Conteúdo do curso Lição 100 de 156 · Pacotes, DNS e endereços IP
Pacotes, DNS e endereços IP

Rastreamento baseado em IP

Por que isso importa Bloquear cookies não impede um site de ver seu endereço IP, e alguns rastreadores usam "endereço IP mais navegador" como um ID substituto. Neste laboratório você mede o quão bem isso funciona ao longo de uma semana simulada, e vai ver que é ao mesmo tempo mais fraco e mais perigoso do que parece.

Um endereço IP é um pouco como o endereço de um prédio de apartamentos. Ele leva os pacotes até o prédio, mas várias pessoas podem morar lá, e as pessoas se mudam.

Por que os endereços IP são compartilhados

Não há endereços do tipo antigo (IPv4) suficientes para todo dispositivo, então as redes os compartilham.

NAT: Network Address Translation: um roteador de casa ou um gateway de escritório deixa muitos dispositivos compartilharem um único endereço IP público. Todo celular e notebook da casa parece o mesmo endereço para os sites.

NAT de operadora: o mesmo truque feito por uma rede móvel em grande escala: milhares de celulares compartilham um pequeno grupo de endereços, e seu celular pode receber um diferente a cada vez que se conecta.

User agent: um texto curto que seu navegador envia com toda requisição, nomeando o navegador e o sistema, como Brook/31.0 (Laptop; OS-A). Muita gente envia exatamente o mesmo.

Então um rastreador que combina os dois em um único ID fraco, como 203.0.113.7 | Brook/31.0 (Laptop; OS-A), pode errar de dois jeitos:

  • Dividindo: uma pessoa aparece com muitos IDs, porque seu celular passa do Wi-Fi de casa para o escritório e para a rede móvel, ou porque o endereço de casa muda.
  • Juntando: pessoas diferentes compartilham um ID, porque dividem um escritório ou uma casa e usam o mesmo navegador popular.

Juntar é o erro perigoso para a privacidade: um rastreador pode atribuir a você, por engano, a navegação de quem mora com você, ou revelar que alguém da sua casa olhou algo sensível.

Os dados de prática

watched.leg5a_network.simulate_week(seed) dá uma semana de visitas a um site de notícias. Cada visita é um dict:

{'day': 0, 'hour': 10, 'person': 'ana', 'device': 'laptop',
 'network': 'office', 'ip': '192.0.2.31',
 'user_agent': 'Brook/31.0 (Laptop; OS-A)'}

O próprio site só vê ip e user_agent. O campo person é a verdade que o simulador conhece e um site real nunca conhece; você o usa só para pontuar o ID fraco. Os dias vão de 0 (segunda) a 6 (domingo).

Para contar coisas diferentes, um set do Python ajuda: ele guarda cada valor uma vez.

seen = set()
for v in visits:
    seen.add(v["ip"])
print(len(seen))   # how many different IPs

Para encontrar o item mais comum, conte com um dict e pegue a maior contagem com max(counts.values()).

Em outras linguagens

Montar um ID fraco e contar valores distintos fica bem parecido em todo lugar.

// JavaScript
const weakId = v => `${v.ip} | ${v.user_agent}`;
const ids = new Set(week.filter(v => v.person === "ana").map(weakId));
console.log(ids.size);
// Go
ids := map[string]bool{}
for _, v := range week {
    if v.Person == "ana" {
        ids[v.IP+" | "+v.UserAgent] = true
    }
}
fmt.Println(len(ids))
// PHP
$ids = [];
foreach ($week as $v) {
    if ($v['person'] === 'ana') { $ids[$v['ip'] . ' | ' . $v['user_agent']] = true; }
}
echo count($ids);

A defesa

Para você: uma VPN ou um relay troca seu IP por um compartilhado, e manter o navegador atualizado mantém seu user agent comum. Para os sites que você constrói: não trate um endereço IP como uma identidade. Encurte ou descarte os endereços IP nos logs o quanto antes (por exemplo, guarde só as três primeiras partes de um endereço IPv4), porque um IP bruto mais um horário podem apontar para uma única casa.

Resumo

  • Um endereço IP pertence a uma conexão, muitas vezes compartilhada por uma casa, um escritório ou milhares de celulares.
  • IP mais user agent divide uma pessoa em muitos IDs e junta pessoas diferentes em um só.
  • Juntar pode expor por engano a navegação de outra pessoa, e é por isso que IDs baseados em IP são arriscados além de fracos.
  • Nos seus próprios logs, encurte ou descarte os endereços IP cedo.
Sua vez

WEEK é uma semana simulada de visitas. Escreva quatro funções:

  1. weak_id(visit): retorne um texto que combina visit["ip"] e visit["user_agent"], como ip + " | " + user_agent. Duas visitas precisam receber o mesmo ID exatamente quando as duas partes batem.
  2. ids_for_person(week, person): retorne quantos IDs fracos diferentes as visitas dessa pessoa carregaram (0 se não houver).
  3. people_behind_id(week): retorne um dict que associa cada ID fraco a quantas pessoas diferentes fizeram visitas com ele.
  4. stability(week, person): retorne a fração (0.0 a 1.0) das visitas dessa pessoa feitas com o ID fraco mais comum dela, ou 0.0 se ela não tiver visitas.
A impressão no fim já está escrita para você. Os testes usam outras semanas simuladas, então a resposta não pode ser fixa no código.

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.