سرفصل‌ها درس 44 از 156 · درون یک ردیاب (در دنیای تمرینی)
درون یک ردیاب (در دنیای تمرینی)

نمایه‌ای که یک شبکهٔ تبلیغاتی می‌فروشد

چرا مهم است گزارش یک ردیاب فقط فهرستی از صفحه‌ها نیست. وقتی با هم خوانده شوند، صفحه‌ها به حدس‌هایی دربارهٔ زندگی یک شخص تبدیل می‌شوند. این آزمایشگاه این را ملموس می‌کند، تا اهمیت ردیابی دیگر انتزاعی نباشد.

سام هرگز چیزی به AdCo نگفت. سام فقط خرید کرد. اما AdCo هر صفحه را دید، و هر صفحه یک دسته دارد. دسته‌ها را بشمارید و تصویری ظاهر می‌شود: کسی که اهل دویدن است، شاید منتظر یک نوزاد، شاید نگران پول.

نمایهٔ علایق (interest profile): خلاصه‌ای از آنچه یک شخص به نظر می‌رسد به آن علاقه دارد، که با شمردن انواع صفحه‌هایی که دید ساخته می‌شود. شبکه‌های تبلیغاتی از نمایه‌ها برای انتخاب آگهی‌هایی که نشان دهند استفاده می‌کنند و، در برخی موارد، آن‌ها را می‌فروشند یا به اشتراک می‌گذارند.

برخی دسته‌ها از بقیه حساس‌تراند. سلامت، بارداری، ترک سیگار، مشکلات مالی و وسایل کودک می‌توانند یک بیماری، یک بارداری یا وضع مالی یک خانواده را فاش کنند، اغلب پیش از آنکه شخص به نزدیکانش گفته باشد.

دنیای تمرینی فهرست خودش، SENSITIVE_CATEGORIES، را دارد که baby را کنار می‌گذارد. مجموعهٔ SENSITIVE این آزمایشگاه آن را اضافه می‌کند، چون خرید وسایل کودک بسیار اوقات به یک بارداری اشاره دارد.

شمردن با یک دیکشنری

counts = {}
for category in ["running", "baby", "running"]:
    counts[category] = counts.get(category, 0) + 1
print(counts)   # {'running': 2, 'baby': 1}

counts.get(key, 0) یعنی «شمارش کنونی، یا 0 اگر تازه است». Python همچنین collections.Counter را دارد، که همین کار را در یک خط انجام می‌دهد؛ هر دو خوب‌اند.

برای پیداکردن کلید با بیشترین شمارش، max(counts, key=counts.get) به هر کلید نگاه می‌کند اما آن‌ها را با counts.get(key)، یعنی شمارششان، مقایسه می‌کند:

print(max({"running": 2, "baby": 1}, key={"running": 2, "baby": 1}.get))   # running

در این آزمایشگاه از یک جلسهٔ طولانی‌تر (40 صفحه) با یک مرورگر معمولی استفاده می‌کنید. اول شناسهٔ اصلی AdCo برای سام را پیدا کنید (شناسهٔ کوکی‌ای که روی بیشترین رکوردها دیده شده)، سپس دسته‌های رکوردهای آن شناسه را بشمارید، سپس فهرست کنید کدام دسته‌های حساس ظاهر می‌شوند.

دفاع

بخش‌بندی (درس 41) این نمایه را به یک تکهٔ کوچک برای هر فروشگاه تقسیم می‌کند، و یک مسدودکننده (ماژول 8) گزارش‌ها را کاملاً متوقف می‌کند. هیچ‌کدام چیزی را که هر فروشگاه دربارهٔ بازدیدکنندگان خودش می‌داند تغییر نمی‌دهند؛ آنچه یک غریبه می‌تواند به هم پیوند دهد را تغییر می‌دهند.

در زبان‌های دیگر

JavaScript:

const counts = {};
for (const r of mine) counts[r.category] = (counts[r.category] ?? 0) + 1;

C#:

var counts = mine.GroupBy(r => r.Category).ToDictionary(g => g.Key, g => g.Count());

خلاصه

  • شمردن دسته‌های صفحه زیر یک شناسه یک گزارش را به داستان یک زندگی تبدیل می‌کند.
  • حدس‌های حساس (سلامت، بارداری، پول) از خرید معمولی به دست می‌آیند.
  • بخش‌بندی و مسدودسازی جلوی یک غریبه را می‌گیرند که همه را به هم پیوند دهد.
نوبت شما

برای seed=7 و world.browsing_session(40) با یک مرورگر معمولی: main_id(records) (cookie_id غیر None که روی بیشترین رکوردها ظاهر می‌شود)، interests(records, cookie_id) (یک dict که دسته‌های رکوردهای آن شناسه را می‌شمارد؛ از رکوردهایی که دسته‌شان None است، مانند تصاویر و اسکریپت‌ها، که به هیچ دسته‌ای تعلق ندارند، بگذرید) و sensitive_found(counts) (یک فهرست مرتب‌شده از دسته‌های SENSITIVE که در counts ظاهر می‌شوند) را بنویسید. نتیجه‌ها را در sam_id، profile و found ذخیره کنید.

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.