Programma Lezione 150 di 156 · Misurare il web come un ricercatore
Misurare il web come un ricercatore

Progetto della Tappa 7: uno studio con una soluzione

Perché è importante Il lavoro vero sulla privacy è un ciclo: misura un problema, applica una soluzione, misura di nuovo, e di' con onestà che cosa è cambiato e quanto è costato. Questo progetto fa girare quel ciclo dall'inizio alla fine, unendo il crawler di questo modulo con una difesa del modulo precedente.

Pensa a un medico che verifica se una cura funziona: misura prima, cura, misura di nuovo allo stesso modo, e annota gli effetti collaterali. Senza la prima misura non c'è niente con cui confrontare; senza gli effetti collaterali il risultato è vero solo a metà.

La domanda

Sul web simulato, chi osserva la tua connessione cifrata potrebbe capire quale sito delicato hai visitato, e quanto padding servirebbe per fermarlo in modo affidabile?

Visitare un sito di salute, finanza o religione può rivelare qualcosa di personale anche se non trapela nient'altro. Dovrai:

  1. Misurare lo scenario. Esplora SimWeb(seed), trova i siti la cui categoria è in SENSITIVE, e registra quale quota di loro carica un tracker in elenco. Prendi i primi 6 siti delicati in classifica.
  2. Misurare il problema. Ottieni i caricamenti delle pagine per quei 6 siti con page_loads(seed, sites=...) e misura l'accuratezza del centroide più vicino, come nella lezione 143.
  3. Applicare la soluzione. Prova in ordine i budget di padding in PAD_LEVELS. Per ciascuno, aggiungi padding ai caricamenti di addestramento con seed=1 e a quelli di test con seed=2, riaddestra, e misura di nuovo. Fermati al primo budget la cui accuratezza è uguale o inferiore a TARGET. Se nessuno ci arriva, tieni l'ultimo.
  4. Misurare il costo. L'overhead al budget scelto, come nella lezione 143.
  5. Scrivere i limiti. Almeno due frasi oneste, come nella lezione 149. Una va qui qualunque cosa tu trovi: il budget è stato scelto guardando l'accuratezza sugli stessi caricamenti di test che poi riporti, e questo lusinga un po' il risultato. Uno studio attento sceglie il budget su un terzo insieme separato di caricamenti e riporta il set di test una volta sola.

Il rapporto

study(seed) restituisce un dict con esattamente queste chiavi:

{
  "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
}

I numeri vengono corretti rispetto a un'esecuzione nascosta su un altro seme, quindi il tuo codice deve fare lo studio, non copiare una risposta. I limiti non vengono corretti nel contenuto, ma il tutor può darti un riscontro su di essi. Pensa a: un mondo chiuso di 6 siti, un osservatore che conosce le tue impostazioni di padding, traffico simulato, e che cosa ti dice e non ti dice la quota di tracker.

Nota le due metà del risultato. Il padding protegge la visita da un osservatore di rete, ma i tracker su quegli stessi siti scoprono comunque cose su di te direttamente. Una difesa non copre mai ogni minaccia, e la tua descrizione può dirlo.

Un equivoco comune: "Se l'accuratezza è scesa sotto l'obiettivo, il problema è risolto." L'hai risolto per questo osservatore, in questo mondo chiuso, a un costo misurato. È un risultato vero, e ha dei confini.

In altri linguaggi

Scegliere il primo livello che raggiunge un obiettivo, altrove:

// 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 }
}

Riepilogo

  • Misura, risolvi, misura di nuovo allo stesso modo, e riporta il costo.
  • Il padding ha nascosto a un osservatore di rete quale sito delicato è stato visitato, a un prezzo in banda misurato.
  • I tracker su quei siti sono un problema separato che il padding non tocca.
  • I limiti onesti fanno parte del risultato, non sono una scusa per esso.
Tocca a te

Scrivi study(seed) seguendo i cinque passi qui sopra, e restituisci il dict del rapporto con esattamente le chiavi mostrate. Usa PAD_LEVELS = [50, 100, 200, 400, 800] e TARGET = 0.4, la classificazione del centroide più vicino sulle feature (outgoing, incoming) con le parità che vanno al primo sito in ordine alfabetico, pad_traces(..., seed=1) per i caricamenti di addestramento e seed=2 per quelli di test. Imposta report = study(7). I test rieseguono il tuo studio su un seme nascosto.

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.