Müfredat 156 dersinden 142. · Anonimlik ağları ve trafik analizi
Anonimlik ağları ve trafik analizi

Trafik analizi

Neden önemli Şifreleme ne söylediğini gizler ama ne zaman veya ne kadar söylediğini değil. Sadece trafiğin zamanlamasını izlemek, anonimlik ağı üzerinden bile kimin kiminle konuştuğunu ortaya çıkarabilir. Bunu simüle edilmiş akışlarda görmek, Tor'un neyi vaat edebileceğini ve neyi edemeyeceğini, ayrıca en güçlü savunmanın neden bu kadar maliyetli olduğunu netleştirir.

Kimsenin gönderisini açamadığını ama iki postanede durabildiğini hayal et. Ana'nın evinden her mektup fırladığında, benzer bir grup kısa bir süre sonra bir kliniğe varıyor. Hiçbir kelimeyi okumuyorsun ama yine de Ana'nın kliniğe yazdığını tahmin edebiliyorsun.

Metadata: bir mesajın içeriğinden ziyade onun hakkında veri: ne zaman gönderildiği, ne kadar büyük olduğu, nereden geldiği ve nereye gittiği.

Trafik analizi: içeriği okumadan iletişim kalıplarından (zamanlama, boyutlar, hacimler) bir şeyler öğrenmek.

Ayarlar

Bir gözlemci iki yere bakar: kullanıcılar ve korumaları arasındaki bağlantı ile çıkışlar ve web siteleri arasındaki bağlantı. watched.leg7b_onion içindeki tor_flows(seed) fonksiyonu sana her ikisinin de simüle edilmiş kayıtlarını verir. Her paket bir cell, yani Tor'un sabit boyutlu trafik birimidir (514 bayt), bu yüzden boyut sana hiçbir şey söylemez. Elindeki tek şey zamanlama. İki taraftaki akış isimleri karıştırılmıştır ve çıkış tarafı biraz geciktirilmiştir.

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.

Adım 1: paketleri bir şekle dönüştür

Her saniyeye kaç paket düştüğünü say: 0. saniye 0'dan 1'e kadar (1 dahil değil) olan zamanları tuttar, bu şekilde devam eder. int(t) zamanın ait olduğu saniyeyi verir. Bir akış [0, 7, 9, 1, 0, 0, 6, ...] gibi bir liste haline gelir: zaman içindeki şekli.

Adım 2: iki şekli karşılaştır

Correlation: iki listenin birlikte ne kadar yükselip düştüğünü söyleyen -1 ile 1 arasında bir sayı. 1 tam uyum, 0 ise ilişki yok demektir. Python içinde hazır olarak sunar: statistics.correlation(a, b).

Eğer bir liste hiç değişmiyorsa (her değer eşitse), korelasyon tanımlı değildir ve Python statistics.StatisticsError hatası verir. Bunu yakala ve "her iki yöne dair kanıt yok" anlamına gelen 0.0 değerini kullan.

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")

Adım 3: her giriş akışını en benzer çıkış akışıyla eşleştir

Her giriş akışı için her çıkış akışını dene ve en yüksek korelasyona sahip olanı tut. Bu simülasyonda sadece bu işlem neredeyse herkesi doğru eşleştiriyor. Araştırmacılar tarafından incelenen bu tür gerçek saldırılar aynı ruhla çalışır.

Savunmalar ve bunların maliyeti

  • Rastgele kaplama trafiği: rastgele zamanlarda sahte hücreler ekle. Şekli biraz bulanıklaştırır ama patlamalar hala göze çarpar. Bunun neredeyse hiç yardımcı olmadığını göreceksin.
  • Sabit hız: her saniye tam olarak aynı sayıda hücre gönder, boşlukları dummyler ile doldur ve gerçek hücrelerin sırasını beklemesini sağla. Her saniye aynı görünür, bu yüzden şekil kaybolur. Bedeli bant genişliği (tüm o dummyler) ve gecikmedir (hücreler burstler sırasında kuyruğa girer).

Tor kaba bağlantı kayıtlarını bulanıklaştırmak için biraz dolgu ekler ama her iki ucu da izleyebilen birinden trafiğinin şeklini gizlemez (Ekim 2026'da kontrol edildi). Webin kullanılabilir kalması için düşük gecikme seçer. Bu modüldeki son ders diğer yolu seçen ağlara bakıyor.

A yaygın bir yanlış anlaşılma: "Eğer her şey şifrelenirse, kiminle konuştuğumu kimse anlayamaz." Şifreleme içeriği gizler. Zamanlama ve hacim hala görünür durumdadır ve bunlar genellikle yeterlidir.

Bu laboratuvar sadece simüle edilmiş akışları kullanır. Savunmaları yargılayabilmen için riski anlamakla ilgilidir; gerçek insanları izlemek için bir yöntem değildir ve gerçek ağlar çok daha gürültülüdür.

Diğer dillerde

Saniye başına paket sayısını sayma ve bir korelasyon hesaplama, başka yerde:

// 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
}

Özet

  • Encryption içerikleri gizler, zamanlama veya hacmi (metadata) değil.
  • Saniye başına paket saymak her akışa bir şekil verir; korelasyon her iki uçta eşleşen şekilleri bulur.
  • Rastgele kaplama trafiği neredeyse hiç yardımcı olmaz; sabit hızda göndermek şekli gizler ama bant genişliği ve gecikme maliyeti yaratır.
  • Tor düşük gecikmeyi tercih eder, bu yüzden her iki ucu da izleyen birini durduramaz.
Senin sıran

Dört fonksiyon yaz, sonra onları tor_flows(seed=1):

    üzerinde kullan.
  1. counts_per_second(packets, seconds): seconds sayısındaki bir liste, zamanı t olan paketlerin sayısı 0 <= t < seconds, int(t).
  2. indeksine yerleştirildi.
  3. similarity(a, b): statistics.correlation(a, b) veya statistics.StatisticsError.
  4. hatası verirse 0.0
  5. match(entry, exits, seconds): her giriş akışının "flow" id'sini en yüksek benzerliğe sahip çıkış akışının id'si ile eşleştiren bir dict.
  6. accuracy(guesses, answers): answers içindeki tahminlerinin doğru olduğu idlerin oranı.
Sonra acc_plain (savunma yok), acc_cover (add_cover_traffic(flows["entry"], rate=20, seed=1, seconds=S) sonrası giriş tarafı) ve acc_constant (constant_rate(flows["entry"], per_second=10, seconds=S) sonrası giriş tarafı) ayarlarını yap. Testler yeni kayıtları da kullanır.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.