课程大纲 第 128 课,共 156 课 · 跟踪人,而不是设备
跟踪人,而不是设备

区分不同的打字者

为什么重要 在你亲手构建出匹配器之前,“你的打字会暴露你的身份”听起来像是一个吓人的故事。在这个实验里,你将仅凭时间数据区分 50 位编造的打字者,然后打开一种简单的防御,测量它有多大帮助。最后你会既知道这个把戏是怎么做到的,也知道什么能削弱它。

用日常的话说明计划

想象你要学会通过敲门声认出 50 个人。首先,你听每个人敲四次门,记住他们通常的节奏。然后有人敲门,你问:这和谁通常的节奏最接近?这就是整个方法。

画像:一个人通常行为的汇总,在这里就是他们时间数据的平均值。从已知的例子中构建画像叫作注册(enrolment)。

特征:描述一个例子的一个数字。一组特征能把一件杂乱的事情(一句打出来的短语)变成代码能够比较的东西。

练习数据

练习世界中的 typing_samples() 会给你一些输入固定短语 keep it private 的尝试。每次尝试是一个字典:

{"typist": "T07",
 "dwell":  [96, 104, 88, ...],    # 15 numbers, one per key, in milliseconds
 "flight": [151, 130, 202, ...]}  # 14 numbers, one per gap between keys

这些打字者是由一个带种子的生成器编造出来的,大致模仿普通的打字方式。所以你测得的准确率说明的是你把这些打字者区分得有多好。真实的研究会根据人、键盘和文字的不同,报告范围很广的结果;我们对真实世界中的准确率不做任何断言。

衡量“有多接近”

要比较两组时间数据,就把它们在每个位置上相差多远加起来,不管差值是正是负。Python 的 abs() 会去掉符号:abs(-7) 是 7。Python 的 zip(a, b) 会让两个列表并排前进:

for x, y in zip([100, 150], [90, 170]):
    print(x, y, abs(x - y))    # 100 90 10, then 150 170 20

所以这里的距离是 10 + 20 = 30。距离越小,意味着“越相像”。

防御:噪声

noise 选项会给每一个时间数据加上大约那么多毫秒的随机抖动,就像一个隐私工具可能会在页面看到按键事件之前,把它们随机地延迟一小段时间。观察它对你的准确率有什么影响,再想想它对正在打字的人有什么影响:每个键都有 150 毫秒的随机延迟,会让人觉得很迟钝。

用其他语言实现

用 JavaScript 实现距离和最近画像这两步:

const distance = (a, b) => a.reduce((t, x, i) => t + Math.abs(x - b[i]), 0);

function identify(features, profiles) {
  let best = null, bestDist = Infinity;
  for (const [name, p] of Object.entries(profiles)) {
    const d = distance(features, p);
    if (d < bestDist) { best = name; bestDist = d; }
  }
  return best;
}

以及用 Rust 实现距离:

fn distance(a: &[f64], b: &[f64]) -> f64 {
    a.iter().zip(b).map(|(x, y)| (x - y).abs()).sum()
}

你应该会看到什么

没有噪声时,几乎每一次尝试都会匹配到正确的打字者。中等的噪声(50 毫秒)会让准确率有所下降,但大多数尝试仍然能被匹配上;很大的噪声(150 毫秒)会让准确率急剧下降。这就是诚实的权衡:时间噪声有帮助,但足以把你藏起来的噪声,也会让打字的感觉变差。这个模块的最后一课会看看那些不需要牺牲舒适度的防御。

回顾

  • 注册:把每个人的时间数据平均成一份画像。
  • 识别:挑出总差距(距离)最小的那份画像。
  • 随机的时间噪声会降低准确率,但只有很大的噪声才会让它大幅下降,而那要牺牲舒适度。
  • 在生成的打字者身上测得的准确率,描述的是生成器,而不是真实的人。
轮到你了

编写五个函数。features(sample) 返回 sample["dwell"] 后面接着 sample["flight"] 组成的一个列表。distance(a, b) 返回把两个列表并排放置时 abs(x - y) 的总和。build_profiles(samples) 返回一个字典,把每位打字者的名字映射到他们特征列表逐个位置的平均值。identify(sample, profiles) 返回画像与样本特征距离最小的那个名字。accuracy(train, test) 用 train 构建画像,并返回 test 样本中被 identify 识别正确的比例(一个从 0 到 1 的数字)。底部的打印已经写好了。

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。