काही दिवसांपूर्वी बातमी संशोधकांनी तोडली बेन-गुरियन विद्यापीठ (इस्रायल), लिले विद्यापीठ (फ्रान्स) आणि अॅडलेड विद्यापीठ (ऑस्ट्रेलिया) मधून उपकरणे ओळखण्यासाठी नवीन तंत्र विकसित केले आहे वेब ब्राउझरमध्ये GPU पॅरामीटर्स शोधून वापरकर्त्यांची.
पद्धत म्हणतात "Drawn Apart" आणि WebGL च्या वापरावर आधारित आहे GPU कार्यप्रदर्शन प्रोफाइल प्राप्त करण्यासाठी, जे कुकीज न वापरता आणि वापरकर्त्याच्या सिस्टमवर अभिज्ञापक संचयित न करता कार्य करणार्‍या निष्क्रिय ट्रॅकिंग पद्धतींची अचूकता लक्षणीयरीत्या सुधारू शकते.
ज्या पद्धती प्रस्तुतीकरण वैशिष्ट्ये, GPU, ग्राफिक्स स्टॅक आणि ड्रायव्हर्स विचारात घ्या त्यांना ओळखताना ते पूर्वी वापरले गेले होते, परंतु ते फक्त व्हिडिओ कार्ड्स आणि GPU च्या भिन्न मॉडेल्सच्या स्तरावर डिव्हाइसेस वेगळे करण्याच्या शक्यतेपर्यंत मर्यादित होते, म्हणजेच ते ओळखण्याची संभाव्यता वाढवण्यासाठी केवळ अतिरिक्त घटक म्हणून वापरले जाऊ शकते.
मुख्य वैशिष्ट्य नवीन "ड्रान अपार्ट" पद्धतीचा ते GPU च्या विविध मॉडेल्सला वेगळे करण्यापुरते मर्यादित नाही, परंतु समान GPU मधील फरक ओळखण्याचा प्रयत्न करा त्याच मॉडेलचे, डिझाइन केलेल्या चिप्सच्या उत्पादन प्रक्रियेच्या विषमतेमुळे.
हे देखील नमूद केले आहे की समान उपकरण मॉडेल्ससाठी पुनरावृत्ती न होणारे साचे तयार करणे शक्य करण्यासाठी उत्पादन प्रक्रियेदरम्यान होणारे फरक लक्षात घेतले जातात.
हे निष्पन्न युनिट्सची संख्या मोजून आणि GPU वर त्यांच्या कार्यप्रदर्शनाचे विश्लेषण करून हे फरक ओळखले जाऊ शकतात. भिन्न GPU मॉडेल्स ओळखण्यासाठी आदिम म्हणून, त्रिकोणमितीय फंक्शन्स, लॉजिकल ऑपरेशन्स आणि फ्लोटिंग पॉइंट कॅल्क्युलेशनच्या सेटवर आधारित तपासण्या वापरल्या गेल्या. समान GPU वरील फरक ओळखण्यासाठी, व्हर्टेक्स शेडर्स चालवताना एकाच वेळी चालणाऱ्या थ्रेड्सची संख्या अंदाजे होती.
प्रकट झालेला परिणाम तापमान नियमांमधील फरक आणि भिन्न चिप उदाहरणांच्या उर्जेच्या वापरामुळे झाला असे गृहित धरले जाते (एक समान प्रभाव यापूर्वी CPU साठी प्रदर्शित केला गेला होता: समान प्रोसेसर चालवताना समान प्रोसेसर भिन्न उर्जा वापर दर्शवतात). कोड).
WebGL द्वारे ऑपरेशन्स एसिंक्रोनस असल्याने, तुम्ही त्यांची अंमलबजावणी वेळ मोजण्यासाठी performance.now() JavaScript API थेट वापरू शकत नाही, म्हणून वेळ मोजण्यासाठी तीन युक्त्या प्रस्तावित केल्या होत्या:
- पडद्यावर: Window.requestAnimationFrame API द्वारे उघड केलेल्या कॉलबॅक फंक्शनच्या प्रतिसाद वेळेच्या मापनासह HTML कॅनव्हासवर दृश्याचे प्रस्तुतीकरण आणि प्रस्तुतीकरण पूर्ण झाल्यानंतर कॉल केले जाते.
- स्क्रीन बंद: कार्यकर्ता वापरा आणि convertToBlob कमांडच्या अंमलबजावणीची वेळ मोजून ऑफस्क्रीन कॅनव्हास ऑब्जेक्टवर सीन रेंडर करा.
- GPU: ऑफस्क्रीन कॅनव्हास ऑब्जेक्टला प्रस्तुत करणे, परंतु वेळ मोजण्यासाठी WebGL द्वारे प्रदान केलेल्या टाइमरसह, GPU बाजूला कमांडच्या संचाच्या अंमलबजावणीचा कालावधी लक्षात घेऊन.
अभिज्ञापक तयार करण्याच्या प्रक्रियेत प्रत्येक डिव्हाइसवर 50 तपासण्या केल्या जातात, ज्यापैकी प्रत्येकामध्ये 176 भिन्न वैशिष्ट्यांचे 16 मोजमाप समाविष्ट आहेत. प्रयोग, ज्या दरम्यान 2500 भिन्न GPU सह 1605 उपकरणांवर गोळा केलेला डेटा, कार्यक्षमतेत 67% वाढ दर्शवितो त्यांना ड्रॉ अपार्ट सपोर्ट जोडून एकत्रित ओळख पद्धतींचा.
विशेषतः, एकत्रित FP-STALKER पद्धत, सरासरी, 17,5 दिवसांच्या आत ओळख प्रदान करते आणि ड्रॉ अपार्टच्या संयोजनात, ओळखीचा कालावधी 28 दिवसांपर्यंत वाढला.
GPU च्या तापमानामुळे अचूकतेवर परिणाम झाल्याचे दिसून आले आहे आणि, काही उपकरणांसाठी, सिस्टम रीबूट केल्याने अभिज्ञापक विकृती निर्माण होते. जेव्हा पद्धत इतर पद्धतींच्या संयोजनात वापरली जाते अप्रत्यक्ष ओळख, अचूकता लक्षणीय वाढविली जाऊ शकते. नवीन WebGPU API च्या स्थिरीकरणानंतर कॉम्प्युट शेडर्सच्या वापराद्वारे अचूकता वाढविण्याचे देखील नियोजित आहे.
इंटेल, एआरएम, गुगल, क्रोनोस, मोझिला आणि ब्रेव्ह यांना 2020 च्या सुरुवातीला या समस्येबद्दल सूचित केले गेले होते, परंतु पद्धतीचे तपशील नुकतेच उघड झाले आहेत.
इतर गोष्टींबरोबरच, संशोधकांनी JavaScript आणि GLSL मध्ये लिहिलेली कार्यरत उदाहरणे प्रकाशित केली जी स्क्रीनवर माहिती प्रदर्शित केल्याशिवाय आणि त्याशिवाय कार्य करू शकतात. तसेच इंटेल GEN 3/4/8/10 GPU आधारित प्रणालींसाठी, मशीन लर्निंग सिस्टीममध्ये काढलेल्या माहितीचे वर्गीकरण करण्यासाठी डेटा संच प्रकाशित केले आहेत.
शेवटी आपल्याला त्याबद्दल अधिक जाणून घेण्यात स्वारस्य असल्यास, आपण मधील तपशील तपासू शकता खालील दुवा.