Τι σημαίνει μία γραμμή σε ένα σύνολο δεδομένων VPN και γιατί έχει σημασία
Πάροχος, τελικό σημείο, διεύθυνση εξόδου και προσβασιμότητα είναι τέσσερις διαφορετικές γραμμές. Επιλέξτε τη μονάδα, διατηρήστε την προέλευση, δημοσιεύστε ό,τι δεν καλύπτει το σύνολο.
Ρωτήστε τι αντιπροσωπεύει μία γραμμή ενός συνόλου δεδομένων VPN και οι απαντήσεις πολλαπλασιάζονται: μια εταιρεία, ένας ακροατής, μια δημόσια διεύθυνση εξόδου, ένα αποτέλεσμα προσβασιμότητας. Καθεμία είναι θεμιτή, και η ανάμειξή τους χωρίς ετικέτες παράγει ένα σύνολο που ακούγεται ακριβές και δεν σημαίνει τίποτα. Η μονάδα είναι απόφαση σχεδιασμού και πρέπει να ληφθεί πριν από την πρώτη καταμέτρηση. Η περισσότερη σύγχυση στα δημοσιευμένα στατιστικά VPN προέρχεται από το ότι παραλείπεται αυτό το βήμα.
Η γραμμή είναι ισχυρισμός, όχι πράγμα
Κάθε γραμμή ισχυρίζεται κάτι για τον κόσμο, και ο ισχυρισμός έχει υποκείμενο. Η ονομασία του υποκειμένου είναι αυτό που καθιστά τη γραμμή συγκρίσιμη με άλλη γραμμή.
Η γραμμή παρόχου ισχυρίζεται ότι ένας οργανισμός προσφέρει υπηρεσία. Η γραμμή τελικού σημείου ισχυρίζεται ότι μια συγκεκριμένη διεύθυνση και θύρα μιλούν ένα πρωτόκολλο. Η γραμμή εξόδου ισχυρίζεται ότι η κίνηση έφυγε από μια διεύθυνση σε κάποια στιγμή. Η γραμμή μέτρησης ισχυρίζεται ότι ένας ανιχνευτής από κάπου παρατήρησε ένα αποτέλεσμα. Τέσσερα υποκείμενα, τέσσερα σχήματα, και ένα σύνολο δεδομένων που τα αναμειγνύει χωρίς διακριτικό δεν μπορεί να συναθροιστεί καθόλου.
Το διακριτικό είναι το φθηνότερο μέρος του σχήματος και εκείνο που παραλείπεται συχνότερα.
Επιλέξτε τη μονάδα πριν από την καταμέτρηση
Επιλέξτε τη μονάδα που απαντά στο ερώτημα που έχετε πραγματικά. Η καταμέτρηση τελικών σημείων απαντά πόσοι ακροατές διαφημίστηκαν· η καταμέτρηση παρόχων απαντά πόσοι οργανισμοί συμμετείχαν· η καταμέτρηση διευθύνσεων εξόδου απαντά πόσες φαινομενικές προελεύσεις υπάρχουν.
Οι αριθμοί αυτοί δεν είναι ανταλλάξιμοι, και οι διαφορές είναι μεγάλες. Ένας πάροχος μπορεί να λειτουργεί χιλιάδες διευθύνσεις, και μία διεύθυνση μπορεί να φιλοξενεί πολλούς ακροατές πρωτοκόλλου για διαφορετικές υπηρεσίες. Επομένως μια καταμέτρηση διευθύνσεων δεν είναι ούτε άνω ούτε κάτω όριο για μια καταμέτρηση παρόχων. Αναφέρετε τη μονάδα στην ίδια πρόταση με τον αριθμό, κάθε φορά. Αριθμός χωρίς μονάδα είναι γνώμη με δεκαδικό σημείο.
| Unit | The row asserts | What a count of it means |
|---|---|---|
| Provider | An organisation offers a service | How many operators appear |
| Endpoint | An address and port speak a protocol | How many listeners were advertised |
| Exit address | Traffic left from an address | How many apparent origins exist |
| Observation | A probe saw a result | How many tests ran, not how many servers |
Ένας δημόσιος κατάλογος παρέχει διαφημισμένους συμμετέχοντες σε αυτή την υπηρεσία. Δεν είναι απογραφή κάθε εμπορικής, οργανωτικής και ιδιωτικής ανάπτυξης στον κόσμο, και η αντιμετώπισή του ως τέτοιας φουσκώνει κάθε παράγωγο στατιστικό.
Η προέλευση ανήκει στο σχήμα
Μια γραμμή χωρίς προέλευση δεν μπορεί να επαληθευτεί εκ νέου. Καταγράψτε την εγγραφή πηγής, τον χρόνο συλλογής με τη ζώνη ώρας του, τη μέθοδο παρατήρησης και μια κατάσταση τελευταίας εμφάνισης.
Κρατήστε τα διαφημισμένα χαρακτηριστικά χωριστά από τα παρατηρούμενα, γιατί φέρουν διαφορετικό βάρος. Η ετικέτα χώρας ενός καταλόγου είναι διαφημισμένος ισχυρισμός και δεν αποτελεί απόδειξη της φυσικής θέσης ενός διακομιστή. Μια εκχώρηση IP προσδιορίζει ένα μπλοκ δικτύου, όχι κάθε ενοικιαστή μέσα σε αυτό, ούτε τον τρέχοντα διαχειριστή μιας εφαρμογής από πάνω. Δύο στήλες και μια σημείωση κερδίζουν κάθε φορά ένα συγχωνευμένο πεδίο.
{"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"}Μία μόνο γραμμή JSON κάνει το σχήμα συγκεκριμένο και είναι ευκολότερο να τη συζητήσει κανείς από μια παράγραφο περιγραφής. Σημειώστε ότι η χρονοσφραγίδα φέρει ζώνη ώρας και η μέθοδος ονομάζεται αντί να υπονοείται.
Αφαιρέστε διπλότυπα ανάλογα με το ερώτημα
Τα διπλότυπα εξαρτώνται από τη μονάδα. Η ίδια διεύθυνση με δύο ακροατές πρωτοκόλλου είναι ένα ζεύγος τελικών σημείων και δύο υπηρεσίες, και η σιωπηλή συγχώνευσή τους αλλάζει την καταμέτρηση.
Αφαιρέστε διπλότυπα στο επίπεδο για το οποίο ρωτά το ερώτημα, και καταγράψτε πόσες ακατέργαστες γραμμές συνενώθηκαν σε κάθε γραμμή που κρατήθηκε. Αυτή η αναλογία είναι από μόνη της εύρημα, γιατί μια μεγάλη συνένωση συνήθως σημαίνει ότι η πηγή δημοσιεύει εγγραφές ανά ακροατή. Ένας πάροχος με πολλές διευθύνσεις παράγει το αντίθετο μοτίβο. Και τα δύο είναι σωστά, και μόνο η καταγεγραμμένη αναλογία επιτρέπει στον αναγνώστη να τα διακρίνει.
Έπειτα κρατήστε τις ακατέργαστες γραμμές. Ένας πίνακας χωρίς διπλότυπα είναι όψη, και η δυνατότητα να ξαναχτιστεί από την ακατέργαστη είσοδο είναι αυτό που κάνει το αποτέλεσμα αναπαραγώγιμο.
Δημοσιεύστε τη δήλωση κάλυψης
Δηλώστε πώς επιλέχθηκαν οι πηγές, ποιες περιοχές ή δίκτυα καλύπτουν και τι απουσιάζει σκόπιμα.
Ιδιωτικά εταιρικά τελικά σημεία και μη διαφημισμένες αναπτύξεις δεν εμφανίζονται ποτέ σε δημόσιες λίστες, οπότε η απουσία από έναν κατάλογο αποδεικνύει μόνο ότι ο κατάλογος δεν το κατέγραψε. Ελέγξτε τους όρους της πηγής και τις άδειες αναδιανομής πριν από τη δημοσίευση, και αφαιρέστε πεδία που δεν χρειάστηκαν ποτέ. Μια μελέτη τελικών σημείων σπάνια απαιτεί ταυτότητες συνδρομητών, διαπιστευτήρια ή ιστορικό περιήγησης. Η δημοσίευσή τους θα ήταν άλλο έργο με άλλη αιτιολόγηση.
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 | headΑυτές οι τρεις εντολές δίνουν πλήθος γραμμών, ανάλυση ανά μονάδα και ένα σκίτσο κάλυψης ανά διαφημισμένη χώρα. Κρατήστε χρονολογημένα στιγμιότυπα όταν ο πληθυσμός αλλάζει, και διακρίνετε το παρωχημένο από την επιβεβαιωμένη απουσία. Ένα περιορισμένο σύνολο δεδομένων με σαφή πληθυσμό υπερτερεί ενός αστήρικτου ισχυρισμού ότι περιέχει κάθε VPN στο διαδίκτυο.