قبل بضعة أيام اندلعت الأخبار أن الباحثين من جامعة بن غوريون (إسرائيل) وجامعة ليل (فرنسا) وجامعة أديلايد (أستراليا) طوروا تقنية جديدة لتحديد الأجهزة من المستخدمين من خلال اكتشاف معلمات GPU في متصفح الويب.
الطريقة تسمى "Drawn Apart" ويستند إلى استخدام WebGL للحصول على ملف تعريف أداء وحدة معالجة الرسومات ، والذي يمكن أن يحسن بشكل كبير دقة طرق التتبع السلبي التي تعمل بدون استخدام ملفات تعريف الارتباط ودون تخزين معرف على نظام المستخدم.
الطرق التي تأخذ في الاعتبار خصائص العرض ، GPU ، مكدس الرسومات ، وبرامج التشغيل عند تحديدها ، تم استخدامها سابقًا ، لكنها اقتصرت على إمكانية فصل الأجهزة فقط على مستوى الطرز المختلفة لبطاقات الفيديو ووحدات معالجة الرسومات ، أي لا يمكن استخدامها إلا كعامل إضافي لزيادة احتمالية تحديد الهوية.
الميزة الرئيسية من طريقة "Drawn Apart" الجديدة هو أنه لا يقتصر على فصل نماذج مختلفة من GPUلكن حاول تحديد الاختلافات بين وحدات معالجة الرسومات المتماثلة من نفس النموذج ، بسبب عدم تجانس عملية إنتاج الرقائق المصممة.
ويذكر أيضًا أن الاختلافات التي تحدث أثناء عملية الإنتاج تمت ملاحظتها لإتاحة إمكانية تكوين قوالب غير متكررة لنفس طرازات الجهاز.
اتضح أنه يمكن تحديد هذه الاختلافات من خلال حساب عدد وحدات التنفيذ وتحليل أدائها على وحدة معالجة الرسومات. كأساسيات لتحديد نماذج GPU المختلفة ، تم استخدام عمليات التحقق بناءً على مجموعة من الدوال المثلثية والعمليات المنطقية وحسابات الفاصلة العائمة. لتحديد الاختلافات في نفس وحدة معالجة الرسومات ، تم تقدير عدد الخيوط التي تعمل في نفس الوقت عند تشغيل تظليل قمة الرأس.
يُفترض أن يكون التأثير الذي تم الكشف عنه ناتجًا عن الاختلافات في أنظمة درجة الحرارة واستهلاك الطاقة لمثيلات الرقاقة المختلفة (تم إثبات تأثير مماثل سابقًا لوحدة المعالجة المركزية: أظهرت نفس المعالجات استهلاكًا مختلفًا للطاقة عند تشغيل نفس المعالج).
نظرًا لأن العمليات عبر WebGL غير متزامنة ، فلا يمكنك استخدام performance.now () واجهة برمجة تطبيقات JavaScript API مباشرةً لقياس وقت التنفيذ ، لذلك تم اقتراح ثلاث حيل لقياس الوقت:
- على الشاشة: عرض المشهد على لوحة HTML مع قياس وقت الاستجابة لوظيفة رد الاتصال المكشوفة من خلال Window.requestAnimationFrame API ويتم استدعاؤها بعد اكتمال العرض.
- خارج الشاشة: استخدم عاملًا وقم بتصيير المشهد إلى كائن OffscreenCanvas عن طريق قياس وقت تنفيذ الأمر convertToBlob.
- وحدة معالجة الرسومات: التقديم إلى كائن OffscreenCanvas ، ولكن باستخدام مؤقت يوفره WebGL لقياس الوقت ، مع مراعاة مدة تنفيذ مجموعة من الأوامر على جانب وحدة معالجة الرسومات.
في عملية إنشاء المعرف يتم إجراء 50 فحصًا على كل جهاز، يغطي كل منها 176 قياسًا من 16 خاصية مختلفة. التجربة وخلالها أظهرت البيانات التي تم جمعها على 2500 جهاز مع 1605 وحدة معالجة رسومات مختلفة زيادة في الكفاءة بنسبة 67٪ من طرق تحديد الهوية المجمعة عن طريق إضافة دعم Draw Apart لها.
على وجه الخصوص ، قدمت طريقة FP-STALKER المدمجة ، في المتوسط ، تحديد الهوية في غضون 17,5 يومًا ، وبالاقتران مع Drawn Apart ، زادت مدة تحديد الهوية إلى 28 يومًا.
لوحظ أن الدقة تأثرت بدرجة حرارة وحدة معالجة الرسومات وبالنسبة لبعض الأجهزة ، تسببت إعادة تشغيل النظام في تشويه المعرف. عندما يتم استخدام الطريقة مع طرق أخرى تحديد غير مباشر ، يمكن زيادة الدقة بشكل ملحوظ. من المخطط أيضًا زيادة الدقة من خلال استخدام تظليل الحوسبة بعد تثبيت WebGPU API الجديد.
تم إخطار Intel و ARM و Google و Khronos و Mozilla و Brave بالمشكلة في وقت مبكر من عام 2020 ، ولكن تم الكشف عن تفاصيل الطريقة للتو.
من بين أشياء أخرى ، نشر الباحثون أمثلة عمل مكتوبة بلغة JavaScript و GLSL يمكنها العمل مع وبدون عرض المعلومات على الشاشة. أيضًا بالنسبة للأنظمة المستندة إلى وحدة معالجة الرسومات Intel GEN 3/4/8/10 ، تم نشر مجموعات البيانات لتصنيف المعلومات المستخرجة في أنظمة التعلم الآلي.
أخيرا إذا كنت مهتمًا بمعرفة المزيد عنها، يمكنك التحقق من التفاصيل في الرابط التالي.