Impressão digital de sites
Por que isso importa Mesmo quando um observador não consegue ver qual site você visita, o formato do carregamento de uma página pode entregá-lo: quanto você envia, quanto volta. Este laboratório mostra como esse palpite é feito, como o padding o combate e por que os resultados de laboratório fazem o ataque parecer mais forte do que é na vida real.
Pense em pacotes embrulhados em papel pardo. Você não consegue ler a etiqueta, mas um pacote comprido e fino provavelmente é um pôster, e um pesado e quadrado provavelmente são livros. Carregamentos de página são iguais: um site de vídeos baixa muitos dados, um fórum de texto muito poucos. O embrulho esconde o conteúdo, não o tamanho e o formato.
Impressão digital de sites: adivinhar qual site alguém carregou só pelo padrão do seu tráfego criptografado, comparando-o com padrões gravados antes.
Célula: uma unidade de tráfego de tamanho fixo. Neste laboratório, um carregamento de página é uma lista de células: 1 para uma célula que você enviou, -1 para uma célula que você recebeu.
Um classificador simples: centroide mais próximo
Primeiro reduza cada carregamento a dois números, suas features: células enviadas e células recebidas. cells.count(1) e cells.count(-1) fazem isso. Depois, para cada site, faça a média das features dos seus carregamentos de treino. Esse ponto médio é o centroide do site, seu formato típico. Para classificar um carregamento novo, encontre o centroide mais próximo dele.
Centroide: a média de um grupo de pontos: x médio, y médio. Aqui, um por site.
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.A defesa: padding
O padding acrescenta células falsas para que os carregamentos se pareçam menos com o seu site. O projeto de pesquisa chamado FRONT acrescenta um número aleatório de células falsas, principalmente perto do início de um carregamento, onde uma página revela mais. pad_traces(traces, budget, seed) acrescenta até budget células falsas em cada direção a cada carregamento.
Para medir de forma justa, suponha que o observador sabe que você usa padding e também treina com carregamentos com padding. O padding diminui a precisão em vez de derrotar o ataque, e as células falsas custam banda. Você vai medir as duas coisas: a queda de precisão e o overhead, as células extras como fração das originais:
overhead = total_cells_after_padding / total_cells_before - 1 # 0.5 means 50% more trafficO Tor tem uma estrutura para padding de circuitos, mas o padding pesado contra a impressão digital de sites não fica ligado na navegação comum (verificado em outubro de 2026), em grande parte por causa desse custo de banda.
Por que o laboratório exagera o ataque
Aqui o observador sabe que você visita um de oito sites. Isso é um mundo fechado. Pessoas reais visitam milhões de sites: um mundo aberto. Aí as taxas de base pesam. Suponha que um classificador sinalize corretamente um site sensível 95% das vezes e sinalize por engano 5% dos outros carregamentos. Se só 1 carregamento em 1.000 for realmente para esse site, então de 100.000 carregamentos cerca de 95 visitas verdadeiras são sinalizadas, junto com cerca de 4.995 alarmes falsos. Mais de 98% dos alarmes estão errados.
Um equívoco comum: "impressão digital de sites significa que o Tor está quebrado." Significa que um observador específico, o que fica entre você e sua guarda, consegue fazer palpites embasados que funcionam muito melhor em laboratório do que no mundo aberto e bagunçado. É um risco real contra o qual vale se defender, não um motivo para desistir.
Todos os carregamentos aqui são simulados. Nenhum tráfego real é gravado nem analisado.
Em outras linguagens
O passo do centroide mais próximo, em outras linguagens:
// 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()
}Resumo
- Carregamentos de página criptografados ainda têm um formato; comparar formatos permite adivinhar o site.
- Centroide mais próximo: faça a média das features de cada site e escolha a média mais próxima.
- O padding diminui a precisão em vez de derrotar o ataque, e custa banda: meça as duas coisas.
- Números de laboratório em mundo fechado exageram os ataques reais, porque as taxas de base geram muitos alarmes falsos.
Escreva quatro funções:
features(cells): a tupla(outgoing, incoming), as contagens de1e de-1.train(traces): um dict que associa cadatrace["site"]à média de enviadas e à média de recebidas dos seus traces.classify(model, cells): o site cujo centroide é o mais próximo pormath.dist; usemin(sorted(model), key=...)para que os empates fiquem com o site que vem primeiro em ordem alfabética.accuracy(model, traces): a fração classificada como o próprio site.
acc_plain (treine com data["train"], teste com data["test"]), acc_padded (treine um modelo novo com padded_train, teste com padded_test) e overhead (total de células em padded_test dividido pelo total de células em data["test"], menos 1). Os testes também usam outros carregamentos.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.