Dự án Chặng 7: một nghiên cứu có cách sửa
Vì sao điều này quan trọng Công việc quyền riêng tư thật là một vòng lặp: đo một vấn đề, áp dụng một cách sửa, đo lại, và nói trung thực điều gì đã thay đổi và nó tốn gì. Dự án này chạy vòng lặp đó từ đầu tới cuối, nối trình thu thập từ mô-đun này với một cách phòng thủ từ mô-đun trước.
Hãy nghĩ tới một bác sĩ kiểm tra xem một phương pháp điều trị có hiệu quả không: đo trước, điều trị, đo lại theo cùng cách, và ghi lại các tác dụng phụ. Không có phép đo đầu tiên thì không có gì để so sánh; không có các tác dụng phụ thì kết quả chỉ đúng một nửa.
Câu hỏi
Trên web mô phỏng, ai đó theo dõi kết nối đã mã hóa của bạn có thể biết bạn đã truy cập trang nhạy cảm nào không, và cần độn bao nhiêu để ngăn họ một cách đáng tin cậy?
Truy cập một trang sức khỏe, tài chính hay tôn giáo có thể để lộ điều gì đó riêng tư ngay cả khi không gì khác rò rỉ. Bạn sẽ:
- Đo bối cảnh. Thu thập
SimWeb(seed), tìm các trang có hạng mục nằm trongSENSITIVE, và ghi lại tỉ lệ trong số chúng tải một bên theo dõi có trong danh sách. Lấy 6 trang nhạy cảm đầu tiên theo thứ hạng. - Đo vấn đề. Lấy các lần tải trang cho 6 trang đó bằng
page_loads(seed, sites=...)và đo độ chính xác tâm gần nhất, như ở bài 143. - Áp dụng cách sửa. Thử các ngân sách độn trong
PAD_LEVELStheo thứ tự. Với mỗi cái, độn các lần tải huấn luyện vớiseed=1và các lần tải kiểm tra vớiseed=2, huấn luyện lại, và đo lại. Dừng ở ngân sách đầu tiên có độ chính xác bằng hoặc dướiTARGET. Nếu không cái nào đạt, giữ cái cuối cùng. - Đo cái giá. Chi phí phụ ở ngân sách đã chọn, như ở bài 143.
- Viết các giới hạn. Ít nhất hai câu trung thực, như ở bài 149. Một câu thuộc về đây dù bạn tìm thấy gì: ngân sách được chọn bằng cách nhìn độ chính xác trên chính các lần tải kiểm tra mà sau đó bạn báo cáo, điều này tâng bốc kết quả một chút. Một nghiên cứu cẩn thận chọn ngân sách trên một tập lần tải thứ ba, riêng biệt và báo cáo tập kiểm tra một lần.
Báo cáo
study(seed) trả về một dict với chính xác các khóa này:
{
"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
}Các con số được chấm so với một lần chạy ẩn trên một seed khác, nên mã của bạn phải làm nghiên cứu, không chép một đáp án. Các giới hạn không được chấm về nội dung, nhưng người hướng dẫn có thể góp ý về chúng. Hãy nghĩ về: một thế giới đóng gồm 6 trang, một người quan sát biết thiết lập độn của bạn, lưu lượng mô phỏng, và tỉ lệ bên theo dõi nói lên điều gì và không nói lên điều gì.
Hãy để ý hai nửa của kết quả. Việc độn bảo vệ lượt truy cập khỏi một người quan sát mạng, nhưng các bên theo dõi trên chính những trang đó vẫn biết trực tiếp về bạn. Một cách phòng thủ không bao giờ bao quát mọi mối đe dọa, và bản báo cáo của bạn có thể nói ra điều đó.
Một hiểu lầm phổ biến: "Nếu độ chính xác giảm dưới mục tiêu, vấn đề đã được giải quyết." Bạn đã giải quyết nó cho người quan sát này, trong thế giới đóng này, với một cái giá đã đo. Đó là một kết quả thật, và nó có các rìa.
Trong các ngôn ngữ khác
Chọn mức đầu tiên đạt một mục tiêu, ở nơi khác:
// 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 }
}Tóm tắt
- Đo, sửa, đo lại theo cùng cách, và báo cáo cái giá.
- Việc độn đã giấu trang nhạy cảm nào được truy cập khỏi một người quan sát mạng, với một cái giá băng thông đã đo.
- Các bên theo dõi trên những trang đó là một vấn đề riêng mà việc độn không chạm tới.
- Các giới hạn trung thực là một phần của kết quả, không phải một lời xin lỗi cho nó.
Viết study(seed) theo năm bước ở trên, trả về dict báo cáo với chính xác các khóa đã cho thấy. Dùng PAD_LEVELS = [50, 100, 200, 400, 800] và TARGET = 0.4, phân loại tâm gần nhất trên các đặc trưng (outgoing, incoming) với khi hòa thì trang đứng đầu theo bảng chữ cái thắng, pad_traces(..., seed=1) cho các lần tải huấn luyện và seed=2 cho các lần tải kiểm tra. Đặt report = study(7). Các bài kiểm tra chạy lại nghiên cứu của bạn trên một seed ẩn.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.