Trackers को वर्गीकृत करना
यह क्यों मायने रखता है इस चरण का हर बचाव एक फ़ैसले से शुरू होता है: क्या यह साइट एक tracker है? एक ईमानदार साइट रोकें और पन्ने टूटते हैं; एक tracker चूकें और आपका पीछा होता है। एक ब्राउज़र वह फ़ैसला कैसे करता है यह उसकी ताक़त और कभी-कभार टूटे पन्ने दोनों समझाता है।
तीन तरीकों की सोचें जिनसे एक bouncer तय कर सकता है कि club में कौन जाए। एक के पास जाने-माने उपद्रवियों की छपी सूची है। एक अंगूठे के नियमों पर चलता है: "आज रात शहर के हर club में आया, भेस बदलकर"। एक ने हज़ारों रातें देखी हैं और उसकी समझ सीख ली है। ब्राउज़र तीनों इस्तेमाल करते हैं।
Classifier: कुछ भी जो चीज़ों को समूहों में छाँटता है, यहाँ "tracker" या "tracker नहीं"। यह एक सूची, नियमों का एक set, या एक trained model हो सकता है।
1. सूचियाँ
लोग जाने-माने tracking domains और filter नियमों की सूचियाँ रखते हैं। Ad blockers EasyList और EasyPrivacy जैसी community filter सूचियाँ इस्तेमाल करते हैं, जिनका एक टुकड़ा आपने चरण 2 में parse किया। Firefox की built-in सुरक्षा Disconnect की रखी सूचियों पर आधारित है (अक्टूबर 2026 में जाँचा)। सूचियों में आमतौर पर एक entity map होता है: कौन-से domains एक मालिक के हैं, ताकि एक कंपनी की अपनी सामग्री साइट और उसके image server को एक-दूसरे के third parties न माना जाए।
सूचियाँ सटीक हैं और समझाने में आसान ("रोका क्योंकि यह सूची X पर है")। पर वे बस उतनी ताज़ा हैं जितना उनका आख़िरी update, और एक tracker एक नए domain से, या साइट के अपने नाम के नीचे छिपकर (CNAME cloaking, चरण 1 से) उनसे बच सकता है।
2. Heuristics
Heuristic: अंगूठे का एक नियम जो आमतौर पर सही होता है, जैसे "कई असंबंधित साइटों पर दिखा एक third party, लंबी बेतरतीब IDs सेट करता, शायद tracking कर रहा है"।
आपने चरण 2 में कुछ लिखे: कई साइटों पर third party, ऊँची-entropy IDs (settings होने के लिए बहुत बेतरतीब मान), pixel-आकार के responses। पिछले पाठ का bounce नियम भी एक heuristic है। Heuristics उन trackers को पकड़ते हैं जिन्हें अभी किसी ने सूची में नहीं डाला, पर वे दो तरह की ग़लतियाँ करते हैं, और हर heuristic एक को दूसरी के बदले तौलता है।
False positive: एक ईमानदार साइट जिसे ग़लती से tracker कहा गया (एक पन्ना टूटता है)। False negative: एक tracker जो फिसल जाता है (आपका पीछा होता है)।
उदाहरण के लिए, cdn.example हर दुकान को एक library देता है। "कई साइटों पर" tracker कहता है, पर यह कोई ID सेट नहीं करता: IDs को नज़रअंदाज़ करने वाला एक heuristic उन सारी दुकानों को तोड़ देता।
3. Machine learning
एक model features से सीख सकता है, जैसे एक domain कितनी top-level साइटों के नीचे दिखता है, वह कितनी बार redirect करता है, और क्या आप कभी उससे interact करते हैं। WebKit ने Safari में Intelligent Tracking Prevention को इस तरह के एक on-device model का इस्तेमाल करता बताया है (अक्टूबर 2026 में जाँचा)। device पर किए जाने से, आपके browsing आँकड़े कभी उसे नहीं छोड़ते।
Models कई कमज़ोर signals को साथ तौल सकते हैं और नई तरकीबों के अनुसार ढल सकते हैं। पर उन्हें समझाना कठिन है, वे चौंकाने वाले तरीकों से ग़लत हो सकते हैं, और उन्हें एक ब्राउज़र के अंदर आकार और रफ़्तार पर सावधान सीमाएँ चाहिए। आप चरण 7 में शुद्ध Python में एक छोटा model train करेंगे।
साथ-साथ
| सूचियाँ | Heuristics | Machine learning | |
|---|---|---|---|
| नए trackers पकड़ता है | नहीं, सूची में आने तक | अक्सर | अक्सर |
| समझाने लायक | बहुत | काफ़ी | कम |
| आम ग़लतियाँ | पुरानी | साझा services पर false positives | चौंकाने वाली त्रुटियाँ |
| किससे बचा जाता है | नए domains, cloaking | सीमाओं के नीचे रहना | सामान्य साइटों जैसा दिखना |
तय करना, फिर काम करना
वर्गीकरण बस आधा है। Engines हर वर्ग के लिए एक प्रतिक्रिया भी चुनते हैं: request रोकें, उसकी अनुमति दें पर cookies हटाएँ या partition करें, बाद में storage साफ़ करें, या बस उसकी रिपोर्ट करें। अनिश्चित मामलों के लिए एक नरम प्रतिक्रिया टूट-फूट कम रखती है। व्यवहार में ज़्यादातर engines तरीके मिलाते हैं: पक्के रोकने के लिए एक सूची, bounce और storage नियमों के लिए heuristics, और जब कुछ टूटे तो हर साइट के अपवाद।
एक आम ग़लतफ़हमी
"एक ज़्यादा चतुर classifier का मतलब कोई tracking नहीं।" हर classifier के false negatives होते हैं, और कुछ tracking (first-party analytics, logins, fingerprinting) बिल्कुल एक अलग tracker जैसी नहीं दिखती। इसीलिए वर्गीकरण को उन बचावों के साथ जोड़ा जाता है जो उसके बिना काम करते हैं, जैसे partitioning।
सार
- सूचियाँ सटीक और समझाने लायक हैं पर नए या छिपे trackers चूकती हैं।
- Heuristics बिना सूची वाले trackers पकड़ते हैं पर false positives को false negatives के बदले तौलते हैं।
- Machine learning कई signals तौलता है; WebKit ने Safari के ITP को एक on-device model इस्तेमाल करता बताया है (अक्टूबर 2026 में जाँचा)।
- Engines तरीके मिलाते हैं और अनिश्चित होने पर एक नरम प्रतिक्रिया चुनते हैं।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।