Acum cateva zile a apărut vestea că cercetătorii de la Universitatea Ben-Gurion (Israel), Universitatea din Lille (Franța) și Universitatea din Adelaide (Australia) au dezvoltat o nouă tehnică de identificare a dispozitivelor utilizatorilor prin detectarea parametrilor GPU într-un browser web.
Metoda se numește „Drawn Apart” și se bazează pe utilizarea WebGL pentru a obține un profil de performanță GPU, care poate îmbunătăți semnificativ acuratețea metodelor de urmărire pasivă care funcționează fără utilizarea cookie-urilor și fără stocarea unui identificator pe sistemul utilizatorului.
Metodele care luați în considerare caracteristicile de randare, GPU, stiva grafică și drivere la identificarea acestora au fost utilizate anterior, dar s-au limitat la posibilitatea de separare a dispozitivelor doar la nivelul diferitelor modele de plăci video și GPU-uri, adică nu putea fi folosit decât ca factor suplimentar pentru creșterea probabilității de identificare.
Caracteristica cheie a noii metode „Drawn Apart”. este că nu se limitează la separarea diferitelor modele de GPUdar încercați să identificați diferențele dintre GPU-uri identice de același model, datorită eterogenității procesului de producție a așchiilor proiectate.
De asemenea, se menționează că se observă variații care apar în timpul procesului de producție pentru a face posibilă formarea de matrițe nerepetitive pentru aceleași modele de dispozitiv.
S-a dovedit că aceste diferențe pot fi identificate numărând numărul de unități de execuție și analizând performanța acestora pe GPU. Ca primitive pentru a identifica diferite modele de GPU, au fost utilizate verificări bazate pe un set de funcții trigonometrice, operații logice și calcule cu virgulă mobilă. Pentru a identifica diferențele pe același GPU, a fost estimat numărul de fire care rulează simultan atunci când rulează vertex shaders.
Se presupune că efectul dezvăluit este cauzat de diferențele dintre regimurile de temperatură și consumul de energie al diferitelor instanțe de cip (un efect similar a fost demonstrat anterior pentru CPU: aceleași procesoare au demonstrat consum diferit de energie atunci când rulează același procesor). cod).
Deoarece operațiunile prin WebGL sunt asincrone, nu puteți utiliza direct API-ul JavaScript performance.now() pentru a măsura timpul de execuție al acestora, așa că au fost propuse trei trucuri pentru a măsura timpul:
- Pe ecran: redarea scenei pe pânza HTML cu măsurarea timpului de răspuns a funcției de apel invers expusă prin API-ul Window.requestAnimationFrame și apelată după finalizarea randării.
- în afara ecranului: Utilizați un lucrător și redați scena la un obiect OffscreenCanvas măsurând timpul de execuție al comenzii convertToBlob.
- GPU: randare la un obiect OffscreenCanvas, dar cu un cronometru furnizat de WebGL pentru a măsura timpul, ținând cont de durata de execuție a unui set de comenzi pe partea GPU.
În procesul de creare a unui identificator Se efectuează 50 de verificări pe fiecare dispozitiv, fiecare dintre ele acoperă 176 de măsurători cu 16 caracteristici diferite. Experimentul, în timpul căruia datele colectate pe 2500 de dispozitive cu 1605 GPU-uri diferite au arătat o creștere a eficienței cu 67% a metodelor de identificare combinate prin adăugarea suportului Draw Apart la acestea.
În special, metoda combinată FP-STALKER a oferit, în medie, identificarea în 17,5 zile, iar în combinație cu Drawn Apart, durata identificării a crescut la 28 de zile.
Se observă că precizia a fost afectată de temperatura GPU-ului și, pentru unele dispozitive, repornirea sistemului a cauzat distorsiuni de identificare. Când metoda este utilizată în combinație cu alte metode identificare indirectă, precizia poate fi crescută semnificativ. De asemenea, este planificată creșterea acurateței prin utilizarea de shadere de calcul după stabilizarea noului API WebGPU.
Intel, ARM, Google, Khronos, Mozilla și Brave au fost notificate cu privire la problemă încă din 2020, dar detaliile metodei tocmai au fost dezvăluite.
Printre altele, cercetătorii au publicat exemple de lucru scrise în JavaScript și GLSL care pot funcționa cu și fără afișarea informațiilor pe ecran. De asemenea, pentru sistemele bazate pe GPU Intel GEN 3/4/8/10, au fost publicate seturi de date pentru a clasifica informațiile extrase în sistemele de învățare automată.
În cele din urmă dacă sunteți interesat să aflați mai multe despre asta, puteți verifica detaliile în următorul link.