Wat een ry in ’n VPN-datastel beteken, en waarom dit saak maak

Vra wat een ry van ’n VPN-datastel verteenwoordig, en die antwoorde vermeerder: ’n maatskappy, ’n luisteraar, ’n openbare uitgangsadres, ’n bereikbaarheidsuitslag. Elkeen is geldig, en om hulle sonder etikette te meng lewer ’n totaal wat presies klink en niks beteken nie. Die eenheid is ’n ontwerpbesluit, en dit moet voor die eerste telling geneem word. Die meeste verwarring in gepubliseerde VPN-statistieke kom daarvan dat daardie stap oorgeslaan word.

’n Ry is ’n bewering, nie ’n ding nie

Elke ry beweer iets oor die wêreld, en die bewering het ’n onderwerp. Om die onderwerp te benoem, is wat die ry met ’n ander ry vergelykbaar maak.

’n Verskafferry beweer dat ’n organisasie ’n diens aanbied. ’n Eindpuntry beweer dat ’n bepaalde adres en poort ’n protokol praat. ’n Uitgangry beweer dat verkeer op ’n sekere tyd van ’n adres vertrek het. ’n Metingry beweer dat ’n peiling van êrens ’n uitslag waargeneem het. Vier onderwerpe, vier skemas, en ’n datastel wat hulle sonder ’n onderskeier meng, kan glad nie saamgevoeg word nie.

Die onderskeier is die goedkoopste deel van die skema en die een wat die meeste weggelaat word.

Kies die eenheid voor die telling

Kies die eenheid wat die vraag beantwoord wat jy werklik het. Om eindpunte te tel, beantwoord hoeveel luisteraars geadverteer is; om verskaffers te tel, beantwoord hoeveel organisasies betrokke was; om uitgangsadresse te tel, beantwoord hoeveel oënskynlike oorspronge bestaan.

Daardie getalle is nie uitruilbaar nie, en die verskille is groot. Een verskaffer kan duisende adresse bedryf, en een adres kan verskeie protokolluisteraars vir verskillende dienste huisves. ’n Telling van adresse is dus nóg ’n boonste nóg ’n onderste grens vir ’n telling van verskaffers. Noem die eenheid in dieselfde sin as die getal, elke keer. ’n Getal sonder ’n eenheid is ’n mening met ’n desimale punt.

’n Openbare gids verskaf geadverteerde deelnemers aan daardie diens. Dit is nie ’n inventaris van elke kommersiële, organisatoriese en private ontplooiing in die wêreld nie, en om dit so te behandel, blaas elke afgeleide statistiek op.

Herkoms hoort in die skema

’n Ry sonder herkoms kan nie weer nagegaan word nie. Teken die bronrekord aan, die insamelingstyd met sy tydsone, die waarnemingsmetode en ’n laas-gesien-status.

Hou geadverteerde eienskappe apart van waargenome dié, want hulle dra verskillende gewig. ’n Gids se landetikettering is ’n geadverteerde bewering, en dit is nie bewys van ’n bediener se fisiese ligging nie. ’n IP-toekenning identifiseer ’n netwerkblok, nie elke huurder daarbinne nie, en nie die huidige operateur van ’n toepassing bo-op nie. Twee kolomme en ’n nota klop elke keer een saamgevoegde veld.

{"endpoint": "203.0.113.10:1194/udp", "unit": "endpoint", "advertised_country": "NL",
 "observed_at": "2026-11-03T02:15:00Z", "method": "udp_probe", "last_seen": "2026-11-03"}

’n Enkele JSON-lyn maak die skema konkreet en is makliker om oor te redeneer as ’n paragraaf beskrywing. Let daarop dat die tydstempel ’n tydsone dra en die metode genoem word eerder as geïmpliseer.

Ontdubbel volgens die vraag

Duplikate hang van die eenheid af. Dieselfde adres met twee protokolluisteraars is een eindpuntpaar en twee dienste, en om dit stilweg saam te voeg verander die telling.

Ontdubbel op die vlak waaroor die vraag vra, en teken aan hoeveel ruwe rye in elke behoue ry ineengeskrompel het. Daardie verhouding is self ’n bevinding, want ’n groot ineenstorting beteken gewoonlik dat die bron rekords per luisteraar publiseer. ’n Verskaffer wat baie adresse bedryf, lewer die omgekeerde patroon. Albei is korrek, en net die aangetekende verhouding laat ’n leser hulle onderskei.

Hou dan die ruwe rye. ’n Ontdubbelde tabel is ’n aansig, en die vermoë om dit uit die ruwe inset te herbou, is wat die resultaat herhaalbaar maak.

Publiseer die dekkingverklaring

Noem hoe bronne gekies is, watter streke of netwerke hulle dek, en wat doelbewus afwesig is.

Private korporatiewe eindpunte en ongeadverteerde ontplooiings verskyn nooit in openbare lyste nie, so afwesigheid in ’n gids bewys net dat die gids dit nie gelys het nie. Gaan die bronvoorwaardes en herverspreidingsregte na voordat jy publiseer, en stroop velde wat nooit nodig was nie. ’n Eindpuntstudie vereis selde intekenaaridentiteite, geloofsbriewe of blaai-geskiedenis. Om dié te publiseer, sou ’n ander projek met ’n ander regverdiging wees.

wc -l vpn-endpoints.jsonl
jq -r '.unit' vpn-endpoints.jsonl | sort | uniq -c
jq -r '.advertised_country' vpn-endpoints.jsonl | sort | uniq -c | sort -rn | head

Daardie drie opdragte gee ’n rytelling, ’n eenheidverdeling en ’n dekking-skets volgens geadverteerde land. Hou gedateerde momentopnames wanneer die populasie verander, en onderskei verouderd van bevestigde afwesigheid. ’n Begrensde datastel met ’n duidelike populasie klop ’n ongestaafde bewering dat dit elke VPN op die internet bevat.