Himpunan anonimitas dan entropi
Kenapa ini penting Judul berita sering bilang hal seperti "browser kamu unik" atau "ciri ini memberikan 10 bit". Pelajaran ini menunjukkan cara angka tersebut diukur, dan dua jebakan yang membuat banyak di antaranya lebih besar dari kenyataan. Lalu kamu bisa menilai klaim privasi, termasuk milikmu sendiri.
Bersembunyi di tengah keramaian
Bayangkan sebuah stasiun penuh dengan komuter yang memakai mantel hitam yang sama. Kalau kamu pakai mantel hitam juga, kamu akan bersembunyi di antara ratusan orang. Kalau kamu pakai mantel kuning terang, kerumunan tempat kamu bersembunyi hanyalah dirimu sendiri.
Anonymity set: kelompok orang yang terlihat persis seperti kamu bagi pengamat. Semakin besar ukurannya, semakin baik kamu bersembunyi. Set dengan ukuran 1 berarti kamu unik.
Di pelajaran 50 kamu mengukur seberapa menonjol satu orang, Sam, di tengah kerumunan. Di sini kamu mengukur seluruh kerumunan 5.000 synthetic browsers (dibuat oleh synthetic_browsers, bukan orang sungguhan), untuk melihat seberapa baik everyone bersembunyi.
Group, lalu hitung
Pilih beberapa ciri, misalnya ["timezone", "language"]. fingerprint setiap browser adalah tuple dari nilai-nilai tersebut, contohnya ("Europe/London", "en-GB"). Tuple bisa berfungsi sebagai kunci dict, jadi collections.Counter bisa menghitung berapa banyak browser yang memiliki masing-masing ciri:
from collections import Counter
Counter([("A", "x"), ("A", "x"), ("B", "x")])
# Counter({('A', 'x'): 2, ('B', 'x'): 1})Setiap hitungan adalah set anonimitas. Hitungan 1 adalah browser unik. Dengan semua 13 ciri, sebagian besar dari 5.000 browser ternyata unik.
Entropy: satu angka untuk seluruh kerumunan
Di pelajaran 48 kamu menggunakan Shannon entropy untuk mengukur seberapa acak karakter dalam sebuah teks. Rumus yang sama berlaku untuk kerumunan: untuk setiap anonymity set, ambil bagian p dari semua orang, dan jumlahkan -p * log2(p).
Entropy (dari sebuah fingerprint): rata-rata jumlah bit yang dipelajari pelacak tentang pengunjung acak dari ciri-ciri ini. 0 bit: semua orang terlihat sama. log2(N) bit: semua orang dalam kerumunan N unik.
Contoh: empat browser dengan zona waktu A, A, B, C. Bagiannya adalah 1/2, 1/4 dan 1/4, jadi entropi adalah 0.5 x 1 + 0.25 x 2 + 0.25 x 2 = 1.5 bits.
Jebakan 1: langit-langit
Kerumunan 5.000 orang tidak akan pernah menunjukkan lebih dari log2(5000), sekitar 12.3 bits, karena pada titik itu semua orang sudah unik. Jadi studi terhadap 5.000 browser yang menemukan "12 bits" mungkin sudah mencapai batas maksimal, bukan mengukur sifatnya. Dan unik di antara 5.000 bukan berarti unik di antara miliaran. Sampel yang lebih besar memberikan angka yang lebih besar dan lebih jujur.
Perangkap 2: menambahkan traits up
Zona waktu dan bahasa berjalan bersama: sebagian besar Asia/Tokyo browser mengatakan ja-JP. Kartu grafis dan sistem juga begitu. Jadi menambahkan entropi setiap ciri secara terpisah menghitung informasi yang sama beberapa kali. sum_of_parts kamu akan jauh di atas joint, entropi dari semua ciri yang diukur bersama, dan jauh di atas batas 12.3-bit. Angka gabungan adalah yang jujur.
Kesalahpahaman umum
"Entropi tinggi berarti semua orang bisa dilacak." Entropi adalah rata-rata. Kerumunan bisa punya entropi tinggi sementara kelompok besar orang dengan pengaturan yang sangat umum tetap bisa bersembunyi dengan baik. Lihat rata-rata dan berapa banyak orang yang berada dalam set kecil.
Coba sendiri Saat kamu lulus, cetak entropy_bits(crowd, [t]) untuk setiap trait (solusi ini melakukannya). Tiga trait mana yang membawa bit paling banyak? Lalu bandingkan nilai browser kamu sendiri untuk trait tersebut dengan situs tes fingerprint seperti Cover Your Tracks milik EFF.
Di bahasa lain
JavaScript:
function entropyBits(rows, traits) {
const counts = new Map();
for (const r of rows) {
const key = JSON.stringify(traits.map(t => r[t]));
counts.set(key, (counts.get(key) || 0) + 1);
}
let bits = 0;
for (const c of counts.values()) {
const p = c / rows.length;
bits -= p * Math.log2(p);
}
return bits;
}Go:
func entropyBits(keys []string) float64 {
counts := map[string]int{}
for _, k := range keys {
counts[k]++
}
bits := 0.0
for _, c := range counts {
p := float64(c) / float64(len(keys))
bits -= p * math.Log2(p)
}
return bits
}Ringkasan
- Himpunan anonimitas adalah semua orang yang terlihat persis seperti kamu; ukuran 1 berarti unik.
- Entropy adalah rata-rata bit yang dipelajari tentang pengunjung: grup, hitungan, lalu jumlah -p log2(p).
- Sampel N tidak bisa menunjukkan lebih dari log2(N) bit; sampel kecil meremehkan jumlah keseluruhan.
- Ukur ciri bersama: menambahkannya satu per satu akan menghitung dua kali ciri yang terhubung.
Tulis fingerprint(row, traits) (tuple dari nilai-nilainya), anonymity_sets(rows, traits) (dict dari fingerprint ke count), fraction_unique(rows, traits) (bagian baris dalam set berukuran 1), entropy_bits(rows, traits) (Shannon entropy dari set anonimitas) dan max_bits(n) (log2(n)). Lalu atur joint ke entropy dari crowd di semua TRAIT_NAMES, dan sum_of_parts ke jumlah entropy dari setiap trait tunggal.
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.