基于 IP 的跟踪
为什么重要 屏蔽 Cookie 并不能阻止网站看到你的 IP 地址,而有些跟踪者会用“IP 地址加浏览器”作为替代的 ID。在这个实验里,你将在一个模拟的星期里测量这种做法效果如何,你会看到它既比听起来更弱,也更危险。
一个 IP 地址有点像一栋公寓楼的街道地址。它能把数据包送到这栋楼,但可能有好几个人住在里面,而且人们会搬家。
为什么 IP 地址是共享的
老式的(IPv4)地址不够给每台设备一个,所以网络会共享它们。
NAT:网络地址转换(Network Address Translation):一台家用路由器或办公室网关让许多设备共享一个公网 IP 地址。家里的每部手机和每台笔记本电脑在网站看来都是同一个地址。
运营商级 NAT:移动网络在大规模上使用的同一个诀窍:成千上万部手机共享一小批地址,而你的手机每次连接时都可能得到一个不同的地址。
User-Agent:你的浏览器随每个请求发送的一小段文本,说明浏览器和系统,比如 Brook/31.0 (Laptop; OS-A)。许多人发送的完全一样。
所以,一个把两者组合成一个弱 ID 的跟踪者,比如 203.0.113.7 | Brook/31.0 (Laptop; OS-A),可能会以两种方式出错:
- 拆分:一个人出现在许多个 ID 下面,因为他们的手机在家里的 Wi-Fi、办公室和移动网络之间来回切换,或者他们家的地址变了。
- 合并:不同的人共享同一个 ID,因为他们在同一间办公室或同一户人家里,并且使用同一款流行的浏览器。
对隐私来说,合并才是危险的那一种:跟踪者可能会错误地把你室友的浏览记录算到你头上,或者暴露出你家里有人看了某些敏感的东西。
练习数据
watched.leg5a_network.simulate_week(seed) 给出一个新闻网站一周的访问。每次访问是一个字典:
{'day': 0, 'hour': 10, 'person': 'ana', 'device': 'laptop',
'network': 'office', 'ip': '192.0.2.31',
'user_agent': 'Brook/31.0 (Laptop; OS-A)'}网站本身只能看到 ip 和 user_agent。person 字段是模拟器知道、而真实网站永远不会知道的真相;你只用它来给弱 ID 打分。日子从 0(周一)到 6(周日)。
要统计不同的东西,Python 的 set 很方便:它让每个值只保留一次。
seen = set()
for v in visits:
seen.add(v["ip"])
print(len(seen)) # how many different IPs要找到最常见的那一项,就用一个字典来计数,然后用 max(counts.values()) 取最大的计数。
用其他语言实现
构建弱 ID 并统计不同的值,在哪里看起来都差不多。
// 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);防御
对你来说:VPN 或中继会把你的 IP 替换成一个共享的 IP,而保持浏览器更新会让你的 User-Agent 保持常见。对你构建的网站来说:不要把 IP 地址当作身份。尽早在日志里缩短或去掉 IP 地址(比如只保留 IPv4 地址的前三部分),因为一个原始的 IP 加上一个时间就可能指向一户人家。
回顾
- IP 地址属于一条连接,常常由一户人家、一间办公室或成千上万部手机共享。
- IP 加 User-Agent 会把一个人拆分成许多个 ID,也会把不同的人合并成一个。
- 合并可能会错误地暴露别人的浏览记录,这就是为什么基于 IP 的 ID 既很弱,又有风险。
- 在你自己的日志里,尽早缩短或去掉 IP 地址。
WEEK 是模拟的一周访问。编写四个函数:
weak_id(visit):返回一段组合了visit["ip"]和visit["user_agent"]的文本,比如ip + " | " + user_agent。两次访问只有在两部分都匹配时,才必须得到同一个 ID。ids_for_person(week, person):返回这个人的访问带有多少个不同的弱 ID(没有访问时为 0)。people_behind_id(week):返回一个字典,把每个弱 ID 映射到在它下面进行过访问的不同的人数。stability(week, person):返回这个人的访问中,在他们唯一最常见的弱 ID 下进行的访问所占的比例(0.0 到 1.0),如果他们没有访问就返回 0.0。
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。