سرفصل‌ها درس 150 از 156 · وب را مثل یک پژوهشگر اندازه بگیرید
وب را مثل یک پژوهشگر اندازه بگیرید

پروژهٔ مرحلهٔ 7: یک پژوهش همراه با راه‌حل

چرا مهم است کار حریم خصوصی واقعی یک چرخه است: یک مشکل را اندازه بگیر، یک راه‌حل اعمال کن، دوباره اندازه بگیر، و صادقانه بگو چه تغییر کرد و چه هزینه‌ای داشت. این پروژه آن چرخه را از سر تا ته اجرا می‌کند، و خزندهٔ این ماژول را با یک دفاع از ماژول قبل به هم وصل می‌کند.

پزشکی را در نظر بگیرید که بررسی می‌کند آیا یک درمان کار می‌کند: اول اندازه بگیر، درمان کن، دوباره به همان شکل اندازه بگیر، و عوارض جانبی را یادداشت کن. بدون اندازه‌گیری اول چیزی برای مقایسه نیست؛ بدون عوارض جانبی نتیجه فقط نیمه‌درست است.

پرسش

در وب شبیه‌سازی‌شده، آیا کسی که اتصال رمزنگاری‌شدهٔ شما را می‌پاید می‌تواند بگوید از کدام سایت حساس بازدید کردید، و چقدر لایه‌گذاری لازم است تا به‌طور مطمئن جلویش گرفته شود؟

بازدید از یک سایت سلامت، مالی یا مذهبی می‌تواند چیزی شخصی را فاش کند حتی اگر هیچ چیز دیگری نشت نکند. شما:

  1. صحنه را اندازه بگیرید. SimWeb(seed) را بخزید، سایت‌هایی را که دسته‌شان در SENSITIVE است پیدا کنید، و ثبت کنید چه سهمی از آن‌ها یک ردیاب فهرست‌شده بارگذاری می‌کنند. 6 سایت حساس اول را بر اساس رتبه بگیرید.
  2. مشکل را اندازه بگیرید. بارگذاری‌های صفحهٔ آن 6 سایت را با page_loads(seed, sites=...) بگیرید و دقت نزدیک‌ترین مرکز را اندازه بگیرید، مثل درس 143.
  3. راه‌حل را اعمال کنید. بودجه‌های لایه‌گذاری را در PAD_LEVELS به ترتیب امتحان کنید. برای هر کدام، بارگذاری‌های آموزشی را با seed=1 و بارگذاری‌های آزمون را با seed=2 لایه‌گذاری کنید، دوباره آموزش دهید، و دوباره اندازه بگیرید. در اولین بودجه‌ای که دقتش در یا زیر TARGET است بایستید. اگر هیچ‌کدام به آن نرسید، آخری را نگه دارید.
  4. هزینه را اندازه بگیرید. سربار در بودجهٔ انتخاب‌شده، مثل درس 143.
  5. محدودیت‌ها را بنویسید. دست‌کم دو جملهٔ صادقانه، مثل درس 149. یکی اینجا جا دارد هر چه پیدا کنید: بودجه با نگاه به دقت روی همان بارگذاری‌های آزمونی که سپس گزارش می‌دهید انتخاب شد، که کمی از نتیجه تملق می‌گوید. یک پژوهش دقیق بودجه را روی یک مجموعهٔ سوم و جداگانه از بارگذاری‌ها انتخاب می‌کند و مجموعهٔ آزمون را یک بار گزارش می‌دهد.

گزارش

study(seed) یک dict با دقیقاً این کلیدها برمی‌گرداند:

{
  "seed": 7,
  "sites": ["...", ...],              # the 6 sensitive sites, by rank
  "sensitive_with_trackers": 0.97,    # share of ALL sensitive sites with a listed tracker
  "accuracy_before": 0.94,
  "padding_budget": 800,              # the first level in PAD_LEVELS reaching TARGET
  "accuracy_after": 0.19,
  "overhead": 2.07,                   # extra test cells as a fraction: here about 3 times the traffic
  "target_met": True,                 # accuracy_after <= TARGET
  "limits": ["...", "..."]            # at least two sentences
}

عددها در برابر یک اجرای پنهان روی بذری دیگر نمره می‌گیرند، پس کد شما باید پژوهش را انجام دهد، نه یک پاسخ را کپی کند. محدودیت‌ها از نظر محتوا نمره نمی‌گیرند، اما مربی می‌تواند دربارهٔ آن‌ها بازخورد بدهد. به این‌ها فکر کنید: یک دنیای بسته از 6 سایت، ناظری که تنظیمات لایه‌گذاری شما را می‌داند، ترافیک شبیه‌سازی‌شده، و اینکه سهم ردیاب چه چیزی را می‌گوید و چه چیزی را نمی‌گوید.

به دو نیمهٔ نتیجه توجه کنید. لایه‌گذاری بازدید را از یک ناظر شبکه محافظت می‌کند، اما ردیاب‌های روی همان سایت‌ها همچنان مستقیم دربارهٔ شما می‌فهمند. یک دفاع هرگز همهٔ تهدیدها را پوشش نمی‌دهد، و نوشتهٔ شما می‌تواند این را بگوید.

یک تصور نادرست رایج: «اگر دقت زیر هدف افتاد، مشکل حل شده.» آن را برای این ناظر، در این دنیای بسته، با یک هزینهٔ اندازه‌گیری‌شده حل کردید. این نتیجه‌ای واقعی است، و لبه‌هایی دارد.

در زبان‌های دیگر

انتخاب اولین سطحی که به یک هدف می‌رسد، در جاهای دیگر:

// JavaScript
let chosen, after;
for (const budget of PAD_LEVELS) {
  chosen = budget;
  after = paddedAccuracy(data, budget);
  if (after <= TARGET) break;
}
// Go
var chosen int
var after float64
for _, budget := range padLevels {
    chosen, after = budget, paddedAccuracy(data, budget)
    if after <= target { break }
}

خلاصه

  • اندازه بگیرید، راه‌حل اعمال کنید، دوباره به همان شکل اندازه بگیرید، و هزینه را گزارش دهید.
  • لایه‌گذاری اینکه از کدام سایت حساس بازدید شد را از یک ناظر شبکه پنهان کرد، با بهای اندازه‌گیری‌شده‌ای از پهنای باند.
  • ردیاب‌های روی آن سایت‌ها مشکلی جداگانه‌اند که لایه‌گذاری به آن دست نمی‌زند.
  • محدودیت‌های صادقانه بخشی از نتیجه‌اند، نه عذرخواهی برای آن.
نوبت شما

study(seed) را با پیروی از پنج گام بالا بنویسید، که dict گزارش را با دقیقاً کلیدهای نشان‌داده‌شده برمی‌گرداند. از PAD_LEVELS = [50, 100, 200, 400, 800] و TARGET = 0.4، دسته‌بندی نزدیک‌ترین مرکز روی ویژگی‌های (outgoing, incoming) با تساوی‌هایی که به سایتی که از نظر الفبایی اول است می‌رسند، pad_traces(..., seed=1) برای بارگذاری‌های آموزشی و seed=2 برای بارگذاری‌های آزمون استفاده کنید. report = study(7) را تنظیم کنید. آزمون‌ها پژوهش شما را روی یک بذر پنهان دوباره اجرا 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.