Riconoscere i tracker senza un elenco
Perché è importante Un elenco conosce solo i tracker che qualcuno ha già trovato e annotato. Nuovi tracker compaiono ogni settimana, e alcuni cambiano nome apposta. Riconoscere un tracker da come si comporta cattura quelli di cui nessun elenco ha ancora sentito parlare.
Riconoscere un taccheggiatore senza una foto
Una guardia di un negozio con un elenco di taccheggiatori noti è utile. Ma una brava guardia osserva anche il comportamento: qualcuno che visita ogni negozio della via e annota chi entra. Non ti serve il suo nome per vedere che cosa sta facendo.
Anche i tracker hanno comportamenti rivelatori. In questa lezione cerchi tre indizi nel registro delle richieste di un browser:
- Dappertutto contemporaneamente. Lo stesso sito di terza parte compare su due o più siti diversi. È questo che gli permette di unire le tue visite.
- Un ID unico nell'indirizzo. Un valore della query come
cid=df0641532d7fche sembra casuale: è un cartellino con il tuo nome. - Un pixel. Un'"immagine" di 100 byte o meno, troppo piccola per mostrare qualcosa. Il suo unico compito è far inviare una richiesta al tuo browser.
Euristica: una regola pratica che di solito ha ragione ma non sempre, come "nuvole scure significano pioggia". Le euristiche possono catturare cose nuove, e possono anche essere ingannate.
La nostra regola: un sito è un tracker se l'indizio 1 è vero e almeno uno tra gli indizi 2 e 3 è vero. Richiedere l'indizio 1 tiene al sicuro l'innocuo cdn.example: è su ogni negozio, ma non invia nessun ID e il suo logo è una vera immagine di 2 KB.
Quanto è casuale il casuale? L'entropia, in breve
Per distinguere un ID da una parola normale, misuriamo quanto sono mescolati i suoi caratteri. aaaa non è per niente mescolato. abcd usa quattro caratteri diversi in parti uguali.
Entropia di Shannon: un numero che dice quanto è imprevedibile qualcosa, in bit. Per un testo: per ogni carattere diverso, prendi la sua quota p del testo, e somma -p * log2(p). Più varietà dà più bit.
char_entropy("aaaa") # 0.0 every character is the same
char_entropy("abab") # 1.0 two characters, half each
char_entropy("abcd") # 2.0 four characters, a quarter eachmath.log2(p) è "quante volte devo dimezzare 1 per ottenere p", dato come numero negativo, ed è per questo che c'è un segno meno. collections.Counter(text) conta ogni carattere al posto tuo. Incontrerai di nuovo questa stessa formula, applicata a intere folle di browser, nel prossimo modulo.
L'entropia da sola non basta: anche trail-shoes è piuttosto mescolato. Quindi looks_like_id chiede anche almeno 8 caratteri, solo lettere, cifre, - o _, e almeno una lettera e una cifra. Le parole falliscono il test della cifra; date e URL falliscono quello delle lettere o dei caratteri.
Leggere il registro
Ogni record in browser.log ha ciò che ti serve:
site_of(record.url)erecord.top_site: se sono diversi, è di terza parte.record.request.params: la query come dict, già decodificata.record.response:Nonese bloccata; altrimenti.header("Content-Type")e.sizein byte.
Limiti onesti
Un tracker presente su un solo sito del tuo registro passa inosservato, anche se è su migliaia di siti che non hai ancora visitato. Anche un tracker che nasconde gli ID in un cookie e invia un'immagine di dimensioni normali passa. E uno script di statistiche di prima parte che invia ID al proprio sito non è affatto di terza parte. Ecco perché i blocker veri usano elenchi ed euristiche insieme.
Provalo Apri DevTools (F12, o Cmd+Option+I su un Mac), vai alla scheda Network, filtra per Img e carica un sito di notizie. Ordina per Size. La colonna Size conta anche le intestazioni della risposta, quindi un pixel la cui immagine è di poche decine di byte appare comunque di qualche centinaio. Qualsiasi immagine così piccola, da un altro sito, è molto probabilmente un pixel. Fai clic su una e guarda nella sua query string se c'è un lungo valore casuale.
In altri linguaggi
JavaScript:
function charEntropy(text) {
if (!text) return 0;
const counts = {};
for (const ch of text) counts[ch] = (counts[ch] || 0) + 1;
let bits = 0;
for (const n of Object.values(counts)) {
const p = n / text.length;
bits -= p * Math.log2(p);
}
return bits;
}
const looksLikeId = v => v.length >= 8 && /^[A-Za-z0-9_-]+$/.test(v)
&& /[0-9]/.test(v) && /[A-Za-z]/.test(v) && charEntropy(v) >= 2;C#:
static double CharEntropy(string text) =>
text.Length == 0 ? 0 :
-text.GroupBy(c => c)
.Select(g => (double)g.Count() / text.Length)
.Sum(p => p * Math.Log2(p));Riepilogo
- Il comportamento tradisce i tracker: presenti su molti siti, inviano ID casuali, scaricano pixel.
- L'entropia di Shannon misura quanto è mescolato un testo; gli ID casuali hanno un punteggio alto.
- Richiedere "su 2 o più siti" protegge gli aiutanti innocui come una CDN.
- Le euristiche catturano tracker nuovi ma ne perdono alcuni; i blocker veri le combinano con gli elenchi.
Scrivi char_entropy(text) (entropia di Shannon in bit per carattere, 0.0 per un testo vuoto), looks_like_id(value) (almeno 8 caratteri, tutti in ID_CHARS, almeno una cifra e una lettera, entropia almeno 2.0), is_pixel(record) (una risposta con un Content-Type che inizia con image/ e dimensione di 100 byte o meno) e find_trackers(log), che restituisce il set dei siti che compaiono come terza parte su almeno 2 siti principali diversi e che hanno inviato un valore della query simile a un ID o ricevuto un pixel. Non usare watched.reference.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.