VPN ડેટાસેટમાં એક પંક્તિનો અર્થ શું છે અને તે કેમ મહત્વપૂર્ણ છે
પ્રદાતા, અંતિમ બિંદુ, એક્ઝિટ સરનામું અને પહોંચક્ષમતા ચાર જુદી જુદી પંક્તિઓ છે. એકમ પસંદ કરો, ઉત્પત્તિ રાખો, ડેટાસેટ જે આવરી લેતું નથી તે પ્રકાશિત કરો.
VPN ડેટાસેટની એક પંક્તિ શું રજૂ કરે છે તે પૂછો, અને જવાબો વધતા જાય છે: એક કંપની, એક શ્રોતા, એક જાહેર એક્ઝિટ સરનામું, એક પહોંચક્ષમતાનું પરિણામ. દરેક કાયદેસર છે, અને લેબલ વિના તેમને મિશ્ર કરવાથી એવો કુલ મળે છે જે સચોટ સંભળાય છે અને કંઈ અર્થ પામતો નથી. એકમ એ ડિઝાઇન નિર્ણય છે, અને તે પ્રથમ ગણતરી પહેલાં લેવો પડે. પ્રકાશિત VPN આંકડાઓમાં મોટાભાગની ગૂંચવણ તે પગલું ચૂકી જવાથી આવે છે.
પંક્તિ એ દાવો છે, વસ્તુ નહીં
દરેક પંક્તિ દુનિયા વિશે કંઈક દાવો કરે છે, અને દાવાનો એક વિષય હોય છે. વિષયને નામ આપવું તે જ પંક્તિને બીજી પંક્તિ સાથે સરખાવવા યોગ્ય બનાવે છે.
પ્રદાતા પંક્તિ દાવો કરે છે કે એક સંસ્થા સેવા આપે છે. અંતિમ બિંદુ પંક્તિ દાવો કરે છે કે ચોક્કસ સરનામું અને પોર્ટ એક પ્રોટોકોલ બોલે છે. એક્ઝિટ પંક્તિ દાવો કરે છે કે ટ્રાફિક અમુક સમયે એક સરનામેથી નીકળ્યો. માપન પંક્તિ દાવો કરે છે કે ક્યાંકથી એક પ્રોબે પરિણામ જોયું. ચાર વિષય, ચાર સ્કીમા, અને ભેદક વિના તેમને મિશ્ર કરતું ડેટાસેટ જરાય એકત્રિત કરી શકાતું નથી.
ભેદક એ સ્કીમાનો સૌથી સસ્તો ભાગ છે અને સૌથી વધુ છોડી દેવાતો ભાગ છે.
ગણતરી પહેલાં એકમ પસંદ કરો
તમારી પાસે ખરેખર જે પ્રશ્ન છે તેનો જવાબ આપતો એકમ પસંદ કરો. અંતિમ બિંદુઓ ગણવા એ જવાબ આપે છે કે કેટલા શ્રોતાઓની જાહેરાત થઈ; પ્રદાતાઓ ગણવા એ જવાબ આપે છે કે કેટલી સંસ્થાઓ સામેલ હતી; એક્ઝિટ સરનામાં ગણવા એ જવાબ આપે છે કે કેટલા દેખીતા ઉદ્ગમો છે.
એ સંખ્યાઓ એકબીજાના બદલે વાપરી શકાતી નથી, અને તફાવતો મોટા છે. એક પ્રદાતા હજારો સરનામાં ચલાવી શકે છે, અને એક સરનામું જુદી જુદી સેવાઓ માટે ઘણા પ્રોટોકોલ શ્રોતાઓ રાખી શકે છે. તેથી સરનામાંઓની ગણતરી પ્રદાતાઓની ગણતરી માટે ન ઉપલી ન નીચલી સીમા છે. દર વખતે સંખ્યા સાથે જ વાક્યમાં એકમ જણાવો. એકમ વિનાની સંખ્યા દશાંશ બિંદુવાળો અભિપ્રાય છે.
| 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 |
જાહેર નિર્દેશિકા તે સેવામાં જાહેર કરાયેલા સહભાગીઓ પૂરા પાડે છે. તે દુનિયાના દરેક વ્યાપારી, સંસ્થાકીય અને ખાનગી જમાવટની યાદી નથી, અને તેને એમ ગણવાથી દરેક વ્યુત્પન્ન આંકડો ફૂલી જાય છે.
ઉત્પત્તિ સ્કીમામાં જ છે
ઉત્પત્તિ વિનાની પંક્તિ ફરી ચકાસી શકાતી નથી. સ્રોત રેકોર્ડ, તેના સમય ક્ષેત્ર સાથે સંગ્રહ સમય, અવલોકન પદ્ધતિ અને છેલ્લે જોવાની સ્થિતિ નોંધો.
જાહેર કરાયેલા લક્ષણોને અવલોકિત લક્ષણોથી અલગ રાખો, કારણ કે તેમનું વજન જુદું છે. નિર્દેશિકાનું દેશ લેબલ જાહેર કરાયેલો દાવો છે, અને તે સર્વરના ભૌતિક સ્થાનનો પુરાવો નથી. IP ફાળવણી નેટવર્ક બ્લોક ઓળખે છે, તેની અંદરના દરેક ભાડૂતને નહીં, અને ઉપરની એપ્લિકેશનના વર્તમાન સંચાલકને પણ નહીં. બે કૉલમ અને એક નોંધ દર વખતે એક ભેગું કરેલું ક્ષેત્ર હરાવે છે.
{"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"}એક જ JSON લીટી સ્કીમાને મૂર્ત બનાવે છે અને વર્ણનના પરિચ્છેદ કરતાં તેના પર ચર્ચા સહેલી છે. ધ્યાન આપો કે સમયછાપમાં સમય ક્ષેત્ર હોય છે અને પદ્ધતિ સૂચિત નહીં પણ નામ આપેલી હોય છે.
પ્રશ્ન અનુસાર નકલો દૂર કરો
નકલો એકમ પર આધાર રાખે છે. બે પ્રોટોકોલ શ્રોતાઓ સાથેનું એ જ સરનામું એક અંતિમ બિંદુ જોડી અને બે સેવાઓ છે, અને તેને ચૂપચાપ ભેગું કરવાથી ગણતરી બદલાય છે.
જે સ્તર વિશે પ્રશ્ન પૂછે છે તે સ્તરે નકલો દૂર કરો, અને દરેક રાખેલી પંક્તિમાં કેટલી કાચી પંક્તિઓ સમાઈ ગઈ તે નોંધો. એ ગુણોત્તર પોતે જ એક શોધ છે, કારણ કે મોટું સમાવું સામાન્ય રીતે એનો અર્થ છે કે સ્રોત પ્રતિ-શ્રોતા રેકોર્ડ પ્રકાશિત કરે છે. ઘણાં સરનામાં ચલાવતો પ્રદાતા વિરુદ્ધ પેટર્ન બનાવે છે. બંને સાચાં છે, અને ફક્ત નોંધાયેલો ગુણોત્તર જ વાચકને તેમને અલગ પાડવા દે છે.
પછી કાચી પંક્તિઓ રાખો. નકલ-મુક્ત કોષ્ટક એક દૃશ્ય છે, અને કાચા ઇનપુટમાંથી તેને ફરી બનાવવાની ક્ષમતા જ પરિણામને પુનરુત્પાદનયોગ્ય બનાવે છે.
કવરેજ નિવેદન પ્રકાશિત કરો
સ્રોતો કેવી રીતે પસંદ થયા, તે કયા પ્રદેશો કે નેટવર્ક આવરે છે, અને શું જાણી જોઈને ગેરહાજર છે તે જણાવો.
ખાનગી કોર્પોરેટ અંતિમ બિંદુઓ અને જાહેર ન કરાયેલી જમાવટ ક્યારેય જાહેર યાદીઓમાં દેખાતી નથી, તેથી નિર્દેશિકામાં ગેરહાજરી ફક્ત એ પુરાવે છે કે નિર્દેશિકાએ તેને સૂચિબદ્ધ કર્યું નહોતું. પ્રકાશિત કરતાં પહેલાં સ્રોતની શરતો અને પુનર્વિતરણ પરવાનગીઓ તપાસો, અને જે ક્ષેત્રો ક્યારેય જરૂરી નહોતાં તે દૂર કરો. અંતિમ બિંદુ અભ્યાસને ભાગ્યે જ ગ્રાહક ઓળખ, ઓળખપત્રો કે બ્રાઉઝિંગ ઇતિહાસની જરૂર પડે છે. તેમને પ્રકાશિત કરવું જુદા ન્યાય સાથેનો જુદો પ્રોજેક્ટ ગણાશે.
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 | headએ ત્રણ આદેશો પંક્તિ-ગણતરી, એકમ-વિભાજન અને જાહેર કરાયેલા દેશ પ્રમાણે કવરેજનો રેખાચિત્ર આપે છે. વસ્તી બદલાય ત્યારે તારીખવાળા સ્નેપશોટ રાખો, અને જૂનું તથા પુષ્ટ ગેરહાજરી વચ્ચે ભેદ કરો. સ્પષ્ટ વસ્તી ધરાવતું મર્યાદિત ડેટાસેટ ઇન્ટરનેટ પરના દરેક VPN ધરાવવાના અનાધારિત દાવા કરતાં સારું છે.