
from watched.leg7b_onion import page_loads
data = page_loads(seed=3) # {"train": [...], "test": [...]}
load = data["train"][0]
print(load["site"], len(load["cells"]))
print(math.dist((30, 400), (33, 420))) # straight-line distance between two points
# min(sorted(model), key=lambda s: ...) picks the site with the smallest value,
# and on a tie the one that comes first alphabetically.دفاع: لایهگذاری
لایهگذاری (padding) سلولهای ساختگی اضافه میکند تا بارگذاریها کمتر شبیه سایتشان به نظر برسند. طرح پژوهشیای به نام FRONT تعداد تصادفی از سلولهای ساختگی اضافه میکند، بیشتر نزدیک آغاز بارگذاری، جایی که یک صفحه بیشترین چیز را فاش میکند. pad_traces(traces, budget, seed) به هر بارگذاری در هر جهت تا budget سلول ساختگی اضافه میکند.
برای اندازهگیری منصفانه، فرض کنید ناظر میداند لایهگذاری میکنید و روی بارگذاریهای لایهگذاریشده هم آموزش میبیند. لایهگذاری دقت را پایین میآورد بهجای آنکه حمله را شکست دهد، و سلولهای ساختگی پهنای باند هزینه دارند. هر دو را اندازه میگیرید: افت دقت و سربار (overhead)، یعنی سلولهای اضافه بهصورت کسری از اصل:
overhead = total_cells_after_padding / total_cells_before - 1 # 0.5 means 50% more trafficTor چارچوبی برای لایهگذاری مدارها دارد، اما لایهگذاری سنگین در برابر انگشتنگاری وبسایت برای مرور معمولی روشن نیست (بررسیشده در اکتبر 2026)، بیشتر به دلیل همین هزینهٔ پهنای باند.
چرا آزمایشگاه حمله را بزرگتر نشان میدهد
اینجا ناظر میداند شما از یکی از هشت سایت بازدید میکنید. این یک دنیای بسته است. آدمهای واقعی از میلیونها سایت بازدید میکنند: یک دنیای باز. آنوقت نرخهای پایه اثر میگذارند. فرض کنید یک دستهبند یک سایت حساس را در 95% موارد درست علامت میزند و 5% از بارگذاریهای دیگر را به اشتباه علامت میزند. اگر فقط 1 بارگذاری از 1,000 واقعاً به آن سایت باشد، از 100,000 بارگذاری حدود 95 بازدید واقعی علامت میخورند، همراه با حدود 4,995 هشدار نادرست. بیش از 98% هشدارها نادرستاند.
یک تصور نادرست رایج: «انگشتنگاری وبسایت یعنی Tor شکسته است.» یعنی یک ناظر مشخص، آنکه میان شما و نگهبانتان است، میتواند حدسهایی آگاهانه بزند که در آزمایشگاه بسیار بهتر از دنیای باز و شلوغ کار میکنند. این خطری واقعی است که ارزش دفاع دارد، نه دلیلی برای ناامیدی.
همهٔ بارگذاریهای اینجا شبیهسازیشدهاند. هیچ ترافیک واقعیای ضبط یا تحلیل نمیشود.
در زبانهای دیگر
گام نزدیکترین مرکز، در جاهای دیگر:
// JavaScript
function classify(model, cells) {
const f = [cells.filter(c => c === 1).length, cells.filter(c => c === -1).length];
let best = null, bestD = Infinity;
for (const site of Object.keys(model).sort()) {
const d = Math.hypot(f[0] - model[site][0], f[1] - model[site][1]);
if (d < bestD) { best = site; bestD = d; }
}
return best;
}// Rust
fn dist(c: &(f64, f64), out: f64, inc: f64) -> f64 {
((c.0 - out).powi(2) + (c.1 - inc).powi(2)).sqrt()
}
fn classify(model: &BTreeMap<String, (f64, f64)>, cells: &[i8]) -> String {
let out = cells.iter().filter(|&&c| c == 1).count() as f64;
let inc = cells.iter().filter(|&&c| c == -1).count() as f64;
model.iter()
.min_by(|a, b| dist(a.1, out, inc).partial_cmp(&dist(b.1, out, inc)).unwrap())
.map(|(s, _)| s.clone()).unwrap()
}خلاصه
- بارگذاریهای رمزنگاریشدهٔ صفحه همچنان شکلی دارند؛ مقایسهٔ شکلها میتواند سایت را حدس بزند.
- نزدیکترین مرکز: ویژگیهای هر سایت را میانگین بگیرید، سپس نزدیکترین میانگین را انتخاب کنید.
- لایهگذاری دقت را پایین میآورد بهجای آنکه حمله را شکست دهد، و پهنای باند هزینه دارد: هر دو را اندازه بگیرید.
- عددهای آزمایشگاه دنیای بسته حملههای واقعی را بزرگتر نشان میدهند، چون نرخهای پایه هشدارهای نادرست زیادی تولید میکنند.
چهار تابع بنویسید:
features(cells): تاپل(outgoing, incoming)، یعنی تعداد1ها و-1ها.train(traces): یک dict که هرtrace["site"]را به میانگین تعداد خروجی و میانگین تعداد ورودی ردهایش نگاشت میکند.classify(model, cells): سایتی که مرکزش باmath.distنزدیکترین است؛ ازmin(sorted(model), key=...)استفاده کنید تا در تساوی، سایتی که از نظر الفبایی اول است برنده شود.accuracy(model, traces): کسری که بهعنوان سایت خودشان دستهبندی شدند.
acc_plain (آموزش روی data["train"]، آزمون روی data["test"])، acc_padded (آموزش یک مدل تازه روی padded_train، آزمون روی padded_test) و overhead (کل سلولهای padded_test تقسیم بر کل سلولهای data["test"]، منهای 1) را تنظیم کنید. آزمونها از بارگذاریهای دیگر هم استفاده میکنند.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.