কয়েক দিন আগে খবর যে গবেষকদের ভাঙ্গন বেন-গুরিওন বিশ্ববিদ্যালয় (ইসরায়েল), লিলি বিশ্ববিদ্যালয় (ফ্রান্স) এবং অ্যাডিলেড বিশ্ববিদ্যালয় (অস্ট্রেলিয়া) থেকে ডিভাইস সনাক্ত করার জন্য একটি নতুন কৌশল তৈরি করেছে একটি ওয়েব ব্রাউজারে GPU প্যারামিটার সনাক্ত করে ব্যবহারকারীদের।
পদ্ধতিটি বলা হয় "ড্রন এপার্ট" এবং এটি ওয়েবজিএল ব্যবহারের উপর ভিত্তি করে একটি GPU পারফরম্যান্স প্রোফাইল প্রাপ্ত করার জন্য, যা কুকিজ ব্যবহার না করে এবং ব্যবহারকারীর সিস্টেমে একটি শনাক্তকারী সংরক্ষণ না করে কাজ করে এমন প্যাসিভ ট্র্যাকিং পদ্ধতিগুলির যথার্থতা উল্লেখযোগ্যভাবে উন্নত করতে পারে।
যে পদ্ধতি রেন্ডারিং বৈশিষ্ট্য, জিপিইউ, গ্রাফিক্স স্ট্যাক এবং ড্রাইভার বিবেচনা করুন তাদের সনাক্ত করার সময় তারা আগে ব্যবহার করা হয়েছিল, কিন্তু তারা শুধুমাত্র ভিডিও কার্ড এবং জিপিইউ-এর বিভিন্ন মডেলের স্তরে ডিভাইসগুলিকে আলাদা করার সম্ভাবনার মধ্যে সীমাবদ্ধ ছিল, অর্থাৎ এটি সনাক্তকরণের সম্ভাবনা বাড়ানোর জন্য শুধুমাত্র একটি অতিরিক্ত কারণ হিসাবে ব্যবহার করা যেতে পারে।
মূল বৈশিষ্ট্য নতুন "ড্রন এপার্ট" পদ্ধতির এটি GPU এর বিভিন্ন মডেল আলাদা করার মধ্যে সীমাবদ্ধ নয়, কিন্তু অভিন্ন GPU-এর মধ্যে পার্থক্য চিহ্নিত করার চেষ্টা করুন একই মডেলের, ডিজাইন করা চিপগুলির উত্পাদন প্রক্রিয়ার ভিন্নতার কারণে।
এটিও উল্লেখ করা হয়েছে যে একই ডিভাইস মডেলগুলির জন্য অ-পুনরাবৃত্ত ছাঁচ তৈরি করা সম্ভব করার জন্য উত্পাদন প্রক্রিয়া চলাকালীন ঘটতে থাকা বৈচিত্রগুলি পরিলক্ষিত হয়।
দেখা গেল যে এই পার্থক্যগুলিকে এক্সিকিউশন ইউনিটের সংখ্যা গণনা করে এবং GPU-তে তাদের কর্মক্ষমতা বিশ্লেষণ করে চিহ্নিত করা যেতে পারে। বিভিন্ন GPU মডেল শনাক্ত করার আদিম হিসাবে, ত্রিকোণমিতিক ফাংশন, লজিক্যাল অপারেশন এবং ফ্লোটিং পয়েন্ট গণনার সেটের উপর ভিত্তি করে চেক ব্যবহার করা হয়েছিল। একই GPU-তে পার্থক্য শনাক্ত করতে, ভার্টেক্স শেডার চালানোর সময় একই সাথে চলমান থ্রেডের সংখ্যা অনুমান করা হয়েছিল।
প্রকাশ করা প্রভাবটি তাপমাত্রা শাসন এবং বিভিন্ন চিপ দৃষ্টান্তের শক্তি খরচের পার্থক্যের কারণে অনুমান করা হয় (একটি অনুরূপ প্রভাব পূর্বে CPU-এর জন্য প্রদর্শিত হয়েছিল: একই প্রসেসর একই প্রসেসর চালানোর সময় বিভিন্ন শক্তি খরচ প্রদর্শন করেছিল) কোড)।
যেহেতু WebGL এর মাধ্যমে ক্রিয়াকলাপগুলি অ্যাসিঙ্ক্রোনাস, আপনি তাদের কার্যকর করার সময় পরিমাপ করার জন্য performance.now() JavaScript API সরাসরি ব্যবহার করতে পারবেন না, তাই সময় পরিমাপ করার জন্য তিনটি কৌশল প্রস্তাব করা হয়েছিল:
- পর্দায়: Window.requestAnimationFrame API এর মাধ্যমে উন্মুক্ত কলব্যাক ফাংশনের প্রতিক্রিয়া সময় পরিমাপের সাথে HTML ক্যানভাসে দৃশ্যের রেন্ডারিং এবং রেন্ডারিং সম্পূর্ণ হওয়ার পরে কল করা হয়।
- পর্দা বন্ধ: একজন কর্মী ব্যবহার করুন এবং convertToBlob কমান্ডের সম্পাদনের সময় পরিমাপ করে একটি অফস্ক্রিন ক্যানভাস অবজেক্টে দৃশ্যটি রেন্ডার করুন।
- জিপিইউ: একটি অফস্ক্রিন ক্যানভাস অবজেক্টে রেন্ডারিং, কিন্তু সময় পরিমাপ করার জন্য WebGL দ্বারা প্রদত্ত একটি টাইমার সহ, GPU পাশের কমান্ডের একটি সেট কার্যকর করার সময়কাল বিবেচনা করে।
একটি শনাক্তকারী তৈরির প্রক্রিয়ার মধ্যে প্রতিটি ডিভাইসে 50টি চেক করা হয়, যার প্রতিটি 176টি ভিন্ন বৈশিষ্ট্যের 16টি পরিমাপ কভার করে। পরীক্ষা, যার সময় 2500টি ভিন্ন জিপিইউ সহ 1605টি ডিভাইসে সংগৃহীত ডেটা, দক্ষতায় 67% বৃদ্ধি দেখিয়েছে ড্র অ্যাপার্ট সমর্থন যোগ করে তাদের সম্মিলিত শনাক্তকরণ পদ্ধতি।
বিশেষ করে, সম্মিলিত FP-STALKER পদ্ধতি, গড়ে, 17,5 দিনের মধ্যে সনাক্তকরণ প্রদান করে, এবং ড্রোন এপার্টের সাথে একত্রে, সনাক্তকরণের সময়কাল 28 দিনে বৃদ্ধি পায়।
এটা পরিলক্ষিত হয় যে নির্ভুলতা GPU এর তাপমাত্রা দ্বারা প্রভাবিত হয়েছিল এবং, কিছু ডিভাইসের জন্য, সিস্টেম রিবুট করার ফলে শনাক্তকারীর বিকৃতি ঘটে। যখন পদ্ধতিটি অন্যান্য পদ্ধতির সাথে একত্রে ব্যবহার করা হয় পরোক্ষ পরিচয়, নির্ভুলতা উল্লেখযোগ্যভাবে বৃদ্ধি করা যেতে পারে। নতুন WebGPU API এর স্থিতিশীলতার পরে কম্পিউট শেডার ব্যবহারের মাধ্যমে নির্ভুলতা বাড়ানোরও পরিকল্পনা করা হয়েছে।
ইন্টেল, এআরএম, গুগল, ক্রোনোস, মজিলা এবং ব্রেভকে 2020 সালের প্রথম দিকে এই সমস্যাটি সম্পর্কে অবহিত করা হয়েছিল, তবে পদ্ধতির বিশদ কেবলমাত্র প্রকাশিত হয়েছে।
অন্যান্য জিনিসের মধ্যে, গবেষকরা জাভাস্ক্রিপ্ট এবং জিএলএসএল-এ লেখা কাজের উদাহরণ প্রকাশ করেছেন যা স্ক্রিনে তথ্য প্রদর্শনের সাথে এবং ছাড়াই কাজ করতে পারে। এছাড়াও Intel GEN 3/4/8/10 GPU ভিত্তিক সিস্টেমের জন্য, মেশিন লার্নিং সিস্টেমে আহরিত তথ্য শ্রেণীবদ্ধ করার জন্য ডেটা সেট প্রকাশ করা হয়েছে।
পরিশেষে আপনি যদি এটি সম্পর্কে আরও জানতে আগ্রহী হন, আপনি বিশদে পরীক্ষা করতে পারেন নিম্নলিখিত লিঙ্ক.