Cross-device मिलान
यह क्यों मायने रखता है आप bus पर एक फ़ोन, काम पर एक लैपटॉप और sofa पर एक tablet इस्तेमाल कर सकते हैं, हर एक अपनी cookies के साथ। विज्ञापन कंपनियाँ कहीं ज़्यादा जानना चाहेंगी कि वे सब एक व्यक्ति हैं। यह lab वे सुराग दिखाता है जो वे इस्तेमाल करती हैं, वे सुराग कितनी बार ग़लत होते हैं, और कौन-सा सुराग सबसे मज़बूत है: login करना।
बिंदुओं को जोड़ना
तीन अलग notebooks वाले एक जासूस की तस्वीर बनाएँ, हर device का एक। हर notebook बताती है कि device कहाँ online गया, और कब। जासूस का काम यह तय करना है कि कौन-सी notebooks एक ही व्यक्ति की हैं। कोई उन्हें नहीं बताता; वे overlaps से अंदाज़ा लगाते हैं।
Cross-device मिलान: तय करना कि कई devices एक व्यक्ति के हैं। Deterministic मिलान एक पक्की कड़ी इस्तेमाल करता है, जैसे दोनों पर logged in एक ही खाता। Probabilistic मिलान संभावित कड़ियाँ इस्तेमाल करता है, जैसे एक ही घर का network या इस्तेमाल के एक ही घंटे, और कुछ ग़लतियाँ स्वीकार करता है।
IP address: वह network पता जिससे एक device का traffic आता है। एक घर के router के पीछे हर device आमतौर पर घर का पता साझा करता है, और एक mobile network पर कई फ़ोन भी एक पता साझा कर सकते हैं।
तीन सुराग
- एक साझा login: दो devices पर एक ही खाता। बहुत मज़बूत।
- एक साझा IP address: एक ही घर, दफ़्तर या mobile network का संकेत देता है, ज़रूरी नहीं एक ही व्यक्ति का।
- मिलते-जुलते घंटे: दिन के एक ही समय पर सक्रिय दो devices।
हमारे अभ्यास घर synthetic_households() से आते हैं, जो events की एक सूची और answer key लौटाता है। हर event है {"device": "phone-004", "ip": "203.0.113.7", "hour": 21, "login": "acct-1f2e3d"}, "login": None के साथ जब कोई logged in नहीं था। पते documentation के लिए आरक्षित ranges से हैं, कभी असली internet पर इस्तेमाल नहीं।
Sets overlaps को आसान बनाते हैं
एक Python set अलग मानों का एक थैला है, ख़ाली होने पर set() लिखा। s.add(x) एक मान अंदर डालता है। a & b दोनों sets के मान देता है और a | b दोनों में से किसी के मान। एक ख़ाली set एक if में false गिना जाता है:
a = {9, 21, 22}
b = {8, 21, 22, 23}
print(a & b) # {21, 22}
print(len(a & b) / len(a | b)) # 2 / 5 = 0.4, the share of hours in common
if a & b:
print("they overlap")
अंक देना और परखना
आप devices के हर जोड़े को एक score देंगे: एक साझा login के लिए 3, एक साझा IP के लिए 1, और साझा घंटों का हिस्सा (0 से 1)। एक threshold पर या उससे ऊपर के जोड़े "एक ही व्यक्ति" गिने जाते हैं। फिर आप दो चीज़ें मापते हैं:
Precision: आपके दावा किए जोड़ों में से, सही वाले का हिस्सा। Recall: असली जोड़ों में से, आपके पाए का हिस्सा। एक सावधान matcher का precision ऊँचा होता है; एक लालची का recall ऊँचा।
दूसरी भाषाओं में
JavaScript में set overlap (JavaScript में sets के लिए कोई & operator नहीं; नए engines एक intersection() method जोड़ते हैं, और filtering हर जगह काम करता है):
const both = [...a.logins].some(x => b.logins.has(x));
const common = [...a.hours].filter(h => b.hours.has(h)).length;
const either = new Set([...a.hours, ...b.hours]).size;
const score = (both ? 3 : 0) + (either ? common / either : 0);और C# में:
var common = a.Hours.Intersect(b.Hours).Count();
var either = a.Hours.Union(b.Hours).Count();
double score = (a.Logins.Overlaps(b.Logins) ? 3 : 0) + (either > 0 ? (double)common / either : 0);आपको क्या दिखना चाहिए
threshold 1.0 पर अकेला एक साझा पता काफ़ी है, और precision ढह जाता है: साथ रहने वाले, सहकर्मी और एक ही mobile network पर अजनबी सब मिला दिए जाते हैं। 1.5 पर matcher दस में लगभग सात बार सही है और असली जोड़ों में से लगभग सात में दस ढूँढता है। 3.0 पर सिर्फ़ logins गिने जाते हैं: लगभग हर दावा सही है, पर ज़्यादातर असली जोड़े छूट जाते हैं। Login करना वह एक सुराग सौंप देता है जो लगभग पक्का है।
बचाव
जहाँ आपको खाते की ज़रूरत न हो वहाँ logged out रहें, और उन devices पर अलग खाते (या कोई नहीं) इस्तेमाल करें जिन्हें आप अलग रखना चाहते हैं। एक VPN IP सुराग बदलता है, पर login या घंटे नहीं। इस मॉड्यूल का आख़िरी पाठ इन्हें साथ रखता है।
सार
- Devices logins (लगभग पक्के), साझा IP addresses और मिलते-जुलते घंटों (दोनों अंदाज़े) से जुड़ते हैं।
- साझा पते घरों और networks को जोड़ते हैं, लोगों को नहीं, इसलिए वे कई झूठे मेल पैदा करते हैं।
- Precision और recall सावधान और लालची मिलान के बीच का लेन-देन दिखाते हैं।
- Login करना सबसे मज़बूत सुराग है जो आप देते हैं।
चार functions लिखें। summarise(events) एक dict लौटाता है जो हर device को {"ips": set, "hours": set, "logins": set} से जोड़ता है, logins से None छोड़ते हुए। pair_score(a, b) ऐसे दो सार लेता है और 3 लौटाता है अगर उनके login sets एक मान साझा करें, और 1 अगर उनके IP sets एक मान साझा करें, और दोनों में घंटों की संख्या भाग किसी में भी घंटों की संख्या (दोनों ख़ाली हों तो 0)। match_devices(summaries, threshold) device नामों के हर उस जोड़े के लिए tuples (a, b) का एक set लौटाता है जिसमें a < b और जिसका score कम से कम threshold है। precision_recall(predicted, truth) एक tuple (precision, recall) लौटाता है, एक set ख़ाली हो तो 0 इस्तेमाल करते हुए।
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।