पाठ्यक्रम 156 में से पाठ 150 · एक शोधकर्ता की तरह वेब मापें
एक शोधकर्ता की तरह वेब मापें

चरण 7 प्रोजेक्ट: एक सुधार के साथ एक अध्ययन

यह क्यों मायने रखता है असली निजता काम एक चक्र है: एक समस्या मापें, एक सुधार लागू करें, फिर मापें, और ईमानदारी से बताएँ कि क्या बदला और उसकी क्या क़ीमत रही। यह प्रोजेक्ट वह चक्र शुरू से अंत तक चलाता है, इस मॉड्यूल के crawler को पिछले वाले के एक बचाव से जोड़ते हुए।

एक doctor की सोचें जो जाँचता है कि एक इलाज काम करता है या नहीं: पहले मापें, इलाज करें, उसी तरह फिर मापें, और दुष्प्रभाव नोट करें। पहले माप के बिना तुलना करने को कुछ नहीं; दुष्प्रभावों के बिना नतीजा सिर्फ़ आधा सच है।

सवाल

simulated वेब पर, क्या आपका encrypted connection देखने वाला कोई बता सकता है कि आप किस संवेदनशील साइट पर गए, और उन्हें भरोसेमंद रूप से रोकने के लिए कितना padding लगेगा?

एक स्वास्थ्य, वित्त या धर्म साइट पर जाना कुछ निजी बता सकता है भले ही और कुछ न रिसे। आप:

  1. स्थिति मापें। SimWeb(seed) crawl करें, वे साइटें ढूँढें जिनकी श्रेणी SENSITIVE में है, और दर्ज करें कि उनमें से कितना हिस्सा एक सूचीबद्ध tracker load करता है। rank से पहली 6 संवेदनशील साइटें लें।
  2. समस्या मापें। उन 6 साइटों के लिए page_loads(seed, sites=...) से page loads लें और nearest-centroid accuracy मापें, जैसे पाठ 143 में।
  3. सुधार लागू करें। PAD_LEVELS के padding budgets क्रम में आज़माएँ। हर एक के लिए, training loads को seed=1 से और test loads को seed=2 से pad करें, फिर train करें, और फिर मापें। पहले budget पर रुकें जिसकी accuracy TARGET पर या उससे नीचे हो। अगर कोई वहाँ न पहुँचे, तो आख़िरी रखें।
  4. क़ीमत मापें। चुने budget पर overhead, जैसे पाठ 143 में।
  5. सीमाएँ लिखें। कम से कम दो ईमानदार वाक्य, जैसे पाठ 149 में। एक यहाँ आता है चाहे आप जो भी पाएँ: budget उन्हीं test loads पर accuracy देखकर चुना गया जिन्हें आप फिर रिपोर्ट करते हैं, जो नतीजे की थोड़ी चापलूसी करता है। एक सावधान अध्ययन budget को loads के एक तीसरे, अलग set पर चुनता है और test set एक बार रिपोर्ट करता है।

Report

study(seed) ठीक इन keys वाला एक dict लौटाता है:

{
  "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
}

संख्याओं को एक दूसरे seed पर एक छिपे run से अंक दिए जाते हैं, इसलिए आपके code को अध्ययन करना होगा, एक जवाब copy नहीं। सीमाओं को सामग्री के लिए अंक नहीं दिए जाते, पर tutor उन पर राय दे सकता है। इसके बारे में सोचें: 6 साइटों की एक closed world, एक देखने वाला जो आपकी padding settings जानता है, simulated traffic, और tracker हिस्सा क्या बताता है और क्या नहीं।

नतीजे के दो हिस्सों पर ध्यान दें। Padding visit को एक network देखने वाले से बचाता है, पर उन्हीं साइटों के trackers फिर भी सीधे आपके बारे में जानते हैं। एक बचाव कभी हर ख़तरा नहीं ढकता, और आपका लेख यह कह सकता है।

एक आम ग़लतफ़हमी: "अगर accuracy target से नीचे गिर गई, तो समस्या हल है।" आपने इसे इस देखने वाले के लिए, इस closed world में, एक मापी क़ीमत पर हल किया। यह एक असली नतीजा है, और इसके किनारे हैं।

दूसरी भाषाओं में

एक target पूरा करने वाला पहला स्तर चुनना, कहीं और:

// 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 }
}

सार

  • मापें, ठीक करें, उसी तरह फिर मापें, और क़ीमत रिपोर्ट करें।
  • Padding ने एक network देखने वाले से छिपाया कि कौन-सी संवेदनशील साइट देखी गई, एक मापी bandwidth क़ीमत पर।
  • उन साइटों के trackers एक अलग समस्या हैं जिन्हें padding नहीं छूता।
  • ईमानदार सीमाएँ नतीजे का हिस्सा हैं, उसके लिए माफ़ी नहीं।
आपकी बारी

ऊपर के पाँच क़दमों का पालन करते हुए study(seed) लिखें, ठीक दिखाई गई keys वाला report dict लौटाते हुए। PAD_LEVELS = [50, 100, 200, 400, 800] और TARGET = 0.4, (outgoing, incoming) features पर nearest-centroid classification जिसमें बराबरी वर्णक्रम में पहली साइट को जाए, training loads के लिए pad_traces(..., seed=1) और test loads के लिए seed=2 इस्तेमाल करें। report = study(7) सेट करें। Tests आपका अध्ययन एक छिपे seed पर फिर चलाते 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।