Chương trình học Bài 100 trên tổng số 156 · Gói tin, DNS và địa chỉ IP
Gói tin, DNS và địa chỉ IP

Theo dõi dựa trên IP

Vì sao điều này quan trọng Chặn cookie không ngăn được một trang thấy địa chỉ IP của bạn, và một số bên theo dõi dùng "địa chỉ IP cộng trình duyệt" làm một ID thay thế. Trong bài thực hành này bạn đo xem điều đó hiệu quả đến đâu qua một tuần mô phỏng, và bạn sẽ thấy nó vừa yếu hơn vừa nguy hiểm hơn so với nghe có vẻ.

Một địa chỉ IP hơi giống địa chỉ phố của một tòa chung cư. Nó đưa gói tin tới tòa nhà, nhưng nhiều người có thể sống ở đó, và người ta chuyển nhà.

Vì sao địa chỉ IP bị dùng chung

Không có đủ địa chỉ kiểu cũ (IPv4) cho mọi thiết bị, nên các mạng dùng chung chúng.

NAT: Network Address Translation: một router nhà hay cổng văn phòng cho nhiều thiết bị dùng chung một địa chỉ IP công khai. Mọi điện thoại và máy tính xách tay ở nhà trông như cùng một địa chỉ với các trang web.

Carrier-grade NAT: cùng mánh đó do một mạng di động làm ở quy mô lớn: hàng nghìn điện thoại dùng chung một nhóm nhỏ địa chỉ, và điện thoại của bạn có thể nhận một địa chỉ khác mỗi lần nó kết nối.

User agent: một đoạn văn bản ngắn trình duyệt của bạn gửi kèm mọi yêu cầu, nêu tên trình duyệt và hệ thống, như Brook/31.0 (Laptop; OS-A). Nhiều người gửi chính xác cùng một cái.

Nên một bên theo dõi kết hợp hai thứ thành một ID yếu, như 203.0.113.7 | Brook/31.0 (Laptop; OS-A), có thể sai theo hai cách:

  • Tách: một người xuất hiện dưới nhiều ID, vì điện thoại của họ di chuyển giữa Wi-Fi nhà, văn phòng và mạng di động, hoặc địa chỉ nhà của họ thay đổi.
  • Gộp: những người khác nhau chung một ID, vì họ chung văn phòng hay hộ gia đình và dùng cùng một trình duyệt phổ biến.

Gộp là cái nguy hiểm cho quyền riêng tư: một bên theo dõi có thể gán nhầm việc duyệt web của người ở chung nhà cho bạn, hoặc để lộ rằng ai đó trong nhà bạn đã xem thứ gì đó nhạy cảm.

Dữ liệu luyện tập

watched.leg5a_network.simulate_week(seed) cho một tuần lượt truy cập tới một trang tin tức. Mỗi lượt truy cập là một dict:

{'day': 0, 'hour': 10, 'person': 'ana', 'device': 'laptop',
 'network': 'office', 'ip': '192.0.2.31',
 'user_agent': 'Brook/31.0 (Laptop; OS-A)'}

Chính trang chỉ thấy ip và user_agent. Trường person là sự thật mà bộ mô phỏng biết và một trang thật không bao giờ biết; bạn chỉ dùng nó để chấm điểm ID yếu. Các ngày chạy từ 0 (thứ Hai) tới 6 (Chủ nhật).

Để đếm những thứ khác nhau, một set của Python rất tiện: nó giữ mỗi giá trị một lần.

seen = set()
for v in visits:
    seen.add(v["ip"])
print(len(seen))   # how many different IPs

Để tìm phần tử phổ biến nhất, đếm bằng một dict và lấy số đếm lớn nhất bằng max(counts.values()).

Trong các ngôn ngữ khác

Dựng một ID yếu và đếm các giá trị khác nhau trông khá giống nhau ở mọi nơi.

// JavaScript
const weakId = v => `${v.ip} | ${v.user_agent}`;
const ids = new Set(week.filter(v => v.person === "ana").map(weakId));
console.log(ids.size);
// Go
ids := map[string]bool{}
for _, v := range week {
    if v.Person == "ana" {
        ids[v.IP+" | "+v.UserAgent] = true
    }
}
fmt.Println(len(ids))
// PHP
$ids = [];
foreach ($week as $v) {
    if ($v['person'] === 'ana') { $ids[$v['ip'] . ' | ' . $v['user_agent']] = true; }
}
echo count($ids);

Cách phòng thủ

Với bạn: một VPN hay relay thay IP của bạn bằng một cái dùng chung, và giữ trình duyệt cập nhật giữ cho user agent của bạn phổ biến. Với các trang bạn xây: đừng coi một địa chỉ IP là một danh tính. Rút ngắn hoặc bỏ địa chỉ IP trong nhật ký càng sớm càng tốt (ví dụ chỉ giữ ba phần đầu của một địa chỉ IPv4), vì một IP thô cộng một thời điểm có thể chỉ tới một hộ gia đình.

Tóm tắt

  • Một địa chỉ IP thuộc về một kết nối, thường được một hộ gia đình, một văn phòng hay hàng nghìn điện thoại dùng chung.
  • IP cộng user agent tách một người thành nhiều ID và gộp những người khác nhau thành một.
  • Việc gộp có thể để lộ nhầm việc duyệt web của người khác, đó là lý do ID dựa trên IP vừa rủi ro vừa yếu.
  • Trong nhật ký của chính bạn, hãy rút ngắn hoặc bỏ địa chỉ IP sớm.
Đến lượt bạn

WEEK là một tuần lượt truy cập mô phỏng. Viết bốn hàm:

  1. weak_id(visit): trả về một văn bản kết hợp visit["ip"] và visit["user_agent"], như ip + " | " + user_agent. Hai lượt truy cập phải nhận cùng ID chính xác khi cả hai phần đều khớp.
  2. ids_for_person(week, person): trả về số weak ID khác nhau mà các lượt truy cập của người đó mang (0 nếu không có).
  3. people_behind_id(week): trả về một dict ánh xạ mỗi weak ID tới số người khác nhau đã truy cập dưới nó.
  4. stability(week, person): trả về tỉ lệ (0.0 tới 1.0) các lượt truy cập của người đó được thực hiện dưới weak ID phổ biến nhất của họ, hoặc 0.0 nếu họ không có lượt truy cập nào.
Phần in ở cuối đã được viết sẵn cho bạn. Các bài kiểm tra dùng những tuần mô phỏng khác, nên không thể cố định cứng đáp án.

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.