سرفصل‌ها درس 100 از 156 · بسته‌ها، DNS و نشانی‌های IP
بسته‌ها، DNS و نشانی‌های IP

ردیابی مبتنی بر IP

چرا مهم است مسدودکردن کوکی‌ها جلوی دیدن نشانی IP شما توسط یک سایت را نمی‌گیرد، و برخی ردیاب‌ها «نشانی IP به‌علاوهٔ مرورگر» را به‌عنوان یک شناسهٔ جانشین به کار می‌برند. در این آزمایشگاه اندازه می‌گیرید این در طول یک هفتهٔ شبیه‌سازی‌شده چقدر خوب کار می‌کند، و خواهید دید هم ضعیف‌تر و هم خطرناک‌تر از آن است که به نظر می‌رسد.

یک نشانی IP کمی شبیه نشانی خیابان یک مجتمع آپارتمانی است. بسته‌ها را به ساختمان می‌رساند، اما ممکن است چند نفر آنجا زندگی کنند، و آدم‌ها جابه‌جا می‌شوند.

چرا نشانی‌های IP مشترک‌اند

نشانی‌های سبک قدیمی (IPv4) به اندازهٔ هر دستگاه کافی نیستند، پس شبکه‌ها آن‌ها را به اشتراک می‌گذارند.

NAT: Network Address Translation: یک روتر خانگی یا دروازهٔ دفتر به دستگاه‌های بسیاری اجازه می‌دهد یک نشانی IP عمومی را به اشتراک بگذارند. هر تلفن و لپ‌تاپ در خانه برای وب‌سایت‌ها همان نشانی به نظر می‌رسد.

NAT در مقیاس اپراتور (carrier-grade NAT): همان ترفند که یک شبکهٔ موبایل در مقیاس بزرگ انجام می‌دهد: هزاران تلفن یک مخزن کوچک از نشانی‌ها را به اشتراک می‌گذارند، و تلفن شما ممکن است هر بار که وصل می‌شود یکی متفاوت بگیرد.

User agent: متنی کوتاه که مرورگرتان با هر درخواست می‌فرستد، و مرورگر و سیستم را نام می‌برد، مانند Brook/31.0 (Laptop; OS-A). بسیاری از آدم‌ها دقیقاً همان را می‌فرستند.

پس ردیابی که این دو را در یک شناسهٔ ضعیف ترکیب می‌کند، مانند 203.0.113.7 | Brook/31.0 (Laptop; OS-A)، از دو راه می‌تواند اشتباه کند:

  • شکافتن: یک شخص زیر شناسه‌های بسیار ظاهر می‌شود، چون تلفنش میان Wi-Fi خانه، دفتر و شبکهٔ موبایل جابه‌جا می‌شود، یا نشانی خانه‌اش تغییر می‌کند.
  • ادغام: آدم‌های متفاوت یک شناسه را مشترک دارند، چون یک دفتر یا یک خانوار را مشترک‌اند و از همان مرورگر پرطرفدار استفاده می‌کنند.

ادغام برای حریم خصوصی خطرناک است: یک ردیاب ممکن است به اشتباه مرور هم‌خانه‌تان را به پای شما بنویسد، یا فاش کند کسی در خانه‌تان به چیزی حساس نگاه کرد.

دادهٔ تمرینی

watched.leg5a_network.simulate_week(seed) یک هفته بازدید از یک سایت خبری را می‌دهد. هر بازدید یک dict است:

{'day': 0, 'hour': 10, 'person': 'ana', 'device': 'laptop',
 'network': 'office', 'ip': '192.0.2.31',
 'user_agent': 'Brook/31.0 (Laptop; OS-A)'}

خود سایت فقط ip و user_agent را می‌بیند. فیلد person حقیقتی است که شبیه‌ساز می‌داند و یک سایت واقعی هرگز نمی‌داند؛ از آن فقط برای نمره‌دادن به شناسهٔ ضعیف استفاده می‌کنید. روزها از 0 (دوشنبه) تا 6 (یکشنبه) هستند.

برای شمردن چیزهای متفاوت، یک set در Python به‌درد می‌خورد: هر مقدار را یک بار نگه می‌دارد.

seen = set()
for v in visits:
    seen.add(v["ip"])
print(len(seen))   # how many different IPs

برای پیداکردن رایج‌ترین مورد، با یک dict بشمارید و بزرگ‌ترین شمارش را با max(counts.values()) بگیرید.

در زبان‌های دیگر

ساختن یک شناسهٔ ضعیف و شمردن مقدارهای متمایز همه‌جا تقریباً یکسان است.

// JavaScript
const weakId = v => `${v.ip} | ${v.user_agent}`;
const ids = new Set(week.filter(v => v.person === "ana").map(weakId));
console.log(ids.size);
// Go
ids := map[string]bool{}
for _, v := range week {
    if v.Person == "ana" {
        ids[v.IP+" | "+v.UserAgent] = true
    }
}
fmt.Println(len(ids))
// PHP
$ids = [];
foreach ($week as $v) {
    if ($v['person'] === 'ana') { $ids[$v['ip'] . ' | ' . $v['user_agent']] = true; }
}
echo count($ids);

دفاع

برای شما: یک VPN یا رله IP شما را با یکی مشترک جایگزین می‌کند، و به‌روز نگه‌داشتن مرورگرتان user agent شما را رایج نگه می‌دارد. برای سایت‌هایی که می‌سازید: با یک نشانی IP مثل یک هویت رفتار نکنید. نشانی‌های IP را در گزارش‌ها هر چه زودتر کوتاه یا حذف کنید (برای مثال فقط سه بخش اول یک نشانی IPv4 را نگه دارید)، چون یک IP خام به‌علاوهٔ یک زمان می‌تواند به یک خانوار اشاره کند.

خلاصه

  • یک نشانی IP به یک اتصال تعلق دارد، که اغلب یک خانوار، یک دفتر یا هزاران تلفن آن را شریک‌اند.
  • IP به‌علاوهٔ user agent یک شخص را به شناسه‌های بسیار می‌شکافد و آدم‌های متفاوت را در یکی ادغام می‌کند.
  • ادغام می‌تواند به اشتباه مرور کس دیگری را فاش کند، و به همین دلیل شناسه‌های مبتنی بر IP هم پرخطر و هم ضعیف‌اند.
  • در گزارش‌های خودتان، نشانی‌های IP را زود کوتاه یا حذف کنید.
نوبت شما

WEEK یک هفتهٔ شبیه‌سازی‌شده از بازدیدهاست. چهار تابع بنویسید:

  1. weak_id(visit): یک متن برگردانید که visit["ip"] و visit["user_agent"] را ترکیب می‌کند، مانند ip + " | " + user_agent. دو بازدید باید دقیقاً وقتی همان شناسه را بگیرند که هر دو بخش جور باشند.
  2. ids_for_person(week, person): برگردانید بازدیدهای آن شخص چند شناسهٔ ضعیف متفاوت حمل کردند (0 اگر هیچ).
  3. people_behind_id(week): یک dict برگردانید که هر شناسهٔ ضعیف را به تعداد آدم‌های متفاوتی که زیر آن بازدید کردند نگاشت می‌کند.
  4. stability(week, person): سهم (0.0 تا 1.0) بازدیدهای آن شخص که زیر رایج‌ترین شناسهٔ ضعیف تکی‌اش انجام شده را برگردانید، یا 0.0 اگر هیچ بازدیدی ندارد.
چاپ پایین برایتان نوشته شده است. آزمون‌ها از هفته‌های شبیه‌سازی‌شدهٔ دیگری استفاده می‌کنند، پس پاسخ را نمی‌توان در کد ثابت نوشت.

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.