बिना सूची के trackers पहचानें
यह क्यों मायने रखता है एक सूची सिर्फ़ वे trackers जानती है जो किसी ने पहले ढूँढकर लिख दिए। नए trackers हर हफ़्ते आते हैं, और कुछ जानबूझकर अपने नाम बदलते हैं। एक tracker को उसके बर्ताव से पहचानना उन्हें पकड़ता है जिनके बारे में किसी सूची ने अभी सुना नहीं।
बिना तस्वीर के एक चोर पहचानना
जाने-माने चोरों की सूची वाला एक दुकान guard काम का है। पर एक अच्छा guard बर्ताव भी देखता है: कोई जो गली की हर दुकान पर जाता है और लिखता है कि कौन अंदर जाता है। आपको उनका नाम जानने की ज़रूरत नहीं यह देखने के लिए कि वे क्या कर रहे हैं।
Trackers का भी बताने वाला बर्ताव होता है। इस पाठ में आप एक ब्राउज़र के request log में तीन सुराग खोजते हैं:
- एक साथ हर जगह। एक ही third-party साइट दो या ज़्यादा अलग साइटों पर दिखती है। यही उसे आपकी visits साथ जोड़ने देता है।
- पते में एक अनोखी ID।
cid=df0641532d7fजैसा एक query मान जो रैंडम दिखता है: वह आपके लिए एक नाम tag है। - एक pixel। 100 bytes या कम की एक "तस्वीर", कुछ भी दिखाने के लिए बहुत छोटी। उसका अकेला काम आपके ब्राउज़र से एक request भिजवाना है।
Heuristic: एक अनुमान का नियम जो आमतौर पर सही होता है पर हमेशा नहीं, जैसे "काले बादल का मतलब बारिश"। Heuristics नई चीज़ें पकड़ सकते हैं, और उन्हें धोखा भी दिया जा सकता है।
हमारा नियम: एक साइट tracker है अगर सुराग 1 सही है और सुराग 2 या 3 में से कम से कम एक सही है। सुराग 1 ज़रूरी करना हानिरहित cdn.example को सुरक्षित रखता है: वह हर दुकान पर है, पर वह कोई ID नहीं भेजता और उसका logo एक असली 2 KB तस्वीर है।
रैंडम कितना रैंडम है? Entropy, संक्षेप में
एक ID को एक सामान्य शब्द से अलग बताने के लिए, हम मापते हैं कि उसके अक्षर कितने मिले-जुले हैं। aaaa बिल्कुल मिला-जुला नहीं। abcd चार अलग अक्षर बराबर इस्तेमाल करता है।
Shannon entropy: कुछ कितना अनिश्चित है उसकी एक संख्या, bits में। एक टेक्स्ट के लिए: हर अलग अक्षर के लिए टेक्स्ट में उसका हिस्सा p लें, और -p * log2(p) जोड़ें। ज़्यादा विविधता ज़्यादा bits देती है।
char_entropy("aaaa") # 0.0 every character is the same
char_entropy("abab") # 1.0 two characters, half each
char_entropy("abcd") # 2.0 four characters, a quarter eachmath.log2(p) है "p पाने के लिए मुझे 1 को कितनी बार आधा करना होगा", एक ऋणात्मक संख्या के रूप में दिया, इसीलिए एक minus चिह्न है। collections.Counter(text) आपके लिए हर अक्षर गिनता है। आप यही सूत्र अगले मॉड्यूल में फिर मिलेंगे, ब्राउज़रों की पूरी भीड़ों पर लागू।
अकेली entropy काफ़ी नहीं: trail-shoes भी काफ़ी मिला-जुला है। इसलिए looks_like_id कम से कम 8 अक्षर, सिर्फ़ अक्षर, अंक, - या _, और कम से कम एक अक्षर और एक अंक भी माँगता है। शब्द अंक वाली जाँच में विफल होते हैं; तारीख़ें और URLs अक्षर या character वाली जाँच में।
Log पढ़ना
browser.log के हर record में वह है जो आपको चाहिए:
site_of(record.url)औरrecord.top_site: अगर वे अलग हैं, तो यह third party है।record.request.params: query एक dict के रूप में, पहले से decode की।record.response: रुका तोNone; नहीं तो.header("Content-Type")और bytes में.size।
ईमानदार सीमाएँ
आपके log में सिर्फ़ एक साइट पर एक tracker बिना ध्यान के निकल जाता है, भले ही वह उन हज़ारों साइटों पर हो जिन पर आप अभी नहीं गए। एक tracker जो IDs एक cookie में छिपाता है और एक सामान्य आकार की तस्वीर भेजता है वह भी निकल जाता है। और एक first-party analytics script जो अपनी साइट को IDs भेजती है वह third party ही नहीं। इसीलिए असली blockers सूचियाँ और heuristics साथ इस्तेमाल करते हैं।
आज़माएँ DevTools खोलें (F12, या Mac पर Cmd+Option+I), Network tab पर जाएँ, Img से filter करें, और एक समाचार साइट load करें। Size से sort करें। Size column response headers भी गिनता है, इसलिए एक pixel जिसकी तस्वीर बस कुछ दर्जन bytes की है फिर भी कुछ सौ दिखती है। दूसरी साइट से कोई भी इतनी छोटी तस्वीर बहुत संभावित रूप से एक pixel है। एक पर click करें और उसकी query string में एक लंबा रैंडम मान देखें।
दूसरी भाषाओं में
JavaScript:
function charEntropy(text) {
if (!text) return 0;
const counts = {};
for (const ch of text) counts[ch] = (counts[ch] || 0) + 1;
let bits = 0;
for (const n of Object.values(counts)) {
const p = n / text.length;
bits -= p * Math.log2(p);
}
return bits;
}
const looksLikeId = v => v.length >= 8 && /^[A-Za-z0-9_-]+$/.test(v)
&& /[0-9]/.test(v) && /[A-Za-z]/.test(v) && charEntropy(v) >= 2;C#:
static double CharEntropy(string text) =>
text.Length == 0 ? 0 :
-text.GroupBy(c => c)
.Select(g => (double)g.Count() / text.Length)
.Sum(p => p * Math.Log2(p));सार
- बर्ताव trackers को पकड़वाता है: कई साइटों पर मौजूद, रैंडम IDs भेजते, pixels लाते।
- Shannon entropy मापती है कि एक टेक्स्ट कितना मिला-जुला है; रैंडम IDs ऊँचे अंक पाती हैं।
- "2 या ज़्यादा साइटों पर" ज़रूरी करना एक CDN जैसे हानिरहित मददगारों की रक्षा करता है।
- Heuristics नए trackers पकड़ते हैं पर कुछ चूकते हैं; असली blockers उन्हें सूचियों के साथ मिलाते हैं।
char_entropy(text) (प्रति अक्षर bits में Shannon entropy, ख़ाली टेक्स्ट के लिए 0.0), looks_like_id(value) (कम से कम 8 अक्षर, सब ID_CHARS में, कम से कम एक अंक और एक अक्षर, entropy कम से कम 2.0), is_pixel(record) (image/ से शुरू होने वाले Content-Type और 100 bytes या कम आकार वाला एक response) और find_trackers(log) लिखें, जो उन साइटों का set लौटाए जो कम से कम 2 अलग top sites पर third party के रूप में दिखती हैं और एक ID-जैसा query मान भेजा या एक pixel पाया। watched.reference इस्तेमाल न करें।
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।