웹사이트 핑거프린팅
왜 중요한가 관찰자가 여러분이 어느 사이트를 방문하는지 볼 수 없어도, 페이지 불러오기의 모양이 그것을 드러낼 수 있어요: 얼마나 보내고, 얼마나 돌아오는지. 이 실습은 그 추측이 어떻게 이뤄지는지, 패딩이 어떻게 맞서는지, 그리고 왜 실습 결과가 공격을 실제보다 강해 보이게 하는지 보여 줘요.
평범한 갈색 종이로 싼 소포를 생각해 보세요. 라벨은 읽을 수 없지만, 길고 가는 소포는 아마 포스터이고 무겁고 네모난 건 아마 책이에요. 페이지 불러오기도 같아요: 동영상 사이트는 데이터를 많이 끌어오고, 글 위주 포럼은 아주 적게 끌어와요. 포장은 내용을 숨기지, 크기와 모양을 숨기지 않아요.
웹사이트 핑거프린팅: 암호화된 트래픽의 패턴만으로, 전에 기록한 패턴과 비교해 누군가 어느 웹사이트를 불러왔는지 추측하는 것.
셀: 고정 크기 트래픽 단위. 이 실습에서 페이지 불러오기는 셀의 리스트예요: 보낸 셀은 1, 받은 셀은 -1.
간단한 분류기: 가장 가까운 중심
먼저 각 불러오기를 숫자 두 개, 그 특징으로 줄여요: 나가는 셀과 들어오는 셀. cells.count(1)과 cells.count(-1)이 그걸 해요. 그다음 사이트마다 훈련 불러오기의 특징을 평균 내요. 그 평균 점이 사이트의 중심(centroid), 전형적인 모양이에요. 새 불러오기를 분류하려면 가장 가까운 중심을 찾아요.
중심(centroid): 점 무리의 평균: 평균 x, 평균 y. 여기서는 사이트마다 하나.
import math
from watched.leg7b_onion import page_loads
data = page_loads(seed=3) # {"train": [...], "test": [...]}
load = data["train"][0]
print(load["site"], len(load["cells"]))
print(math.dist((30, 400), (33, 420))) # straight-line distance between two points
# min(sorted(model), key=lambda s: ...) picks the site with the smallest value,
# and on a tie the one that comes first alphabetically.방어: 패딩
패딩은 가짜 셀을 더해서 불러오기가 자기 사이트와 덜 닮아 보이게 해요. FRONT라는 연구 설계는 무작위 수의 가짜를 더하는데, 대부분 페이지가 가장 많이 드러내는 불러오기 시작 근처에 더해요. pad_traces(traces, budget, seed)는 모든 불러오기에 방향마다 최대 budget개의 가짜 셀을 더해요.
공정하게 재려면 관찰자가 여러분이 패딩한다는 걸 알고 패딩한 불러오기로도 훈련한다고 가정하세요. 패딩은 공격을 이기기보다 정확도를 낮추고, 가짜는 대역폭이 들어요. 둘 다 잴 거예요: 정확도 하락과 원래 대비 추가 셀의 비율인 오버헤드:
overhead = total_cells_after_padding / total_cells_before - 1 # 0.5 means 50% more trafficTor에는 회로를 패딩하는 틀이 있지만, 웹사이트 핑거프린팅에 맞선 무거운 패딩은 보통 브라우징에서 켜져 있지 않아요(2026년 10월 확인). 대체로 이 대역폭 비용 때문이에요.
실습이 공격을 부풀리는 이유
여기서 관찰자는 여러분이 사이트 여덟 개 중 하나를 방문한다는 걸 알아요. 그게 닫힌 세계예요. 진짜 사람들은 수백만 개 사이트를 방문해요: 열린 세계. 그러면 기저율이 물어요. 분류기가 민감한 사이트를 95% 올바르게 표시하고 다른 불러오기의 5%를 잘못 표시한다고 해 봐요. 불러오기 1,000개 중 1개만 정말 그 사이트라면, 불러오기 100,000개 중 진짜 방문 약 95개가 표시되고, 거짓 경보 약 4,995개도 함께 표시돼요. 경보의 98% 넘게가 틀려요.
흔한 오해: "웹사이트 핑거프린팅은 Tor가 망가졌다는 뜻이다." 그건 특정 관찰자 하나, 여러분과 가드 사이에 있는 관찰자가 지저분한 열린 세계보다 실습에서 훨씬 잘 작동하는 그럴듯한 추측을 할 수 있다는 뜻이에요. 막을 가치가 있는 진짜 위험이지, 포기할 이유가 아니에요.
여기의 모든 불러오기는 시뮬레이션이에요. 진짜 트래픽은 기록하거나 분석하지 않아요.
다른 언어로
가장 가까운 중심 단계, 다른 곳에서:
// JavaScript
function classify(model, cells) {
const f = [cells.filter(c => c === 1).length, cells.filter(c => c === -1).length];
let best = null, bestD = Infinity;
for (const site of Object.keys(model).sort()) {
const d = Math.hypot(f[0] - model[site][0], f[1] - model[site][1]);
if (d < bestD) { best = site; bestD = d; }
}
return best;
}// Rust
fn dist(c: &(f64, f64), out: f64, inc: f64) -> f64 {
((c.0 - out).powi(2) + (c.1 - inc).powi(2)).sqrt()
}
fn classify(model: &BTreeMap<String, (f64, f64)>, cells: &[i8]) -> String {
let out = cells.iter().filter(|&&c| c == 1).count() as f64;
let inc = cells.iter().filter(|&&c| c == -1).count() as f64;
model.iter()
.min_by(|a, b| dist(a.1, out, inc).partial_cmp(&dist(b.1, out, inc)).unwrap())
.map(|(s, _)| s.clone()).unwrap()
}요약
- 암호화된 페이지 불러오기에도 모양이 있고, 모양을 비교하면 사이트를 추측할 수 있어요.
- 가장 가까운 중심: 각 사이트의 특징을 평균 내고, 그다음 가장 가까운 평균을 골라요.
- 패딩은 공격을 이기기보다 정확도를 낮추고, 대역폭이 들어요: 둘 다 재세요.
- 닫힌 세계 실습 숫자는 진짜 공격을 부풀려요. 기저율이 거짓 경보를 많이 만들거든요.
함수 네 개를 쓰세요:
features(cells): 튜플(outgoing, incoming),1과-1의 개수.train(traces): 각trace["site"]를 그 추적들의 평균 나가는 수와 평균 들어오는 수에 대응시키는 dict.classify(model, cells):math.dist로 중심이 가장 가까운 사이트. 동점이 알파벳 순 첫 사이트로 가도록min(sorted(model), key=...)를 쓰세요.accuracy(model, traces): 자기 사이트로 분류된 비율.
acc_plain(data["train"]으로 훈련, data["test"]로 테스트), acc_padded(padded_train으로 새 모델을 훈련, padded_test로 테스트), overhead(padded_test의 전체 셀을 data["test"]의 전체 셀로 나누고 1을 뺀 것)를 정하세요. 테스트는 다른 불러오기도 써요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.