トラフィック分析
なぜ大切か 暗号化は何を言ったかを隠しますが、いつ言ったか、どれだけ言ったかは隠しません。通信のタイミングを見るだけで、匿名ネットワーク越しでさえ、誰が誰と話しているかが明らかになりえます。シミュレーションした通信の流れでそれが働くのを見ると、Tor に約束できることとできないこと、そして最も強い防御がなぜそれほど高くつくのかがはっきりします。
誰の郵便物も開けられないけれど、2 つの郵便局に立っていられるとしましょう。Ana の家から手紙がまとまって出るたびに、少し後に、似たまとまりが診療所に届きます。一言も読んでいないのに、Ana が診療所に手紙を書いていると推測できます。
メタデータ:メッセージの中身ではなく、メッセージについてのデータです。いつ送られたか、どれだけの大きさか、どこから来てどこへ行ったか。
トラフィック分析:中身を読まずに、通信のパターン(タイミング、大きさ、量)から物事を知ることです。
状況設定
観察者は 2 か所を見張ります。ユーザーとそのガードの間のつながりと、出口とウェブサイトの間のつながりです。watched.leg7b_onion の関数 tor_flows(seed) は、その両方をシミュレーションした記録を返します。どのパケットも 1 つの セル、つまり Tor の固定サイズの通信単位(514 バイト)なので、大きさからは何もわかりません。手がかりはタイミングだけです。両側の流れの名前はシャッフルされていて、出口側は少し遅れています。
from watched.leg7b_onion import tor_flows
flows = tor_flows(seed=1)
print(flows["entry"][0]["flow"]) # e01
print(flows["entry"][0]["packets"][:3]) # [(time_in_seconds, size), ...]
print(flows["exit"][0]["flow"]) # x01, but which user is it?
# flows["answers"] holds the truth, so you can score your guesses.手順 1:パケットを形に変える
各秒にいくつのパケットが入るかを数えます。0 秒目には 0 から 1 まで(1 は含まない)の時刻が入り、以下同様です。int(t) は、ある時刻が属する秒を返します。流れは [0, 7, 9, 1, 0, 0, 6, ...] のようなリストになります。時間に沿ったその形です。
手順 2:2 つの形を比べる
相関:2 つのリストがどれだけ一緒に上がり下がりするかを表す、-1 から 1 までの数です。1 は完全にそろっていること、0 は関係がないことを意味します。Python には組み込みであります:statistics.correlation(a, b)。
リストがまったく変化しない(値がすべて等しい)と相関は定義されず、Python は statistics.StatisticsError を投げます。それを捕まえて 0.0、つまり「どちらとも言えない」を使います。
import statistics
print(statistics.correlation([1, 5, 2, 8], [2, 9, 3, 15])) # close to 1: in step
try:
statistics.correlation([3, 3, 3], [1, 2, 3])
except statistics.StatisticsError:
print("a flat list has no correlation")手順 3:各入り口の流れを、最も似た出口の流れと照合する
各入り口の流れについて、すべての出口の流れを試し、相関が最も高いものを残します。このシミュレーションでは、それだけでほぼ全員が正しく組になります。研究者が調べてきたこの種の本物の攻撃も、同じ考え方で働きます。
防御と、その代償
- ランダムなカバートラフィック:ランダムな時刻に偽のセルを足します。形が少しぼやけますが、まとまった送信はやはり目立ちます。ほとんど役に立たないことがわかるでしょう。
- 一定レート:毎秒まったく同じ数のセルを送り、すき間をダミーで埋め、本物のセルは順番を待たせます。どの秒も同じに見えるので、形が消えます。代償は帯域(大量のダミー)と遅れ(まとまった送信のときにセルが列に並ぶ)です。
Tor は、粗い接続記録をぼやかすために少しのパディングを加えますが、両端を見張れる人から通信の形を隠しはしません(2026 年 10 月確認)。ウェブが使えるままであるよう、低い遅れを選んでいるのです。このモジュールの最後のレッスンでは、逆の道を選ぶネットワークを見ます。
よくある誤解:「すべてが暗号化されていれば、私が誰と話しているかは誰にもわからない」。暗号化が隠すのは中身です。タイミングと量はまだ見え、それで十分なことがよくあります。
このラボはシミュレーションした通信の流れだけを使います。防御を判断できるよう危険を理解するためのもので、本物の人々を見張る方法ではありません。それに、本物のネットワークははるかに雑音が多いのです。
ほかの言語では
ほかの言語で、毎秒のパケットを数えて相関を計算するには:
// JavaScript
function countsPerSecond(packets, seconds) {
const counts = new Array(seconds).fill(0);
for (const [t] of packets) if (t >= 0 && t < seconds) counts[Math.floor(t)]++;
return counts;
}
function correlation(a, b) {
const n = a.length, ma = a.reduce((x, y) => x + y) / n, mb = b.reduce((x, y) => x + y) / n;
let num = 0, da = 0, db = 0;
for (let i = 0; i < n; i++) { num += (a[i]-ma)*(b[i]-mb); da += (a[i]-ma)**2; db += (b[i]-mb)**2; }
return da && db ? num / Math.sqrt(da * db) : 0;
}// Go
func countsPerSecond(times []float64, seconds int) []int {
counts := make([]int, seconds)
for _, t := range times {
if t >= 0 && t < float64(seconds) { counts[int(t)]++ }
}
return counts
}まとめ
- 暗号化が隠すのは中身で、タイミングや量(メタデータ)は隠しません。
- 毎秒のパケットを数えると各流れに形ができ、相関で両端の一致する形が見つかります。
- ランダムなカバートラフィックはほとんど役に立たず、一定レートの送信は形を隠しますが、帯域と遅れを費やします。
- Tor は低い遅れを優先するので、両端を見張る人は止められません。
4 つの関数を書き、それを tor_flows(seed=1) に使ってください:
counts_per_second(packets, seconds):seconds個の数のリストで、時刻tが0 <= t < secondsを満たすパケットの数を、添字int(t)の位置に入れたもの。similarity(a, b):statistics.correlation(a, b)、それがstatistics.StatisticsErrorを投げたら0.0。match(entry, exits, seconds):各入り口の流れの"flow"の ID を、類似度が最も高い出口の流れの ID に対応づける辞書。accuracy(guesses, answers):answersの ID のうち、推測が正しかった割合。
acc_plain(防御なし)、acc_cover(add_cover_traffic(flows["entry"], rate=20, seed=1, seconds=S) の後の入り口側)、acc_constant(constant_rate(flows["entry"], per_second=10, seconds=S) の後の入り口側)を設定します。テストは新しい記録も使います。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。