シラバス レッスン 156 中 130 · 端末ではなく、人を追跡する
端末ではなく、人を追跡する

端末をまたぐ照合

なぜ大切か バスでは電話を、職場ではノートパソコンを、ソファではタブレットを使うかもしれません。それぞれ自分の Cookie を持っています。広告の会社は、それがすべてひとりの人だとぜひ知りたいのです。このラボでは、彼らが使う手がかり、その手がかりがどれだけよく間違えるか、そしてずば抜けて強い手がかり、つまりログインを示します。

点を結ぶ

端末ごとに 1 冊、3 冊の別々の手帳を持った探偵を思い浮かべてください。各手帳には、その端末がどこで、いつネットにつないだかが並んでいます。探偵の仕事は、どの手帳が同じ人のものかを決めることです。誰も教えてくれません。重なりから推測します。

端末をまたぐ照合:いくつかの端末がひとりの人のものだと決めることです。決定的な 照合は、両方にログインした同じアカウントのような、確かなつながりを使います。確率的な 照合は、同じ家のネットワークや同じ使用時間のような、ありそうなつながりを使い、いくらかの間違いを受け入れます。

IP アドレス:端末の通信が来るネットワークのアドレスです。ひとつの家のルーターの後ろのどの端末もふつう家のアドレスを共有し、携帯のネットワークの多くの電話もひとつのアドレスを共有することがあります。

3 つの手がかり

  • 共有のログイン:2 つの端末の同じアカウント。とても強い。
  • 共有の IP アドレス:同じ世帯、職場、携帯のネットワークを示しますが、必ずしも同じ人ではありません。
  • 似た時間帯:1 日の同じ時刻に動いている 2 つの端末。

練習用の世帯は synthetic_households() から来ます。それはイベントのリストと解答を返します。各イベントは {"device": "phone-004", "ip": "203.0.113.7", "hour": 21, "login": "acct-1f2e3d"} で、誰もログインしていなければ "login": None です。アドレスは文書のために予約された範囲のもので、本物のインターネットでは決して使われません。

集合なら重なりが簡単

Python の 集合 は異なる値の袋で、空なら set() と書きます。s.add(x) は値を入れます。a & b は両方の集合にある値を、a | b はどちらかにある値を返します。空の集合は if では偽として数えられます:

a = {9, 21, 22}
b = {8, 21, 22, 23}
print(a & b)                    # {21, 22}
print(len(a & b) / len(a | b))  # 2 / 5 = 0.4, the share of hours in common
if a & b:
    print("they overlap")

点数を付けて判断する

端末の各組に点数を付けます。共有のログインに 3、共有の IP に 1、それに共通の時間帯の割合(0 から 1)を足します。しきい値 以上の組は「同じ人」として数えます。それから 2 つのことを測ります:

適合率:主張した組のうち、正しかった割合です。再現率:本当の組のうち、見つけた割合です。慎重な照合器は適合率が高く、欲張りな照合器は再現率が高くなります。

ほかの言語では

JavaScript での集合の重なり(JavaScript には集合のための & 演算子がありません。新しいエンジンは intersection() メソッドを加えていて、絞り込みはどこでも働きます):

const both = [...a.logins].some(x => b.logins.has(x));
const common = [...a.hours].filter(h => b.hours.has(h)).length;
const either = new Set([...a.hours, ...b.hours]).size;
const score = (both ? 3 : 0) + (either ? common / either : 0);

そして C# で:

var common = a.Hours.Intersect(b.Hours).Count();
var either = a.Hours.Union(b.Hours).Count();
double score = (a.Logins.Overlaps(b.Logins) ? 3 : 0) + (either > 0 ? (double)common / either : 0);

見えるはずのこと

しきい値 1.0 では共有のアドレスだけで十分になり、適合率が崩れます。同居人、同僚、同じ携帯のネットワークの見知らぬ人がみな合体されます。1.5 では、照合器はおよそ 10 回に 7 回正しく、本当の組のおよそ 10 のうち 7 を見つけます。3.0 ではログインだけが数えられます。ほぼすべての主張が正しいですが、本当の組のほとんどを見落とします。ログインすることは、ほぼ確実なひとつの手がかりを手渡すことです。

防御

アカウントが必要ない所ではログアウトしたままにし、分けておきたい端末では違うアカウントを使う(か、使わない)ようにしましょう。VPN は IP の手がかりを変えますが、ログインや時間帯は変えません。このモジュールの最後のレッスンで、これらをまとめます。

まとめ

  • 端末は、ログイン(ほぼ確実)、共有の IP アドレス、似た時間帯(どちらも当て推量)で結びつけられます。
  • 共有のアドレスが結びつけるのは人ではなく世帯とネットワークなので、多くの誤った一致を生みます。
  • 適合率と再現率が、慎重な照合と欲張りな照合の間のトレードオフを示します。
  • ログインは、あなたが手渡す最も強い手がかりです。
あなたの番

4 つの関数を書いてください。summarise(events) は、各端末を {"ips": set, "hours": set, "logins": set} に対応づける辞書を返し、logins からは None を除きます。pair_score(a, b) は、そうした要約を 2 つ受け取り、ログインの集合が値を共有すれば 3、IP の集合が値を共有すれば 1 を足し、それに両方にある時間帯の数をどちらかにある時間帯の数で割ったもの(両方とも空なら 0)を足して返します。match_devices(summaries, threshold) は、点数が少なくとも threshold である端末の名前のすべての組について、a < b のタプル (a, b) の集合を返します。precision_recall(predicted, truth) は、集合が空のときは 0 を使って、タプル (precision, recall) を返します。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

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。