Analisis lalu lintas
Kenapa ini penting Enkripsi menyembunyikan apa yang kamu katakan, tapi bukan kapan kamu mengucapkannya atau seberapa banyak. Mengamati hanya waktu lalu lintas bisa mengungkap siapa bicara dengan siapa, bahkan melalui jaringan anonimitas. Melihat cara kerjanya pada aliran simulasi memperjelas apa yang bisa dan tidak bisa dijanjikan oleh Tor, dan mengapa pertahanan terkuat biayanya sangat mahal.
Bayangkan kamu tidak bisa membuka postingan siapa pun, tapi kamu bisa berdiri di dua kantor pos. Setiap kali sekelompok surat keluar dari rumah Ana, kelompok serupa sampai di klinik sesaat kemudian. Kamu tidak pernah membaca satu kata pun, tapi kamu bisa menebak Ana menulis ke klinik.
Metadata: data tentang sebuah pesan dan bukan isinya: kapan dikirim, seberapa besar ukurannya, dari mana asalnya dan ke mana tujuannya.
Analisis lalu lintas: mempelajari hal dari pola komunikasi (waktu, ukuran, volume) tanpa membaca isinya.
Pengaturan
Seorang pengamat melihat dua tempat: hubungan antara pengguna dan penjaga mereka, dan hubungan antara exit dan situs web. Fungsi tor_flows(seed) di watched.leg7b_onion memberimu rekaman simulasi dari keduanya. Setiap paket adalah satu cell, unit lalu lintas ukuran tetap Tor (514 bytes), jadi ukuran tidak memberitahumu apa pun. Waktu adalah satu satunya yang kamu punya. Nama flow pada kedua sisi diacak, dan sisi exit sedikit tertunda.
from watched.leg7b_onion import tor_flows
flows = tor_flows(seed=1)
print(flows["entry"][0]["flow"]) # e01
print(flows["entry"][0]["packets"][:3]) # [(time_in_seconds, size), ...]
print(flows["exit"][0]["flow"]) # x01, but which user is it?
# flows["answers"] holds the truth, so you can score your guesses.Langkah 1: ubah paket menjadi sebuah bentuk
Hitung berapa banyak paket yang masuk di setiap detik: detik 0 berisi waktu dari 0 sampai (tidak termasuk) 1, dan seterusnya. int(t) memberikan detik tempat waktu berada. Sebuah flow menjadi daftar seperti [0, 7, 9, 1, 0, 0, 6, ...]: bentuknya selama waktu berjalan.
Langkah 2: bandingkan dua bentuk
Correlation: angka dari -1 sampai 1 yang menunjukkan seberapa jauh dua list naik dan turun bersama. 1 berarti selaras sempurna, 0 berarti tidak ada hubungan. Python sudah menyediakannya: statistics.correlation(a, b).
Jika sebuah list tidak pernah berubah (setiap nilai sama), korelasi tidak terdefinisi dan Python akan memunculkan statistics.StatisticsError. Tangkap itu dan gunakan 0.0, yang berarti "tidak ada bukti ke arah mana pun".
import statistics
print(statistics.correlation([1, 5, 2, 8], [2, 9, 3, 15])) # close to 1: in step
try:
statistics.correlation([3, 3, 3], [1, 2, 3])
except statistics.StatisticsError:
print("a flat list has no correlation")Langkah 3: cocokkan setiap alur entri ke alur keluar yang paling mirip
Untuk setiap alur masuk, coba setiap alur keluar dan simpan yang memiliki korelasi tertinggi. Dalam simulasi ini, hal itu saja sudah memasangkan hampir semua orang dengan benar. Serangan nyata jenis ini, yang dipelajari oleh para peneliti, bekerja dengan semangat yang sama.
Pertahanan, dan harganya
- Traffic penyamaran acak: tambahkan sel palsu pada waktu acak. Ini sedikit mengaburkan bentuknya, tapi burst tetap terlihat menonjol. Kamu akan melihat ini hampir tidak membantu.
- Laju konstan: kirim jumlah sel yang sama setiap detik, isi celah dengan dummy dan buat sel asli menunggu gilirannya. Setiap detik terlihat identik, jadi bentuknya hilang. Harganya adalah bandwidth (semua dummy itu) dan delay (sel antre saat burst).
Tor menambahkan sedikit padding untuk mengaburkan catatan koneksi kasar, tapi ini tidak menyembunyikan bentuk trafik kamu dari orang yang bisa melihat kedua ujung (dicek Oktober 2026). Ini memilih delay rendah supaya web tetap bisa digunakan. Pelajaran terakhir di modul ini melihat jaringan yang memilih cara lainnya.
Kesalahpahaman umum: "Jika semuanya dienkripsi, tidak ada yang bisa tahu dengan siapa aku bicara." Enkripsi menyembunyikan isi. Waktu dan volume tetap terlihat, dan itu seringkali sudah cukup.
Lab ini hanya menggunakan simulasi flow. Ini tentang memahami risiko agar kamu bisa menilai pertahanan; ini bukan metode untuk mengawasi orang sungguhan, dan jaringan asli jauh lebih berisik.
Di bahasa lain
Menghitung paket per detik dan menghitung korelasi, di tempat lain:
// JavaScript
function countsPerSecond(packets, seconds) {
const counts = new Array(seconds).fill(0);
for (const [t] of packets) if (t >= 0 && t < seconds) counts[Math.floor(t)]++;
return counts;
}
function correlation(a, b) {
const n = a.length, ma = a.reduce((x, y) => x + y) / n, mb = b.reduce((x, y) => x + y) / n;
let num = 0, da = 0, db = 0;
for (let i = 0; i < n; i++) { num += (a[i]-ma)*(b[i]-mb); da += (a[i]-ma)**2; db += (b[i]-mb)**2; }
return da && db ? num / Math.sqrt(da * db) : 0;
}// Go
func countsPerSecond(times []float64, seconds int) []int {
counts := make([]int, seconds)
for _, t := range times {
if t >= 0 && t < float64(seconds) { counts[int(t)]++ }
}
return counts
}Ringkasan
- Encryption menyembunyikan isi, bukan waktu atau volume (metadata).
- Menghitung paket per detik memberi setiap flow sebuah bentuk; korelasi menemukan bentuk yang cocok di kedua ujung.
- Traffic cover acak hampir tidak membantu; pengiriman dengan laju konstan menyembunyikan bentuk tapi memakan bandwidth dan delay.
- Tor mengutamakan delay rendah, jadi ia tidak bisa menghentikan seseorang yang melihat kedua ujungnya.
Tulis empat fungsi, lalu pakai pada tor_flows(seed=1):
counts_per_second(packets, seconds): daftar berisisecondsangka, yaitu jumlah paket yang waktunyatmemenuhi0 <= t < seconds, ditaruh di indeksint(t).similarity(a, b):statistics.correlation(a, b), atau0.0kalau itu memunculkanstatistics.StatisticsError.match(entry, exits, seconds): dict yang memetakan id"flow"setiap aliran masuk ke id aliran keluar dengan kemiripan tertinggi.accuracy(guesses, answers): porsi id dianswersyang tebakanmu benar.
acc_plain (tanpa pertahanan), acc_cover (sisi masuk setelah add_cover_traffic(flows["entry"], rate=20, seed=1, seconds=S)) dan acc_constant (sisi masuk setelah constant_rate(flows["entry"], per_second=10, seconds=S)). Tesnya juga memakai rekaman baru.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.