Анализ отпечатков веб-сайтов
Почему это важно Даже если наблюдатель не видит, какой сайт вы посещаете, форма загрузки страницы может выдать его: сколько вы отправляете и сколько возвращается. Эта лабораторная работа показывает, как делается этот прогноз, как padding борется с ним и почему результаты лабораторной работы делают атаку сильнее, чем она есть в реальной жизни.
Представьте посылки в обычной коричневой бумаге. Вы не можете прочитать этикетку, но длинная тонкая посылка это, вероятно, плакат, а тяжелая квадратная это, вероятно, книги. Загрузка страниц работает так же: видеосайт скачивает много данных, текстовый форум очень мало. Упаковка скрывает содержимое, но не размер и форму.
Отпечаток сайта: угадывание того, какой сайт загрузил пользователь, только по шаблону его зашифрованного трафика, путем сравнения его с шаблонами, записанными ранее.
Cell: единица трафика фиксированного размера. В этой лабораторной работе загрузка страницы это список ячеек: 1 для ячейки которую вы отправили, -1 для ячейки которую вы получили.
простой классификатор: ближайший центроид
Сначала сократите каждую нагрузку до двух чисел, ее features: исходящие ячейки и входящие ячейки. cells.count(1) и cells.count(-1) делают это. Затем для каждого узла усредните признаки его обучающих нагрузок. Эта средняя точка это centroid узла, его типичная форма. Чтобы классифицировать новую нагрузку, найдите ближайший к ней центроид.
Centroid: среднее значение группы точек: среднее x, среднее y. Здесь, по одному на сайт.
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.Защита: padding
Padding добавляет пустые ячейки, чтобы загрузки меньше напоминали свой сайт. Дизайн исследования FRONT добавляет случайное количество пустых ячеек, в основном в начале загрузки, где страница раскрывает больше всего. pad_traces(traces, budget, seed) добавляет до budget пустых ячеек в каждом направлении к каждой загрузке.
Чтобы измерить это честно, предположим, что наблюдатель знает о том, что вы добавляете отдушины, и обучается на загрузках с отдушинами тоже. Padding снижает accuracy, а не предотвращает атаку, и dummy данные тратят пропускную способность. Вы измерите оба показателя: падение accuracy и overhead, дополнительные ячейки как доля исходных:
overhead = total_cells_after_padding / total_cells_before - 1 # 0.5 means 50% more trafficTor имеет фреймворк для дополнения цепей, но сильное дополнение против фингерпринтинга сайтов не включено для обычного просмотра (проверено в октябре 2026), в основном из-за этой стоимости пропускной способности.
Почему лаборатория преувеличивает атаку
Здесь наблюдатель знает, что вы посещаете один из восьми сайтов. Это закрытый мир. Реальные люди посещают миллионы сайтов: это открытый мир. В таком случае базовые показатели играют большую роль. Допустим, классификатор правильно помечает чувствительный сайт в 95% случаев и ошибочно помечает 5% других загрузок. Если только 1 загрузка из 1,000 действительно относится к этому сайту, то из 100,000 загрузок около 95 истинных визитов будут помечены вместе с около 4,995 ложными тревогами. Более 98% тревог являются ложными.
Распространенное заблуждение: "Website fingerprinting означает, что Tor сломан." Это значит, что один конкретный наблюдатель, тот, кто находится между вами и вашим guard, может делать обоснованные предположения, которые работают гораздо лучше в лаборатории, чем в хаотичном открытом мире. Это реальный риск, против которого стоит защищаться, а не повод сдаваться.
Все нагрузки здесь симулированы. Никакой реальный трафик не записывается и не анализируется.
В других языках
Шаг ближайшего центроида, в остальных местах:
// 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()
}Итог
- Загрузка зашифрованных страниц все еще имеет форму; сравнение форм может помочь угадать сайт.
- Ближайший центроид: усредните признаки каждого сайта, затем выберите ближайшее среднее значение.
- Padding снижает accuracy вместо того, чтобы побеждать атаку, и тратит пропускную способность: измерьте оба параметра.
- Числа в лабораториях с закрытым миром завышают реальное количество атак, потому что базовые показатели создают много ложных тревог.
Напишите четыре функции:
features(cells): кортеж(outgoing, incoming), количество1и-1.train(traces): словарь, отображающий каждыйtrace["site"]на среднее количество исходящих и среднее количество входящих трасс.classify(model, cells): сайт, чей центроид находится ближе всего кmath.dist; используйтеmin(sorted(model), key=...), чтобы при равенстве выбирался первый по алфавиту сайт.accuracy(model, traces): доля классифицированных как их собственный сайт.
acc_plain (train на data["train"], test на data["test"]), acc_padded (train новую модель на padded_train, test на padded_test) и overhead (общее количество ячеек в padded_test разделить на общее количество ячеек в data["test"], минус 1). Тесты также используют другие нагрузки.
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.