课程大纲 第 120 课,共 156 课 · 搭建防御
搭建防御

为引擎分区

为什么重要 在第 2 阶段,AdCo 的跟踪器之所以有效,是因为 AdCo 的嵌入框架只有一个存储抽屉,它在每一家商店上都会打开这个抽屉。浏览器通过按网站拆分存储来阻止这一点,这叫作分区。如果一个引擎拆分了 Cookie,却哪怕忘了另外一个存储区域,跟踪器就会直接把它的 ID 搬到那里。在这个实验里,你是引擎的作者:你来编写决定数据存放在哪里的规则,然后看着跟踪器失败。

想象一家连锁健身房。一家粗心的连锁店给每个会员一把储物柜钥匙,它在每一家分店都能打开同一个储物柜,所以你留在里面的任何东西都会跟着你满城跑。一家细心的连锁店会在每一家分店给你一个单独的储物柜。而在每一家分店里,每个会员都有自己的储物柜,所以谁也打不开别人的。

浏览器引擎就是那家细心的连锁店。分店是地址栏里的网站。会员是存储数据的那一方,比如商店本身,或者嵌在它里面的一个广告框架。

顶层网站:显示在地址栏里的网站,例如 shopa.example。页面上的一切,包括框架和脚本,都是代表它加载的。

源:存储数据的是谁:协议、主机和端口,例如 https://adco.example。一个嵌入框架有它自己的源,和它周围的页面不同。

存储区域:浏览器为一个网站保存数据的一个地方。Cookie 是一个区域;localStorage、IndexedDB(浏览器里的一个小型数据库)、HTTP 缓存(保存下来的文件副本)和 service worker(为一个网站在后台运行的脚本)是其他区域。

分区键:引擎贴在每一个抽屉上的标签。两次使用相同键的读写共享一个抽屉;键不同的则永远不会。

练习引擎

模块 watched.leg6b_engine 里有一个叫作 MiniEngine 的小引擎,它有五个存储区域。你给它一个函数,也就是分区键规则,每当有任何东西被读取或写入时,它都会询问这个函数:

from watched.leg6b_engine import MiniEngine, STORAGE_AREAS

def naive_key(area, origin, top_site):
    return origin                     # one drawer per origin, on every site

engine = MiniEngine(naive_key)
engine.write("cache", "https://adco.example", "shopa.example", "adco_id", "id-77")
print(engine.read("cache", "https://adco.example", "shopb.example", "adco_id"))   # id-77
print(STORAGE_AREAS)   # ('cookies', 'local_storage', 'indexeddb', 'cache', 'service_worker')

使用那个天真的规则,AdCo 在你位于 ShopA 时写下它的 ID,又在 ShopB 上读回同一个 ID。这一行就是跨网站跟踪。

由两部分组成的键

解决办法是让键同时包含顶层网站和源。Python 有一种把值粘在一起的巧妙方式:元组,用圆括号来写。

元组:一组固定的值,比如 ("shopa.example", "https://adco.example")。它就像一个你无法修改的列表,而且和列表不同,它可以用作字典的键。

key_a = ("shopa.example", "https://adco.example")
key_b = ("shopb.example", "https://adco.example")
print(key_a == key_b)    # False: different site, so a different drawer

引擎把这叫作双重键控:每一份存储的数据都归档在(顶层网站,源)之下。真实的引擎会给某些键再加上更多内容,但这两部分是它的核心。

一个天真的引擎会忘掉哪些区域?

引擎并不是一次就把所有东西都分区的。Cookie 得到了大部分关注,而缓存和较新的存储是后来才跟上的。HTTP 缓存现在在三大引擎中都已分区:Safari 从 2013 年起,Chrome 从 86 版起,Firefox 从 85 版起(2026 年 10 月核实)。任何被遗漏的区域都是一个藏身之处,这就是为什么你的键规则必须覆盖每一个区域,而不只是 Cookie。

测量跟踪是否仍然有效

run_tracker(engine) 会访问三家商店。在每一家上,商店会保存一个购物车,然后 AdCo 的框架会在每一个区域里寻找它的 ID,如果抽屉是空的,就写入一个新的。它返回一个字典:

  • "sightings":一个由 (top_site, area, id_seen) 元组组成的列表,每家商店和每个区域各一个
  • "snooped":AdCo 的框架能读到商店自己购物车的区域(应该为空)
  • "first_party_ok":当每家商店都能读回自己的购物车时为 True

当同一个 ID 出现在两个或更多不同的网站上时,跟踪在这个区域里就是有效的。为了统计这一点,你会用到一个集合:一个没有重复的容器,空的时候写作 set()。s.add(x) 往里面放东西,len(s) 告诉你它装着多少个不同的东西。

seen = {}                                   # (area, id) -> set of sites
for site, area, ident in [("shopa.example", "cache", "id-1"), ("shopb.example", "cache", "id-1")]:
    seen.setdefault((area, ident), set()).add(site)
print(seen)   # {('cache', 'id-1'): {'shopa.example', 'shopb.example'}}

d.setdefault(key, set()) 的意思是:给我这个键下面的值,如果还没有,就先在那里存一个空集合。

一个常见的错误

只用顶层网站作为键是很诱人的:return top_site。这确实能阻止 AdCo 把 ShopA 和 ShopB 联系起来。但这样一来,AdCo 的框架和商店在每个网站上共用一个抽屉,于是框架能读到商店的购物车。引擎报告把这叫作 snooped。一个好的键既把网站彼此分开,也把会员彼此分开。

试一试 练习用的 Browser 已经为 Cookie 和 localStorage 内置了这条规则。做完这个实验后,用 Browser(world, partitioned=True) 重新运行你在第 2 阶段写的 Cookie 跟踪器,并打印它建立的档案:你应该会看到每家商店各有一份简短的档案,而不是一份很长的档案。在真实的浏览器里,打开开发者工具(F12),进入“应用”(Firefox 里是“存储”),然后打开 Cookie。在 Chrome 的开发者工具里,按顶层网站存储的 Cookie 会在 Partition Key 列中显示一个值。

用其他语言实现

其他语言中的同一个双重键:

// JavaScript: a Map keyed by a string that joins both parts
const drawers = new Map();
function partitionKey(area, origin, topSite) {
  return `${area} ${topSite} ${origin}`;
}
drawers.set(partitionKey("cache", "https://adco.example", "shopa.example"), { adco_id: "id-1" });

// Rust: a tuple of Strings is a valid HashMap key
use std::collections::HashMap;
let mut drawers: HashMap<(String, String), HashMap<String, String>> = HashMap::new();
drawers.entry(("shopa.example".into(), "https://adco.example".into()))
       .or_default().insert("adco_id".into(), "id-1".into());

// Go: a struct with comparable fields can key a map
type PartitionKey struct{ TopSite, Origin string }
drawers := map[PartitionKey]map[string]string{}
drawers[PartitionKey{"shopa.example", "https://adco.example"}] = map[string]string{"adco_id": "id-1"}

回顾

  • 分区把每一份存储的数据归档在一个键之下;键相同,抽屉就相同。
  • 一个好的键有两部分:顶层网站和源,这样网站之间互相看不到,框架也看不到它周围的页面。
  • 每一个存储区域都需要这个键,Cookie、localStorage、IndexedDB、缓存和 service worker 都一样。只要忘掉一个区域,就足够让跟踪器得逞。
  • 只要同一个 ID 出现在两个或更多网站上,跟踪就仍然有效:去测量它,不要假设。
轮到你了

编写两个函数。partition_key(area, origin, top_site) 必须为每一个存储区域返回两部分的键 (top_site, origin)。linked_areas(sightings) 接收一个由 (top_site, area, id_seen) 元组组成的列表,并返回一个集合,其中是那些同一个 id_seen 出现在两个或更多不同顶层网站上的区域。然后构建 engine = MiniEngine(partition_key),运行 report = run_tracker(engine),并设置 linked = linked_areas(report["sightings"])。它应该打印出一个空集合。

发现这节课有问题?报告它 · 就这节课提问

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。