流量分析
为什么重要 加密隐藏了你说了什么,却没有隐藏你什么时候说、说了多少。仅仅观察流量的时间特征,就能暴露出谁在和谁通信,即使是通过一个匿名网络。看到它在模拟的数据流上起作用,就能清楚地知道 Tor 能承诺什么、不能承诺什么,以及为什么最强的防御代价如此之高。
想象你不能拆开任何人的信件,但你可以站在两家邮局门口。每当一批信件从 Ana 家寄出,片刻之后就有相似的一批信件到达一家诊所。你一个字都没读,却能猜到 Ana 在给那家诊所写信。
元数据:关于一条消息、而不是它内容的数据:它什么时候发送、有多大、从哪里来、到哪里去。
流量分析:在不读取内容的情况下,从通信的模式(时间、大小、数量)中了解信息。
场景
一个观察者监视着两个地方:用户与他们守卫之间的链路,以及出口与网站之间的链路。watched.leg7b_onion 中的函数 tor_flows(seed) 给你这两处的模拟记录。每个数据包都是一个信元(cell),也就是 Tor 固定大小的流量单位(514 字节),所以大小什么都说明不了。你只有时间特征可用。两边的数据流名称被打乱了,而且出口那一边稍有延迟。
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.第 1 步:把数据包变成一个形状
数一数每一秒里有多少个数据包:第 0 秒包含从 0 到(但不包括)1 的时间,以此类推。int(t) 给出一个时间所属的那一秒。一条数据流就变成了一个像 [0, 7, 9, 1, 0, 0, 6, ...] 这样的列表:它随时间变化的形状。
第 2 步:比较两个形状
相关系数:一个从 -1 到 1 的数字,说明两个列表在多大程度上一起升降。1 表示完全同步,0 表示没有关系。Python 内置了它:statistics.correlation(a, b)。
如果一个列表从不变化(每个值都相等),相关系数就没有定义,Python 会引发 statistics.StatisticsError。捕获它并使用 0.0,意思是“两方面都没有证据”。
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")第 3 步:把每条入口数据流和与它最相似的出口数据流匹配起来
对每一条入口数据流,尝试每一条出口数据流,保留相关系数最高的那一条。在这个模拟中,仅凭这一点就能把几乎每个人都正确配对。研究人员研究过的这类真实攻击,也是本着同样的思路。
防御,以及它们的代价
- 随机掩护流量:在随机的时间加入虚假的信元。它会让形状稍微模糊一点,但突发的流量仍然很突出。你会看到它几乎没什么帮助。
- 恒定速率:每秒都发送完全相同数量的信元,用虚拟信元填补空隙,并让真实的信元排队等候。每一秒看起来都一模一样,所以形状消失了。代价是带宽(所有那些虚拟信元)和延迟(信元在突发时要排队)。
Tor 会加入少量填充来模糊粗略的连接记录,但它并不会对一个能同时监视两端的人隐藏你流量的形状(2026 年 10 月核实)。它选择了低延迟,好让网络保持可用。本模块的最后一课会看看那些做出相反选择的网络。
一个常见的误解:“只要一切都加密了,就没有人能分辨我在和谁通信。”加密隐藏的是内容。时间特征和数据量仍然是可见的,而它们常常就够了。
这个实验只使用模拟的数据流。它的目的是理解风险,好让你能评判各种防御;它不是一种监视真实的人的方法,而且真实的网络要嘈杂得多。
用其他语言实现
在其他语言里统计每秒的数据包数并计算相关系数:
// 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
}回顾
- 加密隐藏的是内容,而不是时间特征或数据量(元数据)。
- 统计每秒的数据包数,能给每条数据流一个形状;相关系数能在两端找到相匹配的形状。
- 随机掩护流量几乎没什么帮助;恒定速率发送能隐藏形状,但要付出带宽和延迟的代价。
- Tor 偏向低延迟,所以它没法阻止一个同时监视两端的人。
编写四个函数,然后把它们用在 tor_flows(seed=1) 上:
counts_per_second(packets, seconds):一个由seconds个数字组成的列表,统计时间t满足0 <= t < seconds的数据包数,放在下标int(t)处。similarity(a, b):statistics.correlation(a, b),如果它引发statistics.StatisticsError,就返回0.0。match(entry, exits, seconds):一个字典,把每条入口数据流的"flow"id 映射到相似度最高的那条出口数据流的 id。accuracy(guesses, answers):answers中被你猜对的 id 所占的比例。
acc_plain(没有防御)、acc_cover(入口一侧经过 add_cover_traffic(flows["entry"], rate=20, seed=1, seconds=S) 之后)和 acc_constant(入口一侧经过 constant_rate(flows["entry"], per_second=10, seconds=S) 之后)。测试还会使用新的记录。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。