સંશોધન: ગેમ થિયરીનો ઉપયોગ કરીને બ્લોક-પ્રતિરોધક પ્રોક્સી સેવા બનાવવી

ઘણા વર્ષો પહેલા, મેસેચ્યુસેટ્સ, પેન્સિલવેનિયા અને મ્યુનિક, જર્મનીની યુનિવર્સિટીઓના વૈજ્ઞાનિકોના આંતરરાષ્ટ્રીય જૂથે યોજાયેલ સેન્સરશીપ વિરોધી સાધન તરીકે પરંપરાગત પ્રોક્સીની અસરકારકતામાં સંશોધન. પરિણામે, વૈજ્ઞાનિકોએ ગેમ થિયરીના આધારે બ્લોકીંગને બાયપાસ કરવા માટે એક નવી પદ્ધતિનો પ્રસ્તાવ મૂક્યો. અમે આ કાર્યના મુખ્ય મુદ્દાઓનો અનુકૂલિત અનુવાદ તૈયાર કર્યો છે.

પરિચય

ટોર જેવા લોકપ્રિય બ્લોક-બાયપાસ ટૂલ્સનો અભિગમ બ્લોકિંગને આધીન પ્રદેશોના ગ્રાહકો વચ્ચે પ્રોક્સી IP સરનામાંના ખાનગી અને પસંદગીયુક્ત વિતરણ પર આધારિત છે. પરિણામે, ગ્રાહકોને બ્લોક્સ લાદતી સંસ્થાઓ અથવા સત્તાધિકારીઓ દ્વારા વણતપાસાયેલા રહેવું જોઈએ. ટોરના કિસ્સામાં, આ પ્રોક્સી વિતરકોને પુલ કહેવામાં આવે છે.

આવી સેવાઓની મુખ્ય સમસ્યા એ આંતરિક લોકો દ્વારા હુમલો છે. અવરોધિત એજન્ટો તેમના સરનામાં શોધવા અને તેમને અવરોધિત કરવા માટે પ્રોક્સીઓનો ઉપયોગ કરી શકે છે. પ્રોક્સી ગણતરીઓની સંભાવનાને ઘટાડવા માટે, બ્લોક બાયપાસ સાધનો વિવિધ સરનામાં સોંપણી પદ્ધતિઓનો ઉપયોગ કરે છે.

આ કિસ્સામાં, કહેવાતા એડહોક હ્યુરિસ્ટિક્સ અભિગમનો ઉપયોગ કરવામાં આવે છે, જેને બાયપાસ કરી શકાય છે. આ સમસ્યાને ઉકેલવા માટે, વૈજ્ઞાનિકોએ બ્લોકિંગમાં સામેલ સેવાઓ અને તેમને બાયપાસ કરવા માટે સેવાઓ વચ્ચેના સંઘર્ષને એક રમત તરીકે રજૂ કરવાનું નક્કી કર્યું. ગેમ થિયરીનો ઉપયોગ કરીને, તેઓએ દરેક પક્ષો માટે શ્રેષ્ઠ વર્તણૂકીય વ્યૂહરચના વિકસાવી - ખાસ કરીને, આનાથી પ્રોક્સી વિતરણ પદ્ધતિ વિકસાવવાનું શક્ય બન્યું.

પરંપરાગત લોક બાયપાસ સિસ્ટમ કેવી રીતે કાર્ય કરે છે

બ્લોક બાયપાસ ટૂલ્સ જેમ કે ટોર, લેન્ટર્ન અને સાઇફોન સ્થાને પ્રતિબંધો સાથે પ્રદેશની બહારની પ્રોક્સીઓની શ્રેણીનો ઉપયોગ કરે છે જેનો ઉપયોગ તે પ્રદેશોમાંથી વપરાશકર્તા ટ્રાફિકને વાળવા અને તેને અવરોધિત સંસાધનો સુધી પહોંચાડવા માટે થાય છે.

જો સેન્સર્સ આવા પ્રોક્સીના IP સરનામાંથી વાકેફ થઈ જાય - ઉદાહરણ તરીકે, તેઓ તેનો ઉપયોગ કરે તે પછી - તેને સરળતાથી બ્લેકલિસ્ટ અને અવરોધિત કરી શકાય છે. તેથી, વાસ્તવમાં, આવા પ્રોક્સીઓના IP સરનામાંઓ ક્યારેય જાહેર કરવામાં આવતાં નથી, અને વપરાશકર્તાઓને વિવિધ પદ્ધતિઓનો ઉપયોગ કરીને એક અથવા બીજી પ્રોક્સી સોંપવામાં આવે છે. ઉદાહરણ તરીકે, ટોરમાં બ્રિજ સિસ્ટમ છે.

એટલે કે, મુખ્ય કાર્ય વપરાશકર્તાઓને અવરોધિત સંસાધનોની ઍક્સેસ પ્રદાન કરવાનું છે અને પ્રોક્સી સરનામાંની જાહેરાતની સંભાવનાને ઘટાડવાનું છે.

વ્યવહારમાં આ સમસ્યાનું નિરાકરણ એટલું સરળ નથી - સામાન્ય વપરાશકર્તાઓને તેમની પાસેથી માસ્કરેડ કરતા સેન્સરથી સચોટ રીતે અલગ પાડવું ખૂબ જ મુશ્કેલ છે. હ્યુરિસ્ટિક મિકેનિઝમ્સનો ઉપયોગ માહિતી છુપાવવા માટે થાય છે. ઉદાહરણ તરીકે, ટોર ક્લાયન્ટ માટે ઉપલબ્ધ બ્રિજ IP એડ્રેસની સંખ્યાને પ્રતિ વિનંતી ત્રણ સુધી મર્યાદિત કરે છે.

આનાથી ચીની સત્તાવાળાઓએ ટૂંકા સમયમાં તમામ ટોર બ્રિજને ઓળખી કાઢ્યા. વધારાના પ્રતિબંધોની રજૂઆત બ્લોક બાયપાસ સિસ્ટમની ઉપયોગિતાને ગંભીરપણે અસર કરશે, એટલે કે, કેટલાક વપરાશકર્તાઓ પ્રોક્સીને ઍક્સેસ કરી શકશે નહીં.

ગેમ થિયરી આ સમસ્યાને કેવી રીતે હલ કરે છે

કાર્યમાં વર્ણવેલ પદ્ધતિ કહેવાતા "કોલેજ પ્રવેશ રમત" પર આધારિત છે. વધુમાં, એવું માનવામાં આવે છે કે ઈન્ટરનેટ સેન્સરિંગ એજન્ટો વાસ્તવિક સમયમાં એકબીજા સાથે વાતચીત કરી શકે છે અને જટિલ યુક્તિઓનો ઉપયોગ કરી શકે છે - ઉદાહરણ તરીકે, પ્રોક્સીઓને તરત જ અવરોધિત કરશો નહીં અથવા વિવિધ પરિસ્થિતિઓના આધારે તે તરત જ કરી શકશે નહીં.

કોલેજ પ્રવેશ કેવી રીતે કાર્ય કરે છે?

ચાલો કહીએ કે અમારી પાસે n વિદ્યાર્થીઓ અને m કોલેજો છે. દરેક વિદ્યાર્થી અમુક માપદંડોના આધારે શૈક્ષણિક સંસ્થાઓમાં પોતાની પસંદગીઓની યાદી બનાવે છે (એટલે ​​કે, માત્ર કોલેજો કે જેમાં દસ્તાવેજો સબમિટ કરવામાં આવ્યા છે તેને ક્રમ આપવામાં આવે છે). બીજી તરફ, કોલેજો એવા વિદ્યાર્થીઓને પણ રેન્ક આપે છે જેમણે પોતાની પસંદગીના આધારે દસ્તાવેજો સબમિટ કર્યા છે.

સૌ પ્રથમ, જેઓ પસંદગીના માપદંડોને પૂર્ણ કરતા નથી તેમને કૉલેજ કાપી નાખે છે - જો અછત હોય તો પણ તેઓ સ્વીકારવામાં આવશે નહીં. પછી અરજદારોને અલ્ગોરિધમનો ઉપયોગ કરીને પસંદ કરવામાં આવે છે જે જરૂરી પરિમાણોને ધ્યાનમાં લે છે.

શક્ય છે કે ત્યાં "અસ્થિર પ્રવેશ" હોઈ શકે - ઉદાહરણ તરીકે, જો ત્યાં બે વિદ્યાર્થીઓ 1 અને 2 હોય જેમને અનુક્રમે a અને b કૉલેજમાં સ્વીકારવામાં આવ્યા હોય, પરંતુ બીજો વિદ્યાર્થી યુનિવર્સિટી a માં અભ્યાસ કરવા માંગે છે. વર્ણવેલ પ્રયોગના કિસ્સામાં, ઑબ્જેક્ટ્સ વચ્ચે માત્ર સ્થિર જોડાણો ધ્યાનમાં લેવામાં આવ્યા હતા.

વિલંબિત સ્વીકૃતિ અલ્ગોરિધમ

પહેલેથી જ કહ્યું તેમ, અમુક ચોક્કસ સંખ્યામાં વિદ્યાર્થીઓ છે જેમને કૉલેજ કોઈપણ સંજોગોમાં સ્વીકારશે નહીં. તેથી, વિલંબિત સ્વીકૃતિ અલ્ગોરિધમ એવી ધારણા બનાવે છે કે આ વિદ્યાર્થીઓને તે સંસ્થામાં અરજી કરવાની મંજૂરી નથી. આ કિસ્સામાં, બધા વિદ્યાર્થીઓ તેમને સૌથી વધુ ગમતી કોલેજોમાં પ્રવેશ મેળવવાનો પ્રયાસ કરે છે.

q વિદ્યાર્થીઓની ક્ષમતા ધરાવતી સંસ્થા તેના માપદંડના આધારે q ઉચ્ચ ક્રમાંકિત વ્યક્તિની રાહ યાદી બનાવે છે, અથવા જો અરજદારોની સંખ્યા ઉપલબ્ધ સ્થાનોની સંખ્યા કરતા ઓછી હોય તો તમામ. બાકીનાને નકારવામાં આવે છે, અને આ વિદ્યાર્થીઓ તેમની પસંદગીની સૂચિ પર આગામી યુનિવર્સિટીમાં અરજી કરે છે. આ કૉલેજ એવા વિદ્યાર્થીઓમાંથી q ઉચ્ચ ક્રમાંકિત વિદ્યાર્થીઓને પણ પસંદ કરે છે જેમણે તરત જ અરજી કરી હતી અને જેમને પ્રથમ કૉલેજમાં સ્વીકારવામાં આવ્યા ન હતા. ઉપરાંત, ફરીથી ચોક્કસ સંખ્યામાં લોકો પાસ થતા નથી.

પ્રક્રિયા સમાપ્ત થાય છે જો દરેક વિદ્યાર્થી કોઈ કૉલેજની પ્રતિક્ષા સૂચિમાં હોય અથવા જ્યાં તે નોંધણી કરાવી શકે તેવી તમામ શૈક્ષણિક સંસ્થાઓમાંથી તેને નકારવામાં આવ્યો હોય. પરિણામે, કોલેજો આખરે તેમની રાહ યાદીમાંથી દરેકને પ્રવેશ આપે છે.

પ્રોક્સીને તેની સાથે શું લેવાદેવા છે?

વિદ્યાર્થીઓ અને કોલેજો સાથે સામ્યતા દ્વારા, વૈજ્ઞાનિકોએ દરેક ક્લાયન્ટને ચોક્કસ પ્રોક્સી સોંપી. પરિણામ પ્રોક્સી અસાઇનમેન્ટ ગેમ તરીકે ઓળખાતી રમત હતી. સંભવિત સેન્સર એજન્ટો સહિત ક્લાયન્ટ્સ એવા વિદ્યાર્થીઓ તરીકે કાર્ય કરે છે કે જેઓ પ્રોક્સીઓનું સરનામું જાણવા માગે છે, જે કોલેજોની ભૂમિકા ભજવે છે - તેમની પાસે અગાઉથી જ જાણીતી મર્યાદિત બેન્ડવિડ્થ છે.

વર્ણવેલ મોડેલમાં n વપરાશકર્તાઓ (ક્લાયન્ટ્સ) A = છે
{a1, a2, …, an}, જે બ્લોકીંગને બાયપાસ કરવા માટે પ્રોક્સીની ઍક્સેસની વિનંતી કરે છે. આમ, ai એ "કુલ" ક્લાયંટનું ઓળખકર્તા છે. આ n વપરાશકર્તાઓમાં, m સેન્સર એજન્ટ છે, જે J = {j1, j2, ..., jm} તરીકે સૂચિત છે, બાકીના સામાન્ય વપરાશકર્તાઓ છે. તમામ એમ એજન્ટો કેન્દ્રીય સત્તાધિકારી દ્વારા નિયંત્રિત થાય છે અને તેની પાસેથી સૂચનાઓ મેળવે છે.

એવું પણ માનવામાં આવે છે કે પ્રોક્સીઓનો સમૂહ P = {p1, p2, ..., pl} છે. દરેક વિનંતી પછી, ક્લાયન્ટ વિતરક ઑબ્જેક્ટમાંથી k પ્રોક્સી વિશે માહિતી (IP સરનામું) મેળવે છે. સમયને અંતરાલો-તબક્કાઓમાં વહેંચવામાં આવે છે, જેને t તરીકે નિયુક્ત કરવામાં આવે છે (રમત t=0 થી શરૂ થાય છે).

દરેક ક્લાયંટ પ્રોક્સીનું મૂલ્યાંકન કરવા માટે સ્કોરિંગ ફંક્શનનો ઉપયોગ કરે છે. વૈજ્ઞાનિકોએ કાર્યનો ઉપયોગ કર્યો સ્ટેજ t પર વપરાશકર્તાએ પ્રોક્સી px ને સોંપેલ સ્કોરને ચિહ્નિત કરવા. તેવી જ રીતે, દરેક પ્રોક્સી ક્લાયંટનું મૂલ્યાંકન કરવા માટે ફંક્શનનો ઉપયોગ કરે છે. તે જ પ્રોક્સી px એ સ્ટેજ t પર ક્લાયન્ટ ai ને સોંપેલ સ્કોર છે.

તે યાદ રાખવું અગત્યનું છે કે આખી રમત વર્ચ્યુઅલ છે, એટલે કે, "વિતરક" પોતે તેને પ્રોક્સી અને ગ્રાહકો વતી રમે છે. આ કરવા માટે, તેને પ્રોક્સી સંબંધિત ક્લાયંટનો પ્રકાર અથવા તેમની પસંદગીઓ જાણવાની જરૂર નથી. દરેક તબક્કે એક રમત છે, અને વિલંબિત સ્વીકૃતિ અલ્ગોરિધમનો પણ ઉપયોગ થાય છે.

રિઝલ્ટ

સિમ્યુલેશન પરિણામો અનુસાર, જાણીતી લૉક બાયપાસ સિસ્ટમ્સની સરખામણીમાં ગેમ થિયરીનો ઉપયોગ કરતી પદ્ધતિએ ઉચ્ચ કાર્યક્ષમતા દર્શાવી હતી.

rBridge VPN સેવા સાથે સરખામણી

તે જ સમયે, વૈજ્ઞાનિકોએ ઘણા મહત્વપૂર્ણ મુદ્દાઓ ઓળખ્યા છે જે આવી સિસ્ટમોના સંચાલનની ગુણવત્તાને અસર કરી શકે છે:

• સેન્સરની વ્યૂહરચનાને ધ્યાનમાં લીધા વિના, અવરોધને દૂર કરવા માટેની સિસ્ટમ નવી પ્રોક્સીઓ સાથે સતત અપડેટ થવી જોઈએ, અન્યથા તેની અસરકારકતા ઘટશે.
• જો સેન્સર પાસે નોંધપાત્ર સંસાધનો હોય, તો તેઓ પ્રોક્સી શોધવા માટે ભૌગોલિક રીતે વિતરિત એજન્ટો ઉમેરીને અવરોધિત કાર્યક્ષમતા વધારી શકે છે.
• જે ઝડપે નવી પ્રોક્સીઓ ઉમેરવામાં આવે છે તે બ્લોકીંગને દૂર કરવા માટે સિસ્ટમની અસરકારકતા માટે મહત્વપૂર્ણ છે.

માંથી ઉપયોગી લિંક્સ અને સામગ્રી ઇન્ફેટિકા:

• સેન્સરશીપ સામેની લડાઈનો ઇતિહાસ: MIT અને સ્ટેનફોર્ડના વૈજ્ઞાનિકો દ્વારા બનાવવામાં આવેલ ફ્લેશ પ્રોક્સી પદ્ધતિ કેવી રીતે કામ કરે છે
• જ્યારે પ્રોક્સીઓ જૂઠું બોલે છે ત્યારે કેવી રીતે સમજવું: સક્રિય ભૌગોલિક સ્થાન અલ્ગોરિધમનો ઉપયોગ કરીને નેટવર્ક પ્રોક્સીઓના ભૌતિક સ્થાનોની ચકાસણી
• ઇન્ટરનેટ પર તમારી જાતને કેવી રીતે વેશપલટો કરવી: સર્વર અને રહેણાંક પ્રોક્સીઓની તુલના

સોર્સ: www.habr.com