Silabus Pelajaran 57 dari 156 · Ukur privasi, jujur saja.
Ukur privasi, jujur saja.

Proyek Tahap 2: laporan Tracker Lab

Kenapa ini penting Di sinilah Tahap 2 menyatu. Kamu menjalankan loop lengkap, tracker, lalu partition, lalu blocker, lalu measurement, pada world latihan yang belum pernah kamu lihat sebelumnya, dan kamu melaporkannya seperti peneliti privasi: sebagai angka yang bisa diperiksa siapa saja.

Ringkasan singkat

A newsroom latihan meminta kamu: "Seberapa besar pilihan browser pembaca kita melindungi mereka di tiga toko ini?" Kamu akan menjawab dengan laporan JSON yang dihasilkan oleh kodemu sendiri. JSON hanyalah dict yang ditulis sebagai teks, jadi program lain (atau grader) bisa membacanya.

Lab world: build_lab_world(seed) dari watched.leg2b_lab: tiga toko biasa, AdCo dan Metrics, ditambah satu tracker ekstra yang namanya berubah sesuai seed, dan widget ulasan yang tidak berbahaya di setiap toko, ada di sana untuk menggoda blocker yang ceroboh.

Karena tracker tambahan berubah sesuai seed, daftar yang ditulis manual tidak akan lolos. Detektor kamu dari pelajaran 48 harus menemukannya. lab_truth(world) memberimu kunci jawaban untuk penilaian saja: dalam riset nyata, membuatnya adalah pekerjaan tangan yang lambat.

Tiga kali jalan

Setiap kali dijalankan, program akan menelusuri daftar halaman yang sama dari lab_urls(world, n, seed), dengan salinan fresh tracker latihan AdCo yang terpasang (server, profiles = practice_tracker(world) dari watched.leg2e_inside, tracker siap pakai yang kamu pelajari di Module 7), jadi tidak ada jalankan yang melihat profil milik yang lain. Kamu tidak menulis tracker; kamu mengukurnya.

  1. Browser biasa. Berapa banyak situs toko yang digabungkan tracker AdCo ke satu ID? Jalankan juga find_trackers pada log jalankan ini.
  2. Browser terpartisi (Browser(world, partitioned=True)). Pertanyaan yang sama. Setiap toko dapat wadah cookie AdCo sendiri, jadi jawabannya harus turun ke 1.
  3. Bloker kamu (Browser(world, blocker=make_blocker(found))). Pertanyaan yang sama, ditambah presisi dan recall terhadap lab_truth(world).

cara rapi untuk menghindari pengulangan: tulis satu helper, contohnya tracked_run(world, urls, **options), yang menghapus tracker lama, memasang yang baru, melakukan browsing, dan mengembalikan browser serta jumlah link. **options meneruskan pengaturan keyword seperti partitioned=True langsung ke Browser.

Laporannya

KeyNilai
pagesjumlah URL yang dikunjungi
trackers_founddaftar situs yang ditandai oleh detektor kamu di jalankan 1
linked_sites, linked_sites_partitioned, linked_sites_blockedjumlah situs toko terbanyak yang terhubung ke satu AdCo ID di run 1, 2 dan 3 (0 jika tidak ada profil)
requests_totaljumlah record di log run 3
requests_blockedberapa banyak yang diblokir
precision, recalljalankan 3 terhadap lab_truth(world), dibulatkan ke 3 tempat

Akhirnya atur report_json = json.dumps(report, indent=2, sort_keys=True) untuk build_lab_world(seed=7) dengan lab_urls(world, 30, seed=7), dan cetak itu.

Daftar periksa sebelum kamu kirim

  • Setiap jalan instal tracker baru dan menghapusnya setelahnya (world.remove_trackers()).
  • find_trackers tidak menandai widgets.example atau cdn.example.
  • Setiap nilai di laporan adalah angka, string, atau list biasa, jadi json.dumps berfungsi.

Membaca hasilmu sendiri

Kamu harus melihat cerita seluruh leg dalam beberapa angka: satu ID di setiap toko, lalu 1 dengan partitioning, kemudian 0 dengan blocker milikmu. Partitioning saja menghentikan cross-site join, tapi AdCo masih melihat setiap kunjungan. Blocking menghentikan AdCo mendengar apa pun, dengan risiko false positives, yang ditunjukkan oleh precision milikmu. Keduanya tidak menyentuh apa yang dibagikan oleh server toko itu sendiri. Celah itulah tempat Tahap 3 dan 4 mengambil alih.

Coba sendiri Kalau kamu lulus, buat salinan asal dari detector kamu yang menandai setiap situs pihak ketiga, abaikan petunjuknya, dan jalankan ulang blocker dengan itu. Lihat presisinya turun: situs aman mana yang kena, dan apa yang bakal rusak di toko beneran?

Di bahasa lain

JavaScript:

// The same report, written out as JSON
const report = {
  pages: urls.length,
  trackers_found: [...found].sort(),
  linked_sites: linked,
  precision: Math.round(precision * 1000) / 1000,
};
console.log(JSON.stringify(report, null, 2));

Go:

type Report struct {
    Pages         int      `json:"pages"`
    TrackersFound []string `json:"trackers_found"`
    LinkedSites   int      `json:"linked_sites"`
    Precision     float64  `json:"precision"`
}
out, _ := json.MarshalIndent(report, "", "  ")
fmt.Println(string(out))

Ringkasan

  • Loop lengkapnya: track, partition, block, measure, di dunia yang belum pernah kamu lihat.
  • Partitioning menghentikan join antar situs; blocking menghentikan tracker mendengar sama sekali.
  • Precision dan recall menjaga blocker kamu tetap jujur tentang kerusakan dan kebocoran.
  • A laporan angka yang bisa diperiksa adalah cara klaim privasi harus dibuat.
Giliranku

Tulis find_trackers(log) (dari pelajaran 48, dengan pembantunya), score(log, trackers) (dari pelajaran 51), make_blocker(trackers) yang mengembalikan blocker yang memblokir setiap request yang situsnya ada di trackers, dan run_lab(world, urls) yang mengembalikan dict laporan dengan kunci tepat pages, trackers_found, linked_sites, linked_sites_partitioned, linked_sites_blocked, requests_total, requests_blocked, precision dan recall, seperti yang dijelaskan di brief. Lalu atur dan cetak report_json untuk build_lab_world(seed=7) dan lab_urls(world, 30, seed=7). Tracker AdCo sudah jadi: gunakan server, profiles = practice_tracker(world) dari watched.leg2e_inside di setiap jalannya.

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.