ಹಲವಾರು ವರ್ಷಗಳ ಹಿಂದೆ, ಮ್ಯಾಸಚೂಸೆಟ್ಸ್, ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ಮತ್ತು ಜರ್ಮನಿಯ ಮ್ಯೂನಿಚ್ ವಿಶ್ವವಿದ್ಯಾಲಯಗಳ ವಿಜ್ಞಾನಿಗಳ ಅಂತರರಾಷ್ಟ್ರೀಯ ಗುಂಪು ಸೆನ್ಸಾರ್ಶಿಪ್ ವಿರೋಧಿ ಸಾಧನವಾಗಿ ಸಾಂಪ್ರದಾಯಿಕ ಪ್ರಾಕ್ಸಿಗಳ ಪರಿಣಾಮಕಾರಿತ್ವದ ಸಂಶೋಧನೆ. ಇದರ ಪರಿಣಾಮವಾಗಿ, ಆಟದ ಸಿದ್ಧಾಂತದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಬಂಧಿಸುವಿಕೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡಲು ವಿಜ್ಞಾನಿಗಳು ಹೊಸ ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದರು. ಈ ಕೃತಿಯ ಮುಖ್ಯ ಅಂಶಗಳ ರೂಪಾಂತರದ ಅನುವಾದವನ್ನು ನಾವು ಸಿದ್ಧಪಡಿಸಿದ್ದೇವೆ.
ಪರಿಚಯ
Tor ನಂತಹ ಜನಪ್ರಿಯ ಬ್ಲಾಕ್-ಬೈಪಾಸ್ ಪರಿಕರಗಳ ವಿಧಾನವು ನಿರ್ಬಂಧಿಸುವ ಪ್ರದೇಶಗಳಿಂದ ಕ್ಲೈಂಟ್ಗಳ ನಡುವೆ ಪ್ರಾಕ್ಸಿ IP ವಿಳಾಸಗಳ ಖಾಸಗಿ ಮತ್ತು ಆಯ್ದ ವಿತರಣೆಯನ್ನು ಆಧರಿಸಿದೆ. ಪರಿಣಾಮವಾಗಿ, ಕ್ಲೈಂಟ್‌ಗಳು ನಿರ್ಬಂಧಗಳನ್ನು ಹೇರುವ ಸಂಸ್ಥೆಗಳು ಅಥವಾ ಅಧಿಕಾರಿಗಳು ಪತ್ತೆ ಮಾಡದೆ ಉಳಿಯಬೇಕು. ಟಾರ್ ಸಂದರ್ಭದಲ್ಲಿ, ಈ ಪ್ರಾಕ್ಸಿ ವಿತರಕರನ್ನು ಸೇತುವೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಅಂತಹ ಸೇವೆಗಳ ಪ್ರಮುಖ ಸಮಸ್ಯೆಯು ಒಳಗಿನವರ ದಾಳಿಯಾಗಿದೆ. ನಿರ್ಬಂಧಿಸುವ ಏಜೆಂಟ್‌ಗಳು ತಮ್ಮ ವಿಳಾಸಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಮತ್ತು ಅವರನ್ನು ನಿರ್ಬಂಧಿಸಲು ಪ್ರಾಕ್ಸಿಗಳನ್ನು ಬಳಸಬಹುದು. ಪ್ರಾಕ್ಸಿ ಲೆಕ್ಕಾಚಾರಗಳ ಸಾಧ್ಯತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು, ಬ್ಲಾಕ್ ಬೈಪಾಸ್ ಉಪಕರಣಗಳು ವಿವಿಧ ವಿಳಾಸ ನಿಯೋಜನೆ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಬಳಸುತ್ತವೆ.
ಈ ಸಂದರ್ಭದಲ್ಲಿ, ತಾತ್ಕಾಲಿಕ ಹ್ಯೂರಿಸ್ಟಿಕ್ಸ್ ವಿಧಾನವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಅದನ್ನು ಬೈಪಾಸ್ ಮಾಡಬಹುದು. ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು, ವಿಜ್ಞಾನಿಗಳು ನಿರ್ಬಂಧಿಸುವಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಸೇವೆಗಳು ಮತ್ತು ಅವುಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡುವ ಸೇವೆಗಳ ನಡುವಿನ ಹೋರಾಟವನ್ನು ಆಟದಂತೆ ಪ್ರಸ್ತುತಪಡಿಸಲು ನಿರ್ಧರಿಸಿದರು. ಆಟದ ಸಿದ್ಧಾಂತವನ್ನು ಬಳಸಿಕೊಂಡು, ಅವರು ಪ್ರತಿಯೊಂದು ಪಕ್ಷಗಳಿಗೆ ಸೂಕ್ತವಾದ ನಡವಳಿಕೆಯ ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು - ನಿರ್ದಿಷ್ಟವಾಗಿ, ಇದು ಪ್ರಾಕ್ಸಿ ವಿತರಣಾ ಕಾರ್ಯವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಸಾಧ್ಯವಾಗಿಸಿತು.
ಸಾಂಪ್ರದಾಯಿಕ ಲಾಕ್ ಬೈಪಾಸ್ ವ್ಯವಸ್ಥೆಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ
Tor, Lantern ಮತ್ತು Psiphon ನಂತಹ ಬ್ಲಾಕ್ ಬೈಪಾಸ್ ಉಪಕರಣಗಳು ಆ ಪ್ರದೇಶಗಳಿಂದ ಬಳಕೆದಾರರ ದಟ್ಟಣೆಯನ್ನು ಬೇರೆಡೆಗೆ ತಿರುಗಿಸಲು ಮತ್ತು ನಿರ್ಬಂಧಿಸಿದ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ತಲುಪಿಸಲು ಬಳಸಲಾಗುವ ನಿರ್ಬಂಧಗಳೊಂದಿಗೆ ಪ್ರದೇಶದ ಹೊರಗಿನ ಪ್ರಾಕ್ಸಿಗಳ ಸರಣಿಯನ್ನು ಬಳಸುತ್ತವೆ.
ಅಂತಹ ಪ್ರಾಕ್ಸಿಯ IP ವಿಳಾಸದ ಬಗ್ಗೆ ಸೆನ್ಸಾರ್‌ಗಳು ತಿಳಿದಿದ್ದರೆ - ಉದಾಹರಣೆಗೆ, ಅವರು ಅದನ್ನು ಬಳಸಿದ ನಂತರ - ಅದನ್ನು ಸುಲಭವಾಗಿ ಕಪ್ಪುಪಟ್ಟಿಗೆ ಸೇರಿಸಬಹುದು ಮತ್ತು ನಿರ್ಬಂಧಿಸಬಹುದು. ಆದ್ದರಿಂದ, ವಾಸ್ತವದಲ್ಲಿ, ಅಂತಹ ಪ್ರಾಕ್ಸಿಗಳ IP ವಿಳಾಸಗಳನ್ನು ಎಂದಿಗೂ ಬಹಿರಂಗಪಡಿಸಲಾಗುವುದಿಲ್ಲ ಮತ್ತು ವಿವಿಧ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಬಳಕೆದಾರರಿಗೆ ಒಂದು ಅಥವಾ ಇನ್ನೊಂದು ಪ್ರಾಕ್ಸಿಯನ್ನು ನಿಯೋಜಿಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಟಾರ್ ಸೇತುವೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಹೊಂದಿದೆ.
ಅಂದರೆ, ನಿರ್ಬಂಧಿಸಿದ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಬಳಕೆದಾರರಿಗೆ ಒದಗಿಸುವುದು ಮತ್ತು ಪ್ರಾಕ್ಸಿ ವಿಳಾಸವನ್ನು ಬಹಿರಂಗಪಡಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಮುಖ್ಯ ಕಾರ್ಯವಾಗಿದೆ.
ಪ್ರಾಯೋಗಿಕವಾಗಿ ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವುದು ಅಷ್ಟು ಸುಲಭವಲ್ಲ - ಸಾಮಾನ್ಯ ಬಳಕೆದಾರರನ್ನು ಸೆನ್ಸಾರ್‌ಗಳಿಂದ ಮಾಸ್ಕ್ವೆರೇಡಿಂಗ್‌ನಿಂದ ನಿಖರವಾಗಿ ಪ್ರತ್ಯೇಕಿಸುವುದು ತುಂಬಾ ಕಷ್ಟ. ಮಾಹಿತಿಯನ್ನು ಮರೆಮಾಡಲು ಹ್ಯೂರಿಸ್ಟಿಕ್ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಕ್ಲೈಂಟ್‌ಗಳಿಗೆ ಲಭ್ಯವಿರುವ ಬ್ರಿಡ್ಜ್ ಐಪಿ ವಿಳಾಸಗಳ ಸಂಖ್ಯೆಯನ್ನು ಟಾರ್ ಪ್ರತಿ ವಿನಂತಿಗೆ ಮೂರಕ್ಕೆ ಮಿತಿಗೊಳಿಸುತ್ತದೆ.
ಇದು ಚೀನಾದ ಅಧಿಕಾರಿಗಳು ಎಲ್ಲಾ ಟಾರ್ ಸೇತುವೆಗಳನ್ನು ಅಲ್ಪಾವಧಿಯಲ್ಲಿ ಗುರುತಿಸುವುದನ್ನು ತಡೆಯಲಿಲ್ಲ. ಹೆಚ್ಚುವರಿ ನಿರ್ಬಂಧಗಳ ಪರಿಚಯವು ಬ್ಲಾಕ್ ಬೈಪಾಸ್ ಸಿಸ್ಟಮ್ನ ಉಪಯುಕ್ತತೆಯನ್ನು ಗಂಭೀರವಾಗಿ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ, ಅಂದರೆ, ಕೆಲವು ಬಳಕೆದಾರರಿಗೆ ಪ್ರಾಕ್ಸಿಯನ್ನು ಪ್ರವೇಶಿಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ.
ಆಟದ ಸಿದ್ಧಾಂತವು ಈ ಸಮಸ್ಯೆಯನ್ನು ಹೇಗೆ ಪರಿಹರಿಸುತ್ತದೆ
ಕೆಲಸದಲ್ಲಿ ವಿವರಿಸಿದ ವಿಧಾನವು "ಕಾಲೇಜು ಪ್ರವೇಶಗಳ ಆಟ" ಎಂದು ಕರೆಯಲ್ಪಡುವ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಇಂಟರ್ನೆಟ್ ಸೆನ್ಸಾರ್ ಏಜೆಂಟ್‌ಗಳು ನೈಜ ಸಮಯದಲ್ಲಿ ಪರಸ್ಪರ ಸಂವಹನ ನಡೆಸಬಹುದು ಮತ್ತು ಸಂಕೀರ್ಣ ತಂತ್ರಗಳನ್ನು ಬಳಸಬಹುದು ಎಂದು ಭಾವಿಸಲಾಗಿದೆ - ಉದಾಹರಣೆಗೆ, ಪ್ರಾಕ್ಸಿಗಳನ್ನು ತಕ್ಷಣವೇ ನಿರ್ಬಂಧಿಸದಿರುವುದು ಅಥವಾ ವಿವಿಧ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಅದನ್ನು ತಕ್ಷಣವೇ ಮಾಡಬಾರದು.
ಕಾಲೇಜು ಪ್ರವೇಶ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ?
ನಾವು ಎನ್ ವಿದ್ಯಾರ್ಥಿಗಳು ಮತ್ತು ಎಂ ಕಾಲೇಜುಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ ಎಂದು ಹೇಳೋಣ. ಪ್ರತಿಯೊಬ್ಬ ವಿದ್ಯಾರ್ಥಿಯು ಕೆಲವು ಮಾನದಂಡಗಳ ಆಧಾರದ ಮೇಲೆ ಶಿಕ್ಷಣ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ತನ್ನದೇ ಆದ ಆದ್ಯತೆಗಳ ಪಟ್ಟಿಯನ್ನು ಮಾಡುತ್ತಾನೆ (ಅಂದರೆ, ದಾಖಲೆಗಳನ್ನು ಸಲ್ಲಿಸಿದ ಕಾಲೇಜುಗಳಿಗೆ ಮಾತ್ರ ಸ್ಥಾನ ನೀಡಲಾಗುತ್ತದೆ). ಮತ್ತೊಂದೆಡೆ, ಕಾಲೇಜುಗಳು ತಮ್ಮದೇ ಆದ ಆದ್ಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ ದಾಖಲೆಗಳನ್ನು ಸಲ್ಲಿಸಿದ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಶ್ರೇಯಾಂಕ ನೀಡುತ್ತವೆ.
ಮೊದಲನೆಯದಾಗಿ, ಆಯ್ಕೆ ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸದವರನ್ನು ಕಾಲೇಜು ಕಡಿತಗೊಳಿಸುತ್ತದೆ - ಕೊರತೆಯಿದ್ದರೂ ಅವರನ್ನು ಸ್ವೀಕರಿಸುವುದಿಲ್ಲ. ನಂತರ ಅಗತ್ಯ ನಿಯತಾಂಕಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವ ಅಲ್ಗಾರಿದಮ್ ಬಳಸಿ ಅರ್ಜಿದಾರರನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ.
"ಅಸ್ಥಿರ ಪ್ರವೇಶಗಳು" ಇರಬಹುದು - ಉದಾಹರಣೆಗೆ, ಕಾಲೇಜುಗಳಲ್ಲಿ 1 ಮತ್ತು 2 ಅನುಕ್ರಮವಾಗಿ ಸ್ವೀಕರಿಸಲ್ಪಟ್ಟ XNUMX ಮತ್ತು XNUMX ವಿದ್ಯಾರ್ಥಿಗಳು ಇದ್ದರೆ, ಆದರೆ ಎರಡನೇ ವಿದ್ಯಾರ್ಥಿಯು ವಿಶ್ವವಿದ್ಯಾನಿಲಯದಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಲು ಬಯಸುತ್ತಾರೆ a. ವಿವರಿಸಿದ ಪ್ರಯೋಗದ ಸಂದರ್ಭದಲ್ಲಿ, ವಸ್ತುಗಳ ನಡುವಿನ ಸ್ಥಿರ ಸಂಪರ್ಕಗಳನ್ನು ಮಾತ್ರ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.
ತಡವಾದ ಸ್ವೀಕಾರ ಅಲ್ಗಾರಿದಮ್
ಈಗಾಗಲೇ ಹೇಳಿದಂತೆ, ಯಾವುದೇ ಸಂದರ್ಭಗಳಲ್ಲಿ ಕಾಲೇಜು ಸ್ವೀಕರಿಸದ ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ವಿದ್ಯಾರ್ಥಿಗಳಿದ್ದಾರೆ. ಆದ್ದರಿಂದ, ಮುಂದೂಡಲ್ಪಟ್ಟ ಸ್ವೀಕಾರ ಅಲ್ಗಾರಿದಮ್ ಈ ವಿದ್ಯಾರ್ಥಿಗಳನ್ನು ಆ ಸಂಸ್ಥೆಗೆ ಅನ್ವಯಿಸಲು ಅನುಮತಿಸುವುದಿಲ್ಲ ಎಂಬ ಊಹೆಯನ್ನು ಮಾಡುತ್ತದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಎಲ್ಲಾ ವಿದ್ಯಾರ್ಥಿಗಳು ತಾವು ಹೆಚ್ಚು ಇಷ್ಟಪಡುವ ಕಾಲೇಜುಗಳಿಗೆ ಪ್ರವೇಶಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ.
q ವಿದ್ಯಾರ್ಥಿಗಳ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಸಂಸ್ಥೆಯು ಅದರ ಮಾನದಂಡಗಳ ಆಧಾರದ ಮೇಲೆ q ಅತ್ಯುನ್ನತ ಶ್ರೇಣಿಯ ವ್ಯಕ್ತಿಯನ್ನು ಕಾಯುವಿಕೆ ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ ಅಥವಾ ಅರ್ಜಿದಾರರ ಸಂಖ್ಯೆಯು ಲಭ್ಯವಿರುವ ಸ್ಥಳಗಳ ಸಂಖ್ಯೆಗಿಂತ ಕಡಿಮೆಯಿದ್ದರೆ. ಉಳಿದವುಗಳನ್ನು ತಿರಸ್ಕರಿಸಲಾಗಿದೆ ಮತ್ತು ಈ ವಿದ್ಯಾರ್ಥಿಗಳು ತಮ್ಮ ಆದ್ಯತೆಗಳ ಪಟ್ಟಿಯಲ್ಲಿ ಮುಂದಿನ ವಿಶ್ವವಿದ್ಯಾಲಯಕ್ಕೆ ಅರ್ಜಿ ಸಲ್ಲಿಸುತ್ತಾರೆ. ಈ ಕಾಲೇಜು ನೇರವಾಗಿ ಅರ್ಜಿ ಸಲ್ಲಿಸಿದವರಿಂದ ಮತ್ತು ಮೊದಲ ಕಾಲೇಜಿಗೆ ಒಪ್ಪಿಕೊಳ್ಳದವರಿಂದ q ಅತ್ಯುನ್ನತ ಶ್ರೇಣಿಯ ವಿದ್ಯಾರ್ಥಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ. ಅಲ್ಲದೆ, ಮತ್ತೆ ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಜನರು ಉತ್ತೀರ್ಣರಾಗುವುದಿಲ್ಲ.
ಪ್ರತಿ ವಿದ್ಯಾರ್ಥಿಯು ಕೆಲವು ಕಾಲೇಜಿನ ಕಾಯುವ ಪಟ್ಟಿಯಲ್ಲಿದ್ದರೆ ಅಥವಾ ಅವನು ದಾಖಲಾಗಬಹುದಾದ ಎಲ್ಲಾ ಶಿಕ್ಷಣ ಸಂಸ್ಥೆಗಳಿಂದ ತಿರಸ್ಕರಿಸಲ್ಪಟ್ಟರೆ ಕಾರ್ಯವಿಧಾನವು ಕೊನೆಗೊಳ್ಳುತ್ತದೆ. ಪರಿಣಾಮವಾಗಿ, ಕಾಲೇಜುಗಳು ಅಂತಿಮವಾಗಿ ತಮ್ಮ ಕಾಯುವ ಪಟ್ಟಿಯಿಂದ ಪ್ರತಿಯೊಬ್ಬರನ್ನು ಪ್ರವೇಶಿಸುತ್ತವೆ.
ಪ್ರಾಕ್ಸಿ ಮತ್ತು ಅದರೊಂದಿಗೆ ಏನು ಮಾಡಬೇಕು?
ವಿದ್ಯಾರ್ಥಿಗಳು ಮತ್ತು ಕಾಲೇಜುಗಳೊಂದಿಗೆ ಸಾದೃಶ್ಯದ ಮೂಲಕ, ವಿಜ್ಞಾನಿಗಳು ಪ್ರತಿ ಕ್ಲೈಂಟ್‌ಗೆ ನಿರ್ದಿಷ್ಟ ಪ್ರಾಕ್ಸಿಯನ್ನು ನಿಯೋಜಿಸಿದ್ದಾರೆ. ಫಲಿತಾಂಶವು ಪ್ರಾಕ್ಸಿ ಅಸೈನ್‌ಮೆಂಟ್ ಗೇಮ್ ಎಂಬ ಆಟವಾಗಿದೆ. ಸಂಭಾವ್ಯ ಸೆನ್ಸಾರ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಗ್ರಾಹಕರು, ಕಾಲೇಜುಗಳ ಪಾತ್ರವನ್ನು ವಹಿಸುವ ಪ್ರಾಕ್ಸಿಗಳ ವಿಳಾಸವನ್ನು ತಿಳಿಯಲು ಬಯಸುವ ವಿದ್ಯಾರ್ಥಿಗಳಂತೆ ವರ್ತಿಸುತ್ತಾರೆ - ಅವರು ಮುಂಚಿತವಾಗಿ ತಿಳಿದಿರುವ ಸೀಮಿತ ಬ್ಯಾಂಡ್‌ವಿಡ್ತ್ ಅನ್ನು ಹೊಂದಿದ್ದಾರೆ.
ವಿವರಿಸಿದ ಮಾದರಿಯಲ್ಲಿ n ಬಳಕೆದಾರರು (ಕ್ಲೈಂಟ್‌ಗಳು) A = ಇದ್ದಾರೆ
{a1, a2, …, an}, ನಿರ್ಬಂಧಿಸುವಿಕೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡಲು ಪ್ರಾಕ್ಸಿಗೆ ಪ್ರವೇಶವನ್ನು ವಿನಂತಿಸುತ್ತದೆ. ಹೀಗಾಗಿ, AI ಎಂಬುದು "ಒಟ್ಟು" ಕ್ಲೈಂಟ್‌ನ ಗುರುತಿಸುವಿಕೆಯಾಗಿದೆ. ಈ n ಬಳಕೆದಾರರಲ್ಲಿ, m ಸೆನ್ಸಾರ್ ಏಜೆಂಟ್‌ಗಳು, ಇದನ್ನು J = {j1, j2, ..., jm} ಎಂದು ಸೂಚಿಸಲಾಗುತ್ತದೆ, ಉಳಿದವರು ಸಾಮಾನ್ಯ ಬಳಕೆದಾರರು. ಎಲ್ಲಾ ಎಂ ಏಜೆಂಟ್‌ಗಳು ಕೇಂದ್ರ ಪ್ರಾಧಿಕಾರದಿಂದ ನಿಯಂತ್ರಿಸಲ್ಪಡುತ್ತಾರೆ ಮತ್ತು ಅದರಿಂದ ಸೂಚನೆಗಳನ್ನು ಸ್ವೀಕರಿಸುತ್ತಾರೆ.
P = {p1, p2, ..., pl} ಪ್ರಾಕ್ಸಿಗಳ ಒಂದು ಸೆಟ್ ಇದೆ ಎಂದು ಸಹ ಊಹಿಸಲಾಗಿದೆ. ಪ್ರತಿ ವಿನಂತಿಯ ನಂತರ, ಕ್ಲೈಂಟ್ ವಿತರಕ ವಸ್ತುವಿನಿಂದ k ಪ್ರಾಕ್ಸಿಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು (IP ವಿಳಾಸ) ಪಡೆಯುತ್ತದೆ. ಸಮಯವನ್ನು ಮಧ್ಯಂತರ-ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ, t ಎಂದು ಗೊತ್ತುಪಡಿಸಲಾಗಿದೆ (ಆಟವು t=0 ನಲ್ಲಿ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ).
ಪ್ರತಿ ಕ್ಲೈಂಟ್ ಪ್ರಾಕ್ಸಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸ್ಕೋರಿಂಗ್ ಕಾರ್ಯವನ್ನು ಬಳಸುತ್ತಾರೆ. ವಿಜ್ಞಾನಿಗಳು ಕಾರ್ಯವನ್ನು ಬಳಸಿದರು 
t ಹಂತದಲ್ಲಿ ಪ್ರಾಕ್ಸಿ px ಗೆ ಬಳಕೆದಾರ AI ನಿಗದಿಪಡಿಸಿದ ಸ್ಕೋರ್ ಅನ್ನು ಗುರುತಿಸಲು. ಅಂತೆಯೇ, ಪ್ರತಿ ಪ್ರಾಕ್ಸಿಯು ಗ್ರಾಹಕರನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಒಂದು ಕಾರ್ಯವನ್ನು ಬಳಸುತ್ತದೆ. ಅದು t ಹಂತದಲ್ಲಿ ಕ್ಲೈಂಟ್ AI ಗೆ ಪ್ರಾಕ್ಸಿ px ಅನ್ನು ನಿಗದಿಪಡಿಸಿದ ಸ್ಕೋರ್ ಆಗಿದೆ.
ಇಡೀ ಆಟವು ವರ್ಚುವಲ್ ಎಂದು ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವುದು ಬಹಳ ಮುಖ್ಯ, ಅಂದರೆ, "ವಿತರಕರು" ಸ್ವತಃ ಪ್ರಾಕ್ಸಿ ಮತ್ತು ಕ್ಲೈಂಟ್ಗಳ ಪರವಾಗಿ ಆಡುತ್ತಾರೆ. ಇದನ್ನು ಮಾಡಲು, ಅವರು ಕ್ಲೈಂಟ್ ಪ್ರಕಾರ ಅಥವಾ ಪ್ರಾಕ್ಸಿಗಳ ಬಗ್ಗೆ ಅವರ ಆದ್ಯತೆಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾಗಿಲ್ಲ. ಪ್ರತಿ ಹಂತದಲ್ಲಿ ಒಂದು ಆಟವಿದೆ, ಮತ್ತು ತಡವಾದ ಸ್ವೀಕಾರ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಸಹ ಬಳಸಲಾಗುತ್ತದೆ.
ರೆಸೆಲ್ಯೂಟ್ಸ್
ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶಗಳ ಪ್ರಕಾರ, ತಿಳಿದಿರುವ ಲಾಕ್ ಬೈಪಾಸ್ ಸಿಸ್ಟಮ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಆಟದ ಸಿದ್ಧಾಂತವನ್ನು ಬಳಸುವ ವಿಧಾನವು ಹೆಚ್ಚಿನ ದಕ್ಷತೆಯನ್ನು ತೋರಿಸಿದೆ.
rBridge VPN ಸೇವೆಯೊಂದಿಗೆ ಹೋಲಿಕೆ
ಅದೇ ಸಮಯದಲ್ಲಿ, ವಿಜ್ಞಾನಿಗಳು ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳ ಕಾರ್ಯಾಚರಣೆಯ ಗುಣಮಟ್ಟದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಹಲವಾರು ಪ್ರಮುಖ ಅಂಶಗಳನ್ನು ಗುರುತಿಸಿದ್ದಾರೆ:
- ಸೆನ್ಸಾರ್‌ಗಳ ಕಾರ್ಯತಂತ್ರದ ಹೊರತಾಗಿಯೂ, ನಿರ್ಬಂಧಿಸುವಿಕೆಯನ್ನು ನಿವಾರಿಸುವ ವ್ಯವಸ್ಥೆಯನ್ನು ಹೊಸ ಪ್ರಾಕ್ಸಿಗಳೊಂದಿಗೆ ನಿರಂತರವಾಗಿ ನವೀಕರಿಸಬೇಕು, ಇಲ್ಲದಿದ್ದರೆ ಅದರ ಪರಿಣಾಮಕಾರಿತ್ವವು ಕಡಿಮೆಯಾಗುತ್ತದೆ.
- ಸೆನ್ಸಾರ್‌ಗಳು ಗಮನಾರ್ಹ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಹೊಂದಿದ್ದರೆ, ಪ್ರಾಕ್ಸಿಗಳನ್ನು ಹುಡುಕಲು ಭೌಗೋಳಿಕವಾಗಿ ವಿತರಿಸಲಾದ ಏಜೆಂಟ್‌ಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ತಡೆಯುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸಬಹುದು.
- ಹೊಸ ಪ್ರಾಕ್ಸಿಗಳನ್ನು ಸೇರಿಸುವ ವೇಗವು ನಿರ್ಬಂಧಿಸುವಿಕೆಯನ್ನು ನಿವಾರಿಸಲು ಸಿಸ್ಟಮ್ನ ಪರಿಣಾಮಕಾರಿತ್ವಕ್ಕೆ ನಿರ್ಣಾಯಕವಾಗಿದೆ.
ಉಪಯುಕ್ತ ಲಿಂಕ್‌ಗಳು ಮತ್ತು ಸಾಮಗ್ರಿಗಳಿಂದ :
ಮೂಲ: www.habr.com