강의 계획 레슨 156개 중 128번째 · 기기가 아니라 사람을 추적하기
기기가 아니라 사람을 추적하기

타이피스트 구별하기

왜 중요한가 "타이핑이 여러분을 식별한다"는 매처를 직접 만들기 전까지는 겁주는 이야기처럼 들려요. 이 실습에서는 시간만으로 지어낸 타이피스트 50명을 구별하고, 그다음 간단한 방어를 켜서 얼마나 돕는지 재요. 그 속임수가 어떻게 작동하는지와 무엇이 그것을 무디게 하는지 둘 다 알고 끝날 거예요.

계획, 일상의 말로

50명을 노크 소리로 알아보는 법을 배운다고 상상해 보세요. 먼저 각자가 네 번 노크하는 걸 듣고 그들의 평소 리듬을 기억해요. 그다음 누군가 노크하면 물어요: 이건 누구의 평소 리듬에 가장 가까울까? 그게 방법의 전부예요.

프로필: 한 사람의 평소 행동을 요약한 것, 여기서는 시간의 평균. 알려진 예시로 프로필을 만드는 걸 등록이라고 해요.

특징: 예시 하나를 묘사하는 숫자 하나. 특징 리스트는 지저분한 사건(친 문구)을 코드가 비교할 수 있는 것으로 바꿔요.

연습 데이터

연습 세계의 typing_samples()는 정해진 문구 keep it private를 치는 시도를 줘요. 각 시도는 dict예요:

{"typist": "T07",
 "dwell":  [96, 104, 88, ...],    # 15 numbers, one per key, in milliseconds
 "flight": [151, 130, 202, ...]}  # 14 numbers, one per gap between keys

타이피스트는 시드를 준 생성기가 평범한 타이핑과 대략 비슷하게 지어낸 거예요. 그래서 여러분이 재는 정확도는 이 타이피스트들을 얼마나 잘 구별하는지 말해요. 실제 연구는 사람, 키보드, 글에 따라 결과의 폭이 넓어요. 우리는 실제 세계의 정확도에 대해 아무 주장도 하지 않아요.

"얼마나 가까운지" 재기

시간 리스트 둘을 비교하려면 각 위치에서 얼마나 떨어져 있는지 더하되, 간격이 양수인지 음수인지는 무시해요. Python의 abs()는 부호를 없애요: abs(-7)은 7이에요. Python의 zip(a, b)는 두 리스트를 나란히 걸어요:

for x, y in zip([100, 150], [90, 170]):
    print(x, y, abs(x - y))    # 100 90 10, then 150 170 20

그래서 여기서 거리는 10 + 20 = 30이에요. 거리가 작을수록 "더 닮았다"는 뜻이에요.

방어: 잡음

noise 옵션은 모든 시간에 대략 그만큼의 밀리초로 무작위 흔들림을 더해요. 프라이버시 도구가 페이지가 보기 전에 키 이벤트를 작고 무작위한 양만큼 늦추는 것처럼요. 그게 정확도에 무엇을 하는지 보고, 치는 사람에게 무엇을 할지 생각해 보세요: 키마다 150밀리초의 무작위 지연은 굼뜨게 느껴질 거예요.

다른 언어로

JavaScript의 거리와 가장 가까운 프로필 단계:

const distance = (a, b) => a.reduce((t, x, i) => t + Math.abs(x - b[i]), 0);

function identify(features, profiles) {
  let best = null, bestDist = Infinity;
  for (const [name, p] of Object.entries(profiles)) {
    const d = distance(features, p);
    if (d < bestDist) { best = name; bestDist = d; }
  }
  return best;
}

그리고 Rust의 거리:

fn distance(a: &[f64], b: &[f64]) -> f64 {
    a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}

보게 될 것

잡음이 없으면 거의 모든 시도가 맞는 타이피스트와 이어져요. 적당한 잡음(50 ms)은 정확도를 조금 깎지만 대부분의 시도는 여전히 이어지고, 큰 잡음(150 ms)은 정확도를 크게 떨어뜨려요. 그게 정직한 맞바꿈이에요: 시간 잡음은 도움이 되지만, 여러분을 숨길 만큼의 잡음은 타이핑도 나쁘게 느껴지게 해요. 이 모듈의 마지막 레슨은 편안함을 대가로 치르지 않는 방어를 살펴봐요.

요약

  • 등록: 각 사람의 시간을 평균해 프로필로 만들어요.
  • 식별: 총 간격(거리)이 가장 작은 프로필을 골라요.
  • 무작위 시간 잡음은 정확도를 낮추지만, 크게 낮추는 건 큰 잡음뿐이고, 그건 편안함을 대가로 해요.
  • 생성된 타이피스트에서의 정확도는 실제 사람이 아니라 생성기를 묘사해요.
내 차례

함수 다섯을 쓰세요. features(sample)는 sample["dwell"] 뒤에 sample["flight"]를 이은 리스트 하나를 반환해요. distance(a, b)는 두 리스트를 나란히 한 abs(x - y)의 합을 반환해요. build_profiles(samples)는 각 타이피스트의 이름을 그 특징 리스트의 위치별 평균에 매핑하는 dict를 반환해요. identify(sample, profiles)는 표본의 특징과 거리가 가장 작은 프로필의 이름을 반환해요. accuracy(train, test)는 train으로 프로필을 만들고 identify가 맞힌 test 표본의 비율(0에서 1 사이의 숫자)을 반환해요. 아래쪽의 출력은 이미 쓰여 있어요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.