Capítulo 4 — Segurança quântica e pós-quântica: explicações concorrentes
Mapa da aula
Aula 04 publicada. Mapa, exemplo, EX020.
flowchart TD
N0["4.1 Rivais para o aumento das falhas"]
N1["4.2 Previsões"]
N2["4.3 Atividade prática — Laboratório 4: estratificar"]
N3["4.4 Inversões na agregação"]
N4["Síntese do capítulo"]
N0 --> N1 --> N2 --> N3 --> N4
N4 --> EX["Exemplo resolvido"]
EX --> Q["Exercício EX020"]
Desenho lógico
flowchart LR
N0["4.1 Rivais para o aumento das falhas"]
N1["4.2 Previsões"]
N2["4.3 Atividade prática — Laboratório 4: estratificar"]
N3["4.4 Inversões na agregação"]
N4["Síntese do capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> Q["EX020"]
[4.1 Rivais para o aumento das falhas]
|
v
[4.2 Previsões]
|
v
[4.3 Atividade prática — Laboratório 4: estratificar]
|
v
[4.4 Inversões na agregação]
|
v
[Síntese do capítulo]
|
v
[Exemplo resolvido] --> [Exercício EX020]
Objetivos de aprendizagem e conexão
Você vai (1) listar explicações rivais para um efeito observado; (2) prever o que cada rival implica nos dados que você pode coletar; (3) usar a estratificação para discriminar entre os rivais; e (4) reconhecer quando um padrão se inverte na agregação. O capítulo aplica o desenho do Capítulo 3 e molda a proposta do Capítulo 5.
4.1 Rivais para o aumento das falhas
- Mecanismo de tamanho — ClientHello em vários pacotes tratado de forma incorreta pelo proxy legado ou por alguns servidores.
- Atualização de software — a atualização dos navegadores gerenciados, lançada na mesma semana, mudou outros comportamentos.
- Codepoint desconhecido — algum middlebox rejeita um valor de grupo suportado que não reconhece (0x11EC para o X25519MLKEM768, no registro da IANA), independentemente do tamanho.
- Sazonalidade — o semestre começou; mais usuários, mais destinos incomuns.
- Artefato de relato — uma campanha do help desk incentivou os relatos, aumentando os chamados, mas não as falhas.
Anote cada rival com os dados que o enfraqueceriam antes de olhar os resultados.
4.2 Previsões
Cada rival prevê uma impressão digital diferente. O tamanho prevê falhas concentradas no caminho que contém o proxy com inspeção e entre os destinos alcançados por ele, aparecendo apenas quando o hello cruza o limite de um segmento — a bancada pode variar o preenchimento para cruzá-lo ou não. A atualização prevê um aumento nos dois caminhos. O codepoint desconhecido prevê falha mesmo quando o compartilhamento híbrido é pequeno o bastante para caber num segmento (testável oferecendo o codepoint com o preenchimento removido, apenas na bancada). A sazonalidade prevê um aumento também no grupo de controle. O artefato de relato prevê chamados subindo sem que as falhas registradas subam. Escrever essas previsões antes da análise impede narrativas construídas a posteriori.
4.3 Atividade prática — Laboratório 4: estratificar por caminho
# Lab 4 (synthetic): competing explanations. Is the failure rise caused by ClientHello size,
# or by the client software update shipped the same week? Stratify by path type.
data = { # (path, hybrid offered): (failures, attempts)
("direct", False): (8, 20000), ("direct", True): (9, 20000),
("legacy proxy", False): (10, 20000), ("legacy proxy", True): (52, 20000)}
for path in ("direct", "legacy proxy"):
r0 = 1e4 * data[(path, False)][0] / data[(path, False)][1]
r1 = 1e4 * data[(path, True)][0] / data[(path, True)][1]
print(f"{path:13s} before {r0:4.1f}/10k after {r1:4.1f}/10k difference {r1-r0:+5.1f}")
Saída esperada:
direct before 4.0/10k after 4.5/10k difference +0.5
legacy proxy before 5.0/10k after 26.0/10k difference +21.0
O aumento agregado está quase todo no caminho do proxy legado; o caminho direto mal se move. Uma atualização do navegador teria afetado os dois caminhos, então o rival 2 sai enfraquecido. O padrão é igualmente compatível com o mecanismo de tamanho e com o mecanismo do codepoint desconhecido — só a bancada consegue separar esses dois. Esta é a lição central do capítulo: uma estratificação elimina alguns rivais, não todos.
Os totais de antes e depois do laboratório coincidem com o Laboratório 3: 18 e 61 falhas em 40.000 séries. A divisão por caminho mostra onde a mudança aconteceu. O aumento de meio ponto no caminho direto está dentro do ruído para essas contagens, enquanto o aumento no caminho do proxy é grande. Nenhum dos estratos distingue ainda o tamanho do codepoint; isso exige a bancada com o preenchimento variado.
4.4 Inversões na agregação
Comparações estratificadas e agregadas podem discordar. Se o grupo híbrido tivesse sido ativado primeiro para usuários que usam sobretudo o caminho direto, a taxa agregada de falhas poderia cair após a ativação, embora, dentro do caminho do proxy, tivesse subido. Isso é o paradoxo de Simpson; a defesa é relatar as taxas estratificadas por caminho junto com a agregada e explicar qualquer inversão, em vez de escolher o nível conveniente.
No Fragment Study, a implantação escalonada aleatorizada pelo identificador do dispositivo torna essa inversão improvável, porque as duas coortes devem usar os dois caminhos em proporções semelhantes. Verifique esse pressuposto com uma tabela de balanceamento do uso dos caminhos por coorte antes de relatar qualquer um dos níveis. Se as coortes estiverem desbalanceadas, relate os dois níveis e explique a diferença.
4.5 Exemplo resolvido: evidência de entrevistas
As entrevistas com o help desk (I01–I06, sintéticas) relatam que as reclamações vieram "principalmente da ala do hospital" e que limpar o cache "às vezes resolvia". O primeiro ponto é compatível com o caminho do proxy. O segundo aponta para mais um rival: alguns clientes tentaram de novo com um hello menor após uma falha (os navegadores podem recorrer a um fallback), de modo que as falhas eram intermitentes. A evidência qualitativa sugeriu um mecanismo que os logs podiam então testar — a unidade de análise por série, do Capítulo 3, mostra se as novas tentativas tiveram sucesso sem o compartilhamento híbrido.
4.6 Erros comuns e limites
- Testar apenas a explicação preferida.
- Tratar a compatibilidade com um rival como prova quando outro prevê o mesmo padrão.
- Relatar apenas o agregado (ou apenas o estrato) que conta a história preferida.
- Executar experimentos de codepoint ou de tamanho contra middleboxes de produção; use a bancada.
Cada erro tem uma salvaguarda usada neste capítulo: cinco rivais listados antes da análise, previsões que os distinguem, taxas agregadas e por caminho relatadas e todos os experimentos de tamanho e de codepoint executados numa cópia isolada do proxy. A evidência de entrevistas é usada para sugerir testes, não para decidi-los.
Exercícios — capítulo 4
- EX020 — Tabela de rivais. Monte uma tabela dos cinco rivais com as impressões digitais previstas. Rubrica: 3 = cada previsão observável.
- EX021 — Acrescentar um rival. Proponha um sexto rival e a sua previsão. Rubrica: 3 = plausível e discriminável.
- EX022 — Estender o Laboratório 4. Acrescente um caminho "Wi-Fi de visitantes" com 6 e 7 falhas por 20.000 antes/depois. Interprete. Rubrica: 3 = diferença e interpretação corretas.
- EX023 — Construção de Simpson. Construa números em que a taxa agregada cai enquanto os dois estratos sobem. Rubrica: 3 = aritmética correta e mecanismo explicado.
- EX024 — Separar tamanho de codepoint. Desenhe um experimento de bancada que separe os rivais 1 e 3. Rubrica: 3 = varia tamanho e codepoint de forma independente, em ambiente isolado.
- EX025 — Do qualitativo ao quantitativo. Transforme a frase de entrevista "limpar o cache resolveu" numa consulta de logs testável. Rubrica: 3 = a consulta usa o desfecho por série.
Síntese do capítulo
Um efeito tem rivais; cada rival prevê uma impressão digital; a estratificação e a variação em bancada eliminam os rivais um a um; e os resultados agregados e estratificados precisam ser relatados juntos.
Continue estudando — capítulo 04 de 08
← Capítulo 03 · Índice de capítulos do curso · Capítulo 05 →
Siga para a próxima lição escrita.