Bölüm 7 projesi: bir düzeltme ile çalışma
Neden önemli Gerçek gizlilik çalışması bir döngüdür: bir sorunu ölç, bir düzeltme uygula, tekrar ölç ve neyin değiştiğini ve neye mal olduğunu dürüstçe söyle. Bu proje, bu modüldeki crawler ile son modüldeki defence birleşerek bu döngüyü uçtan uca çalıştırır.
Bir doktorun bir tedavinin işe yarayıp yaramadığını kontrol ettiğini düşün: önce ölç, tedavi et, aynı şekilde tekrar ölç ve yan etkileri not et. İlk ölçüm olmadan karşılaştıracak bir şey yoktur; yan etkiler olmadan sonuç sadece yarı doğrudur.
Soru
Simüle edilmiş web üzerinde, şifrelenmiş bağlantını izleyen biri hangi hassas siteyi ziyaret ettiğini anlayabilir mi ve onları güvenilir bir şekilde durdurmak için ne kadar padding gerekir?
Bir sağlık, finans veya din sitesini ziyaret etmek, başka hiçbir şey sızmasa bile kişisel bir şeyler ortaya çıkarabilir. Şunları yapacaksın:
- Ayarı ölç.
SimWeb(seed)üzerinde gez, kategorisiSENSITIVEiçinde olan siteleri bul ve bunların ne kadarı listelenmiş bir tracker yüklüyor kaydet. Sıralamaya göre ilk 6 hassas siteyi al. - Sorunu ölç.
page_loads(seed, sites=...)ile bu 6 site için sayfa yüklemelerini al ve ders 143'teki gibi en yakın merkez noktası doğruluğunu ölç. - Düzeltmeyi uygula.
PAD_LEVELSiçindeki bütçeleri sırayla dene. Her biri için, eğitim yükleriniseed=1ile, test yükleriniseed=2ile doldur, tekrar eğit ve tekrar ölç. DoğruluğuTARGETveya altında olan ilk bütçede dur. Eğer hiçbiri buna ulaşmazsa, sonuncuyu tut. - Maliyeti ölç.Ders 143'teki gibi seçilen bütçedeki ek yük.
- Yazım sınırları.Ders 149'daki gibi en az iki dürüst cümle. Şunlardan herhangi biri buraya uygun: bütçe, daha sonra raporladığın aynı test yüklerindeki doğruluğa bakılarak seçildi, bu da sonucu biraz güzelleştirir. Dikkatli bir çalışma, bütçeyi üçüncü ve ayrı bir yük seti üzerinden seçer ve test setini sadece bir kez raporlar.
Rapor
study(seed) tam olarak bu anahtarlara sahip bir dict döndürür:
{
"seed": 7,
"sites": ["...", ...], # the 6 sensitive sites, by rank
"sensitive_with_trackers": 0.97, # share of ALL sensitive sites with a listed tracker
"accuracy_before": 0.94,
"padding_budget": 800, # the first level in PAD_LEVELS reaching TARGET
"accuracy_after": 0.19,
"overhead": 2.07, # extra test cells as a fraction: here about 3 times the traffic
"target_met": True, # accuracy_after <= TARGET
"limits": ["...", "..."] # at least two sentences
}Sayılar başka bir seed üzerindeki gizli bir çalışma ile karşılaştırılıyor, bu yüzden kodun çalışması gerekiyor, bir cevabı kopyalamak değil. Limitler içerik açısından notlandırılmaz ama eğitmen onlarla ilgili geri bildirim verebilir. Şunları düşün: 6 siteden oluşan kapalı bir dünya, padding ayarlarını bilen bir gözlemci, simüle edilmiş trafik ve tracker share kısmının sana neyi söylediğini veya neyi söylemediğini.
Sonucun iki yarısını fark et. Padding, ziyareti bir ağ gözlemcisinden korur, ancak aynı sitelerdeki takipçiler hala senin hakkında doğrudan bilgi öğrenir. Tek bir savunma asla her tehdidi kapsamaz ve yazında bunu belirtebilirsin.
Yaygın bir yanılgı: "Eğer doğruluk hedefin altına düştüyse, problem çözüldü." Bu gözlemci için, bu kapalı dünyada, ölçülebilir bir maliyetle onu çözdün. Bu gerçek bir sonuçtur ve sınırları vardır.
Diğer dillerde
Hedefle eşleşen ilk seviyeyi seç, diğer durumlarda:
// JavaScript
let chosen, after;
for (const budget of PAD_LEVELS) {
chosen = budget;
after = paddedAccuracy(data, budget);
if (after <= TARGET) break;
}// Go
var chosen int
var after float64
for _, budget := range padLevels {
chosen, after = budget, paddedAccuracy(data, budget)
if after <= target { break }
}Özet
- Ölç, düzelt, aynı şekilde tekrar ölç ve maliyeti raporla.
- Padding, ağ gözlemcilerinden gizlenen hassas sitenin hangisinin ziyaret edildiğini ölçülebilir bir bant genişliği maliyetiyle sakladı.
- O sitelerdeki takipçiler, padding işleminin dokunmadığı ayrı bir sorun.
- Dürüst sınırlar sonucun bir parçasıdır, bir özür değil.
Yukarıdaki beş adımı izleyerek study(seed) yaz ve tam olarak gösterilen anahtarlara sahip report dict döndür. PAD_LEVELS = [50, 100, 200, 400, 800] ve TARGET = 0.4, (outgoing, incoming) özelliklerinde en yakın merkezli sınıflandırmayı kullan ve eşitlik durumunda alfabetik olarak ilk gelen siteyi seç. Eğitim yükleri için pad_traces(..., seed=1), test yükleri için seed=2 kullan. report = study(7) ayarla. Testler çalışmanı gizli bir seed üzerinde tekrar çalıştırır.
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.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.