档案库 · 产品创意 · 产品决策 · 2022
Stylometry.net 通过写作风格匹配 HN 用户，暴露马甲账户
一个每天花费 8 美元站点，通过 n-gram 风格对所有 HN 评论者进行指纹识别，让用户看到自己废弃的马甲账户——获得 676 分和 511 条评论。
costco（HN 用户，搭建 stylometry.net）
当时的题目
Hacker News accounts are pseudonymous, but commenters write often and in long form, which makes style a fingerprint. User costco built stylometry.net to show how easily anyone — not just a well-funded lab — could link alternate accounts and erode that anonymity.
它是怎么成立的
2022 年 11 月 26 日，用户名为 costco 的 Hacker News 用户发布了 stylometry.net，并附有一条尖锐的信息：输入任意 HN 用户名，该网站将返回写作风格最相似的用户，从而揭示可能的马甲账户。作者表示，该方法已经确认了他怀疑是马甲的账户，并识别出他认识的人中已废弃的账户——而他构建此工具主要是为了展示匿名性被侵蚀是多么容易。
方法刻意简单。他为每个用户保留 200 个最常见的长度为一到三的词和字符 n-gram，将其转换为频率向量，并利用 scikit-learn 的成对距离函数对所有用户进行两两比较。整个 HN 评论语料在一台中档笔记本电脑上即可放入内存运行，整个演示专用服务器每天成本约 8 美元——他的观点是，如果一个业余爱好者都能做到，那么有语言学家且有资金的组织能做到的将多得多。
该帖子获得 676 分和 511 条评论。多位用户确认该工具找到了他们自己的旧账户——有人找到了多年间约 10 个，有人重新发现了一个 2018 年前的用户名——而没有马甲的用户则遭遇误报，引发了关于相似性阈值、互为前 20 名的'粗体'匹配作为精确信号以及未经许可列举示例用户名是否可接受的深入辩论。
妙在哪
- HN 的长篇、频繁评论使风格异常可测量，因此全语料 n-gram 比较无需复杂的机器学习即可奏效。
- 在真实账户上展示结果使威胁变得具体——用户不必仅凭作者之言来相信文体学有效。
- 将服务器成本框架为 8 美元传达了政治要点：低成本工具，而非仅仅政府，就能关联化名身份。
- 突出互为前 20 名配对为用户提供了一个在嘈杂排名中的精确信号，这使演示感觉出奇地准确。
做出来什么
The Show HN drew 676 points and 511 comments on 26 Nov 2022. Users reported finding their own abandoned accounts ('all ~10 of my old accounts'), old usernames and pre-2018 alts, while users with no alts saw false positives — opening a long debate about thresholds, countermeasures and consent.
可以借走的
先攻击，再展示：一个廉价的去匿名化演示比警告更能改变隐私辩论，因为任何人都可以针对自己的账户运行它。
后来
在用户反对后，作者移除了示例用户名，并在帖子中持续辩护阈值：得分高于 0.9 的近乎确定是匹配，而加粗的互为前 20 结果是最强的精确信号，尽管远非完美。评论者将该演示与学术文体学、Whonix 的规避指南、2018 年更早的作者识别尝试，甚至大学航空炸弹客案件联系起来，使帖子本身成为长篇化名脆弱性的证据。
资料来源
发现哪里写错了？告诉我们。
轮到你了
你刚读完一个点子。把你手上的题目说出来，看看谁接过同样的题。
免费账号 · 3 次免费提问 · 不用绑卡