Müfredat 156 dersinden 53. · Gizliliği ölç, dürüstçe.
Gizliliği ölç, dürüstçe.

Anonimlik kümeleri ve entropi

Neden önemli Başlıklar "tarayıcınız benzersiz" veya "bu özellik 10 bit sağlıyor" gibi şeyler söyler. Bu ders sana bu tür sayıların nasıl ölçüldüğünü ve birçoğunu gerçekte olduğundan büyük gösteren iki tuzağı gösteriyor. Sonra kendi gizlilik iddiaların dahil olmak üzere diğerlerini yargılayabilirsin.

Halılar içinde gizlenme

Aynı siyah paltolar giymiş yolcularla dolu bir istasyon hayal et. Eğer sen de siyah bir palto giyersen, yüzlerce kişinin arasında gizlenirsin. Eğer parlak sarı bir palto giyersen, içinde gizlendiğin kalabalık sadece sen olursun.

Anonimlik kümesi: bir gözlemciye tam olarak senin gibi görünen insanların grubu. Ne kadar büyükse o kadar iyi gizlenirsin. 1 boyutundaki bir küme, benzersiz olduğun anlamına gelir.

Ders 50'te Sam adlı bir kişinin kalabalık içinde ne kadar öne çıktığını ölçtün. Burada, everyone'nin ne kadar iyi gizlendiğini görmek için synthetic_browsers tarafından oluşturulan, gerçek kişilerin olmadığı 5.000 sentetik tarayıcıdan oluşan tüm kalabalığı ölçüyorsun.

Group, sonra count

say

Bazı özellikler seç, mesela ["timezone", "language"]. Her tarayıcının fingerprint bu değerlerin bir demetidir, örneğin ("Europe/London", "en-GB"). Bir demet dict anahtarı olarak çalışır, bu yüzden collections.Counter her birini kaç tarayıcının paylaştığını sayabilir:

from collections import Counter
Counter([("A", "x"), ("A", "x"), ("B", "x")])
# Counter({('A', 'x'): 2, ('B', 'x'): 1})

Her sayım bir anonimlik kümesidir. 1 sayımı benzersiz bir tarayıcıdır. Tüm 13 özellikle birlikte, 5.000 tarayıcının çoğu benzersiz çıkıyor.

Entropy: tüm kalabalık için tek bir sayı

Ders 48'de bir metindeki karakterlerin ne kadar karışık olduğunu ölçmek için Shannon entropisini kullandın. Aynı formül bir kalabalık için de geçerli: her anonimlik seti için, herkesin payı olan p kısmını al ve -p * log2(p).

değerlerini topla.

Entropy (bir parmak izinin): bir takipçinin bu özelliklerden rastgele bir ziyaretçi hakkında öğrendiği ortalama bit sayısı. 0 bit: herkes aynı görünüyor. log2(N) bit: N kişilik bir kalabalıktaki herkes benzersiz.

Örnek: A, A, B, C zaman dilimlerine sahip dört tarayıcı. Paylar 1/2, 1/4 ve 1/4, yani entropi 0.5 x 1 + 0.25 x 2 + 0.25 x 2 = 1.5 bit.

Tuzak 1: tavan

5.000 kişilik bir kalabalık asla log2(5000), yani yaklaşık 12.3 bitten fazlasını gösteremez çünkü o noktada herkes zaten benzersizdir. Bu yüzden "12 bit" bulan 5.000 tarayıcı üzerine yapılan bir çalışma tavanı vuruyor olabilir, özelliği ölçmüyor olabilir. Ve 5.000 içinde benzersiz olan, milyarlarca içinde benzersiz değildir. Daha büyük örnekler daha büyük ve daha dürüst sayılar verir.

Tuzak 2: özellikleri ekleme

Zaman dilimi ve dil birlikte seyahat eder: çoğu Asia/Tokyo tarayıcısı ja-JP der. Ekran kartı ve sistem de öyle. Bu yüzden her özelliğin entropisini ayrı ayrı eklemek aynı bilgiyi birkaç kez sayar. sum_of_parts değerin, tüm özelliklerin birlikte ölçülen entropisi olan joint değerinin ve 12.3 bitlik tavanın çok üzerinde çıkacak. Ortak sayı dürüst olanıdır.

Yaygın bir yanılgı

"Yüksek entropi herkesin takip edilebilir olduğu anlamına gelir." Entropi bir ortalamadır. Bir kalabalığın yüksek entropisi olabilirken, çok yaygın kurulumlara sahip büyük bir insan grubu hala iyi şekilde gizlenebilir. Hem ortalamaya hem de kaç kişinin küçük gruplar halinde oturduğuna bak.

Kendin dene Geçtiğinde, her özellik için entropy_bits(crowd, [t]) yazdır (çözüm bunu yapıyor). Hangi üç özellik en çok biti taşıyor? Sonra tarayıcının bu özellikler için kendi değerlerini EFF'in Cover Your Tracks gibi bir parmak izi testi sitesiyle karşılaştır.

Diğer dillerde

JavaScript:

function entropyBits(rows, traits) {
  const counts = new Map();
  for (const r of rows) {
    const key = JSON.stringify(traits.map(t => r[t]));
    counts.set(key, (counts.get(key) || 0) + 1);
  }
  let bits = 0;
  for (const c of counts.values()) {
    const p = c / rows.length;
    bits -= p * Math.log2(p);
  }
  return bits;
}

Git:

func entropyBits(keys []string) float64 {
    counts := map[string]int{}
    for _, k := range keys {
        counts[k]++
    }
    bits := 0.0
    for _, c := range counts {
        p := float64(c) / float64(len(keys))
        bits -= p * math.Log2(p)
    }
    return bits
}

Özet

  • Bir anonimlik seti, tıpkı senin gibi görünen herkesdir; boyut 1 benzersiz demektir.
  • Entropy, bir ziyaretçi hakkında öğrenilen ortalama bit sayısıdır: grup, sayı ve ardından -p log2(p) toplamı.
  • N örneği log2(N) bitten fazlasını gösteremez; küçük örnekler kalabalığı olduğundan az gösterir.
  • Özellikleri birlikte ölç: onları tek tek eklemek bağlı özellikleri çift sayar.
Senin sıran

fingerprint(row, traits) (değerlerin bir tuple'ı), anonymity_sets(rows, traits) (fingerprint'ten count'a bir dict), fraction_unique(rows, traits) (boyutu 1 olan bir kümedeki satırların payı), entropy_bits(rows, traits) (anonimlik kümeleri üzerindeki Shannon entropisi) ve max_bits(n) (log2(n)) yaz. Sonra joint'yi tüm TRAIT_NAMES üzerindeki crowd entropisine, sum_of_parts'yi ise her bir özelliğin entropisinin toplamına ayarla.

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.