Silabus Pelajaran 150 dari 156 · Ukur web seperti seorang peneliti
Ukur web seperti seorang peneliti

Proyek Tahap 7: sebuah studi dengan perbaikan

Kenapa ini penting Privasi yang nyata adalah sebuah siklus: ukur masalah, terapkan perbaikan, ukur lagi, dan katakan dengan jujur apa yang berubah dan apa biayanya. Proyek ini menjalankan siklus itu dari awal sampai akhir, menggabungkan crawler dari modul ini dengan pertahanan dari modul sebelumnya.

Bayangkan seorang dokter yang memeriksa apakah suatu pengobatan berhasil: ukur dulu, obati, ukur lagi dengan cara yang sama, dan catat efek sampingnya. Tanpa pengukuran pertama tidak ada yang bisa dibandingkan; tanpa efek samping hasilnya hanya setengah benar.

Pertanyaan

Di web simulasi, bisakah orang yang melihat koneksi terenkripsi kamu tahu situs sensitif mana yang kamu kunjungi, dan berapa banyak padding yang dibutuhkan untuk menghentikan mereka dengan yakin?

Mengunjungi situs kesehatan, keuangan, atau agama bisa mengungkap sesuatu yang pribadi meskipun tidak ada hal lain yang bocor. Kamu akan:

  1. Ukur tindakan. Crawl SimWeb(seed), cari situs yang kategorinya ada di SENSITIVE, dan catat berapa bagian dari mereka yang memuat tracker yang terdaftar. Ambil 6 situs sensitif pertama berdasarkan peringkat.
  2. Ukur masalahnya. Dapatkan page loads untuk 6 situs tersebut dengan page_loads(seed, sites=...) dan ukur nearest-centroid accuracy, seperti di pelajaran 143.
  3. Terapkan perbaikannya. Coba padding budget di PAD_LEVELS secara berurutan. Untuk setiap budget, tambahkan padding pada training loads dengan seed=1 dan test loads dengan seed=2, latih ulang, dan ukur lagi. Berhenti pada budget pertama yang akurasinya berada di atau di bawah TARGET. Jika tidak ada yang mencapainya, gunakan yang terakhir.
  4. Ukur biayanya. Overhead pada anggaran yang dipilih, seperti di pelajaran 143.
  5. Batasan penulisan. Setidaknya dua kalimat jujur, seperti di pelajaran 149. Satu milik di sini apa pun yang kamu temukan: anggaran dipilih dengan melihat akurasi pada beban tes yang sama yang kemudian kamu laporkan, yang sedikit mempercantik hasil. Studi yang cermat memilih anggaran pada set beban ketiga yang terpisah dan melaporkan set tes sekali saja.

Laporannya

study(seed) mengembalikan dict dengan kunci yang tepat seperti ini:

{
  "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
}

Angka-angkanya dinilai berdasarkan jalannya program tersembunyi pada seed lain, jadi kodemu harus melakukan studi, bukan menyalin satu jawaban. Batasan tidak dinilai berdasarkan konten, tapi tutor bisa memberi masukan tentang itu. Pikirkan tentang: dunia tertutup dengan 6 situs, pengamat yang tahu pengaturan padding kamu, lalu lintas simulasi, dan apa yang dibagikan oleh tracker serta apa yang tidak diberitahukan kepadamu.

Perhatikan dua bagian dari hasilnya. Padding melindungi kunjungan dari pengamat jaringan, tapi pelacak di situs yang sama tetap mempelajari tentang kamu secara langsung. Satu pertahanan tidak pernah menutupi semua ancaman, dan tulisanmu bisa menyebutkan hal itu.

Kesalahpahaman umum: "Jika akurasi turun di bawah target, masalahnya selesai." Kamu menyelesaikannya untuk pengamat ini, di dunia tertutup ini, dengan biaya yang terukur. Itu adalah hasil nyata, dan itu punya batasan.

Di bahasa lain

Memilih level pertama yang memenuhi target, di tempat lain:

// 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 }
}

Ringkasan

  • Ukur, perbaiki, ukur lagi dengan cara yang sama, dan laporkan biayanya.
  • Padding menyembunyikan situs sensitif mana yang dikunjungi dari pengamat jaringan, dengan harga bandwidth yang terukur.
  • Pelacak di situs-situs itu adalah masalah terpisah yang tidak bisa diatasi dengan padding.
  • Batasan jujur adalah bagian dari hasil, bukan permintaan maaf untuk itu.
Giliranku

Tulis study(seed) mengikuti lima langkah di atas, kembalikan dict laporan dengan kunci yang persis seperti yang ditunjukkan. Gunakan PAD_LEVELS = [50, 100, 200, 400, 800] dan TARGET = 0.4, klasifikasi nearest-centroid pada fitur (outgoing, incoming) dengan hasil seri ke situs pertama secara alfabetis, pad_traces(..., seed=1) untuk beban pelatihan dan seed=2 untuk beban pengujian. Atur report = study(7). Tes akan menjalankan ulang studimu pada seed tersembunyi.

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.