কয়েক দিন আগে গবেষকরা ওয়াটারলু বিশ্ববিদ্যালয় এবং ইউএস নেভাল রিসার্চ ল্যাবরেটরি থেকে। একটি Tor নেটওয়ার্ক সিমুলেটর উন্নয়নের ফলাফল উপস্থাপন যা মূল টর নেটওয়ার্কের সাথে নোড এবং ব্যবহারকারীর সংখ্যার সাথে তুলনীয় এবং বাস্তব অবস্থার কাছাকাছি পরীক্ষার অনুমতি দেয়।
নেটওয়ার্ক মডেলিং টুলকিট এবং পদ্ধতি পরীক্ষার সময় তৈরি 6489 TB RAM সহ একটি কম্পিউটারে 4 টর নোডের একটি নেটওয়ার্কের অপারেশন অনুকরণ করার অনুমতি দেওয়া হয়েছে, যার সাথে 792 হাজার ভার্চুয়াল ব্যবহারকারী একযোগে সংযুক্ত।
এটা যে লক্ষ করা উচিত এটি টর নেটওয়ার্কের প্রথম বড় আকারের সিমুলেশন, যার নোডের সংখ্যা প্রকৃত নেটওয়ার্কের সাথে মিলে যায় (ওয়ার্কিং টর নেটওয়ার্কে প্রায় 6 হাজার নোড এবং 2 মিলিয়ন সংযুক্ত ব্যবহারকারী রয়েছে)।
টর নেটওয়ার্কের একটি সম্পূর্ণ সিমুলেশন বাধা শনাক্তকরণ, আক্রমণের আচরণের মডেলিং, বাস্তব জীবনের অবস্থার অধীনে নতুন অপ্টিমাইজেশান কৌশল পরীক্ষা করা এবং নিরাপত্তা-সম্পর্কিত ধারণার প্রমাণের ক্ষেত্রে আগ্রহের বিষয়।
একটি সম্পূর্ণ সিমুলেটর সহ, Tor ডেভেলপাররা মেইননেট বা নোডগুলিতে পরীক্ষা চালানোর অনুশীলন থেকে দূরে সরে যেতে সক্ষম হবে স্বতন্ত্র ওয়ার্কস্টেশন, যা ব্যবহারকারীর গোপনীয়তা লঙ্ঘনের অতিরিক্ত ঝুঁকি তৈরি করে এবং ব্যর্থতার সম্ভাবনা দূর করে না। উদাহরণস্বরূপ, আগামী মাসগুলিতে, টর একটি নতুন কনজেশন কন্ট্রোল প্রোটোকলের জন্য সমর্থন প্রবর্তন করবে বলে আশা করা হচ্ছে, এবং সিমুলেশনটি আপনাকে একটি বাস্তব নেটওয়ার্কে এটি বাস্তবায়ন করার আগে এটি কীভাবে কাজ করে তা সম্পূর্ণরূপে অধ্যয়ন করার অনুমতি দেবে।
এর গোপনীয়তা এবং নির্ভরযোগ্যতার উপর পরীক্ষা-নিরীক্ষার প্রভাব দূর করার পাশাপাশিই প্রধান টর নেটওয়ার্ক, পৃথক টেস্টনেটের উপস্থিতি দ্রুত বিকাশের সময় নতুন কোড পরীক্ষা করা এবং ডিবাগ করা সম্ভব করে তোলে, বাস্তবায়নের সাথে প্রোটোটাইপগুলি দ্রুত সম্পন্ন করার জন্য দীর্ঘ মধ্যবর্তী স্থাপনার জন্য অপেক্ষা না করে অবিলম্বে সমস্ত নোড এবং ব্যবহারকারীদের জন্য পরিবর্তনগুলি স্থাপন করা সম্ভব করে তোলে। নতুন ধারণার।
টুলকিটটি উন্নত করার জন্য কাজ করা হচ্ছে যা, ডেভেলপারদের মতে, রিসোর্স খরচ 10 গুণ কমিয়ে দেবে এবং একই কম্পিউটারে বাস্তব নেটওয়ার্ককে ছাড়িয়ে যাওয়া নেটওয়ার্কগুলির অপারেশনকে একই কম্পিউটারে সিমুলেট করার অনুমতি দেবে, যা সম্ভাব্য সমস্যাগুলি সনাক্ত করতে প্রয়োজনীয় হতে পারে। . টর স্কেলিং সহ। কাজের সময়, বেশ কয়েকটি নতুন নেটওয়ার্ক মডেলিং পদ্ধতিও তৈরি করা হয়েছে যা সময়ের সাথে সাথে নেটওয়ার্ক অবস্থার পরিবর্তনের পূর্বাভাস দেওয়া এবং ব্যবহারকারীর কার্যকলাপ অনুকরণ করতে ব্যাকগ্রাউন্ড ট্র্যাফিক জেনারেটর ব্যবহার করা সম্ভব করে।
গবেষকরা সিমুলেটেড নেটওয়ার্কের আকার এবং ফলাফল প্রজেক্ট করার নির্ভরযোগ্যতার মধ্যে প্যাটার্নও অধ্যয়ন করেছে বাস্তব নেটওয়ার্কে পরীক্ষা-নিরীক্ষা। টর ডেভেলপমেন্টের সময়, পরিবর্তন এবং অপ্টিমাইজেশনগুলি ছোট পরীক্ষা নেটওয়ার্কগুলিতে পূর্ব-পরীক্ষিত হয়, যেগুলিতে একটি বাস্তব নেটওয়ার্কের তুলনায় উল্লেখযোগ্যভাবে কম নোড এবং ব্যবহারকারী থাকে।
এটি পাওয়া গেছে যে ছোট সিমুলেশনের সময় প্রাপ্ত পূর্বাভাসের পরিসংখ্যানগত ত্রুটিগুলি বিভিন্ন প্রাথমিক ডেটা সেটের সাথে স্বাধীন পরীক্ষার পুনরাবৃত্তির দ্বারা ক্ষতিপূরণ দেওয়া যেতে পারে, যেখানে সিমুলেটেড নেটওয়ার্ক যত বড় হবে, পরিসংখ্যানগতভাবে উল্লেখযোগ্য সিদ্ধান্তগুলি পেতে কম পুনঃপরীক্ষার প্রয়োজন হয়।
টর নেটওয়ার্কের মডেল এবং অনুকরণ করতে, গবেষকরা বিএসডি লাইসেন্সের অধীনে বিতরণ করা বেশ কয়েকটি ওপেন সোর্স প্রকল্প তৈরি করছেন:
- ছায়া: একটি সার্বজনীন নেটওয়ার্ক সিমুলেটর যা আপনাকে হাজার হাজার নেটওয়ার্ক প্রক্রিয়া সহ বিতরণ করা সিস্টেমের অপারেশন পুনরায় তৈরি করতে বাস্তব নেটওয়ার্ক অ্যাপ্লিকেশন কোড চালানোর অনুমতি দেয়। বাস্তব অপরিবর্তিত অ্যাপ্লিকেশনের উপর ভিত্তি করে সিস্টেম অনুকরণ করতে.
- টর্নেট টুলস: টর নেটওয়ার্কের বাস্তবসম্মত মডেল তৈরির জন্য সরঞ্জামগুলির একটি সেট যা শ্যাডো পরিবেশে চালানো যেতে পারে, সেইসাথে সিমুলেশন প্রক্রিয়া চালানো এবং কাস্টমাইজ করার জন্য, ফলাফলগুলি সংগ্রহ এবং ভিজ্যুয়ালাইজ করার জন্য। প্রকৃত টর নেটওয়ার্কের কর্মক্ষমতা প্রতিফলিত করে এমন মেট্রিকগুলি নেটওয়ার্ক তৈরির জন্য টেমপ্লেট হিসাবে ব্যবহার করা যেতে পারে।
- TGen: ব্যবহারকারীর দ্বারা প্রতিষ্ঠিত পরামিতিগুলির উপর ভিত্তি করে ট্র্যাফিক প্রবাহের জেনারেটর (আকার, বিলম্ব, প্রবাহের সংখ্যা ইত্যাদি)। ট্র্যাফিক শেপিং স্কিমগুলি গ্রাফএমএল ফর্ম্যাটে বিশেষ পরিস্থিতির উপর ভিত্তি করে এবং TCP স্ট্রীম এবং প্যাকেটগুলির বিতরণের জন্য সম্ভাব্য মার্কভ মডেলগুলি ব্যবহার করে প্রতিষ্ঠিত করা যেতে পারে।
- পেঁয়াজ ট্রেস: একটি সিমুলেটেড টর নেটওয়ার্কে পারফরম্যান্স এবং ইভেন্টগুলি নিরীক্ষণের জন্য সরঞ্জামগুলির একটি সেট, সেইসাথে টর নোডগুলির চেইন গঠন এবং তাদের সাথে ট্র্যাফিক প্রবাহকে লিঙ্ক করার তথ্য রেকর্ডিং এবং পুনরায় প্লে করার জন্য।
পরিশেষে, আপনি যদি এটি সম্পর্কে আরও জানতে সক্ষম হন তবে আপনি বিশদ বিবরণে পরামর্শ করতে পারেন নিম্নলিখিত লিঙ্ক.