Анализ трафика
Почему это важноШифрование скрывает то, что вы говорите, но не то, когда вы это говорите или сколько. Наблюдение только за временем трафика может раскрыть, кто с кем говорит, даже через сеть анонимности. Видение работы на симулированных потоках делает понятным, что Tor может и чего не может обещать, и почему самая сильная защита стоит так дорого.
Представьте, что вы не можете открывать чужие письма, но можете стоять в двух почтовых отделениях. Каждый раз, когда из дома Аны вылетает пачка писем, через мгновение такая же пачка прибывает в клинику. Вы никогда не читаете ни слова, но можете догадаться, что Ана пишет в клинику.
Metadata: данные о сообщении, а не его содержимое: когда оно было отправлено, какой оно был размер, откуда оно пришло и куда оно отправилось.
Анализ трафика: изучение данных из паттерна связи (время, размеры, объемы) без чтения содержимого.
Настройки
Наблюдатель следит за двумя местами: связью между пользователями и их узлами и связью между выходами и веб-сайтами. Функция tor_flows(seed) в watched.leg7b_onion дает вам симулированные записи обоих. Каждый пакет это один cell, единица трафика Tor фиксированного размера (514 байт), поэтому размер ничего не говорит. Время это все, что у вас есть. Имена потоков на двух сторонах перемешаны, а сторона выхода немного задерживается.
from watched.leg7b_onion import tor_flows
flows = tor_flows(seed=1)
print(flows["entry"][0]["flow"]) # e01
print(flows["entry"][0]["packets"][:3]) # [(time_in_seconds, size), ...]
print(flows["exit"][0]["flow"]) # x01, but which user is it?
# flows["answers"] holds the truth, so you can score your guesses.Шаг 1: превратите пакеты в форму
Посчитайте, сколько пакетов попадает в каждую секунду: секунда 0 содержит время от 0 до (не включая) 1 и так далее. int(t) дает секунду, к которой относится время. Поток становится списком как [0, 7, 9, 1, 0, 0, 6, ...]: его форма во времени.
Шаг 2: сравнить две фигуры
Correlation: число от -1 до 1, показывающее, насколько два списка растут и падают вместе. 1 значит идеально в такт, 0 значит нет связи. В Python это встроено: statistics.correlation(a, b).
Если list никогда не меняется (все значения равны), корреляция не определена и Python выдает statistics.StatisticsError. Поймайте это и используйте 0.0, что означает "нет доказательств ни в ту, ни в другую сторону".
import statistics
print(statistics.correlation([1, 5, 2, 8], [2, 9, 3, 15])) # close to 1: in step
try:
statistics.correlation([3, 3, 3], [1, 2, 3])
except statistics.StatisticsError:
print("a flat list has no correlation")Шаг 3: сопоставьте каждый поток входных данных с наиболее похожим потоком выходных данных
Для каждого входящего потока попробуйте каждый исходящий поток и оставьте тот, у которого самая высокая корреляция. В этой симуляции одно это правильно сопоставляет почти всех. Реальные атаки такого рода, изученные исследователями, работают в том же духе.
Защита и её цена
- Случайный маскировочный трафик: добавьте фейковые ячейки в случайное время. Это немного размывает форму, но всплески все равно выделяются. Вы увидите, что это почти не помогает.
- Постоянная скорость: отправляйте ровно одинаковое количество ячеек каждую секунду, заполняя пробелы заглушками и заставляя реальные ячейки ждать своей очереди. Каждая секунда выглядит одинаково, поэтому форма исчезает. Цена это пропускная способность (все эти заглушки) и задержка (ячейки стоят в очереди во время всплесков).
Tor добавляет небольшую прослойку, чтобы скрыть грубые записи соединений, но он не скрывает форму вашего трафика от того, кто может видеть оба конца (проверено в октябре 2026). Он выбирает низкую задержку, чтобы веб оставался удобным. Финальный урок в этом модуле рассматривает сети, которые выбирают другой путь.
Распространенное заблуждение: "Если все зашифровано, никто не может узнать, с кем я общаюсь". Шифрование скрывает содержимое. Время и объем все еще видны, и их часто достаточно.
Эта лабораторная работа использует только симулированные потоки. Она нужна для понимания рисков, чтобы вы могли оценивать защиту; это не метод наблюдения за реальными людьми, а реальные сети гораздо более зашумленные.
В других языках
Подсчет пакетов в секунду и вычисление корреляции, в другом месте:
// JavaScript
function countsPerSecond(packets, seconds) {
const counts = new Array(seconds).fill(0);
for (const [t] of packets) if (t >= 0 && t < seconds) counts[Math.floor(t)]++;
return counts;
}
function correlation(a, b) {
const n = a.length, ma = a.reduce((x, y) => x + y) / n, mb = b.reduce((x, y) => x + y) / n;
let num = 0, da = 0, db = 0;
for (let i = 0; i < n; i++) { num += (a[i]-ma)*(b[i]-mb); da += (a[i]-ma)**2; db += (b[i]-mb)**2; }
return da && db ? num / Math.sqrt(da * db) : 0;
}// Go
func countsPerSecond(times []float64, seconds int) []int {
counts := make([]int, seconds)
for _, t := range times {
if t >= 0 && t < float64(seconds) { counts[int(t)]++ }
}
return counts
}Итог
- Шифрование скрывает содержимое, а не время или объем (метаданные).
- Подсчет пакетов в секунду придает каждому потоку форму; корреляция находит совпадающие формы на обоих концах.
- Случайный маскировочный трафик почти не помогает; отправка с постоянной скоростью скрывает форму, но стоит пропускной способности и задержки.
- Tor отдает предпочтение низкой задержке, поэтому он не может остановить того, кто следит за обоими концами.
Напишите четыре функции, затем используйте их на tor_flows(seed=1):
counts_per_second(packets, seconds): списокsecondsчисел, количество пакетов, чье времяtудовлетворяет0 <= t < seconds, расположенное по индексуint(t).similarity(a, b):statistics.correlation(a, b), или0.0, если это вызываетstatistics.StatisticsError.match(entry, exits, seconds): словарь, сопоставляющий"flow"id каждого входного потока с id выходного потока с самой высокой схожестью.accuracy(guesses, answers): доля id вanswers, которые ваши ответы оказались верными.
acc_plain (no defence), acc_cover (entry side после add_cover_traffic(flows["entry"], rate=20, seed=1, seconds=S)) и acc_constant (entry side после constant_rate(flows["entry"], per_second=10, seconds=S)). Тесты также используют новые записи.
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.