谁在追踪您的网络活动,又为何如此?
您在网上的每一步行动都在被追踪。去中心化 VPN 能更好地保护我们的隐私。

分享
我们在线上的所有行为——浏览、支付、发消息,甚至携带手机——都会留下数字痕迹。复杂的监控系统会追踪并收集个人数据,以此构建并出售用户档案,通常是出于政治和商业目的。
VPN 及其他隐私保护技术正在不断发展,以应对大规模数据收集。去中心化 VPN(dVPN) 提供更强的隐私保护,帮助用户保持匿名。随着追踪手段日益先进,采用这些工具对于保障在线隐私至关重要。
当今的互联网追踪
鉴于在线追踪技术和代理的多样性,让我们先从一个故事说起。 2018年,有报道称剑桥分析公司从8700万名Facebook用户那里收集了数据。这些数据最初是通过一款学术研究应用收集的,后来被用于定向广告和政治竞选活动。该应用不仅访问了用户的数据,还访问了其好友的数据,从而使受影响范围成倍扩大。
剑桥分析公司根据用户偏好构建了心理档案,并可能协助了俄罗斯对2016年美国大选的干预。选举。这一案例凸显了Facebook和Google等科技巨头如何收集海量用户数据,尽管有隐私协议,这些数据仍面临落入商业、政府或犯罪分子手中的风险。
新的默认网页加密
自 2010 年代的隐私丑闻以来,网络已加强了默认隐私保护措施。如今,大多数信誉良好的网站都使用 HTTPS 加密技术,以确保用户活动的安全。
[加密](/blog/what-is-encryption] 可确保只有您和预定的收件人能够访问您共享的数据,从而保护信用卡支付等交易的安全。需要通过黑客攻击或高级解密手段才能截获这些信息。然而,尽管像 HTTPS 这样的默认网络加密技术可以保护传输中的数据,但它无法保护元数据,也无法防止网站和广告商进行追踪。
加密技术在隐私保护方面的局限性
随着对用户在线活动追踪技术的进步,无论加密技术多么强大,都已远远不够。正如我们将看到的,围绕我们加密活动的元数据可以被用来建立精确的用户画像,记录我们做了什么、何时做的、与谁一起做的,甚至关于我们个人的信息。
对于数据采集者、中介、监控者和剥削者而言,这不仅仅关乎我们过去在网上的行为,还关乎我们的愿望、期望以及未来将采取的行动。
什么是元数据?
VPN 是什么?
使用 VPN 避免在线被追踪
VPN 通过在将连接路由到其自身服务器之前对其进行加密,从而作为您在线活动的代理。这会使您的数据在传输过程中无法被读取。数据到达 VPN 服务器后,您的 IP 地址会被替换为 VPN 的 IP 地址,然后才会继续连接到互联网。
此过程会隐藏您的活动,使追踪到您本人变得更加困难——尽管并非完全不可能。网站看到的是 VPN 的 IP 地址,而不是您的 IP 地址,而追踪网络访问的机构必须先通过 VPN 才能获取您的信息。虽然这有助于阻止用户画像和基础监控,但高级追踪方法仍可绕过传统的 VPN 防护。
追踪传统 VPN 的漏洞
大多数 VPN 采用集中式架构,通过自有或租用的服务器重新路由流量。这意味着用户数据存储在中央位置,因此容易受到数据泄露或网络攻击的影响。即使是声称不记录日志的 VPN,也可能保留一些元数据,而当局可能会施压要求其披露这些信息。
虽然 VPN 对于隐私保护仍然很有价值,但需要一种更好的架构。去中心化 VPN 技术正应运而生,旨在降低这些风险,通过消除中心化的脆弱点来提供更强的安全性。
在 Nym 的指南中了解有关 集中式和去中心化 VPN 之间的区别 的所有信息。
使用 NymVPN 防止被追踪
大多数主流 VPN 仅使用单个代理服务器来隐藏流量,这会带来隐私风险。像 NymVPN 这样的去中心化服务通过将数据路由到多个独立运行的服务器(即“节点”)来解决这一问题,而不是通过可能记录元数据的中央服务器。
NymVPN 像洋葱一样对数据进行多层加密,在每个节点剥离一层,以揭示下一个随机生成的目的地。用户可以在默认的 2 跳模式(速度更快)和 5 跳模式(隐私更强)之间进行选择。当混网处于匿名模式时,您的流量模式会通过掩护流量、数据混合和时间混淆等手段进一步打乱,从而防止被追踪。

在线追踪:常见问题解答
高级指纹识别技术(如 canvas、字体列表、屏幕分辨率)即使在 IP 地址被隐藏的情况下,也能将设备会话关联起来。除了 VPN 加密外,保护功能还需要浏览器级别的隐私工具。
是的——除非混合网络(mixnet)风格的流量覆盖在多次会话中掩盖了这些元数据痕迹,否则可以对用户一天中的习惯、会话时长和浏览顺序进行分析。
登录行为(通过 OAuth、Cookie)通常会将浏览会话与真实身份关联起来,即使是在 VPN 环境下也是如此。断开登录会话或使用一次性账户可能会限制关联性。
即使内容经过加密,互联网服务提供商也能看到加密隧道连接。某些网络可能会限制或阻止 VPN 的使用。去中心化 VPN 通过轮换出口节点和流量模式,可以缓解这种特征分析风险。
现代人工智能系统会分析元数据集群和使用模式——即使是经过匿名处理的——来推断身份或偏好。掩盖流量和非确定性路由(来自混网)会扰乱此类推理管道。
关于作者

Casey Ford, PhD
通讯主管
Ania M. Piotrowska, PhD
技术审阅员


