Pak ditë më parë shpërtheu lajmi se studiuesit nga Universiteti Ben-Gurion (Izrael), Universiteti i Lille (Francë) dhe Universiteti i Adelaide (Australi) kanë zhvilluar një teknikë të re për të identifikuar pajisjet e përdoruesve duke zbuluar parametrat GPU në një shfletues ueb.
Metoda quhet "Drawn Apart" dhe bazohet në përdorimin e WebGL për të marrë një profil të performancës së GPU-së, i cili mund të përmirësojë ndjeshëm saktësinë e metodave të gjurmimit pasiv që funksionojnë pa përdorur kuki dhe pa ruajtur një identifikues në sistemin e përdoruesit.
Metodat që merrni parasysh karakteristikat e renderimit, GPU-në, stivën grafike dhe drejtuesit gjatë identifikimit të tyre ato ishin përdorur më parë, por ato ishin të kufizuara në mundësinë e ndarjes së pajisjeve vetëm në nivelin e modeleve të ndryshme të kartave video dhe GPU-ve, d.m.th. mund të përdoret vetëm si një faktor shtesë për të rritur probabilitetin e identifikimit.
Karakteristika kryesore të metodës së re "Drawn Apart". është se nuk kufizohet në ndarjen e modeleve të ndryshme të GPU, por përpiquni të identifikoni ndryshimet midis GPU-ve identike të të njëjtit model, për shkak të heterogjenitetit të procesit të prodhimit të çipave të projektuar.
Gjithashtu përmendet se vërehen ndryshime që ndodhin gjatë procesit të prodhimit për të bërë të mundur formimin e kallëpeve jo të përsëritura për të njëjtat modele pajisjesh.
Doli se këto dallime mund të identifikohen duke numëruar numrin e njësive të ekzekutimit dhe duke analizuar performancën e tyre në GPU. Si primitivë për të identifikuar modele të ndryshme GPU, u përdorën kontrolle të bazuara në një grup funksionesh trigonometrike, operacione logjike dhe llogaritje me pikë lundruese. Për të identifikuar ndryshimet në të njëjtën GPU, u vlerësua numri i thread-ve që funksionojnë njëkohësisht kur ekzekutohen shaders vertex.
Efekti i zbuluar supozohet se shkaktohet nga ndryshimet në regjimet e temperaturës dhe konsumin e energjisë të instancave të ndryshme të çipit (një efekt i ngjashëm është demonstruar më parë për CPU: të njëjtët procesorë demonstruan konsum të ndryshëm të energjisë kur përdornin të njëjtin procesor). kod).
Meqenëse operacionet përmes WebGL janë asinkrone, nuk mund të përdorni drejtpërdrejt API-në JavaScript performance.now() për të matur kohën e tyre të ekzekutimit, kështu që u propozuan tre truke për të matur kohën:
- Në ekran: pasqyrimi i skenës në kanavacën HTML me matjen e kohës së përgjigjes së funksionit të kthimit të thirrjes të ekspozuar përmes API-së Window.requestAnimationFrame dhe të thirrur pasi të përfundojë interpretimi.
- jashtë ekranit: Përdorni një punëtor dhe jepni skenën në një objekt OffscreenCanvas duke matur kohën e ekzekutimit të komandës convertToBlob.
- GPU: duke u paraqitur në një objekt OffscreenCanvas, por me një kohëmatës të ofruar nga WebGL për të matur kohën, duke marrë parasysh kohëzgjatjen e ekzekutimit të një grupi komandash në anën e GPU.
Në procesin e krijimit të një identifikuesi Në çdo pajisje kryhen 50 kontrolle, secila prej të cilave mbulon 176 matje me 16 karakteristika të ndryshme. Eksperimenti, gjatë të cilit të dhënat e mbledhura në 2500 pajisje me 1605 GPU të ndryshme, treguan një rritje prej 67% në efikasitet e metodave të kombinuara të identifikimit duke shtuar atyre mbështetjen Draw Apart.
Në veçanti, metoda e kombinuar FP-STALKER, mesatarisht, siguronte identifikimin brenda 17,5 ditëve dhe në kombinim me Drawn Apart, kohëzgjatja e identifikimit u rrit në 28 ditë.
Është vërejtur se saktësia është ndikuar nga temperatura e GPU dhe, për disa pajisje, rindezja e sistemit shkaktoi shtrembërim të identifikuesit. Kur metoda përdoret në kombinim me metoda të tjera identifikimi indirekt, saktësia mund të rritet ndjeshëm. Është planifikuar gjithashtu të rritet saktësia përmes përdorimit të shaderëve të llogaritjes pas stabilizimit të API-së së re WebGPU.
Intel, ARM, Google, Khronos, Mozilla dhe Brave u njoftuan për këtë problem që në vitin 2020, por detajet e metodës sapo janë zbuluar.
Ndër të tjera, studiuesit publikuan shembuj pune të shkruar në JavaScript dhe GLSL që mund të funksionojnë me dhe pa shfaqur informacion në ekran. Gjithashtu për sistemet e bazuara në GPU Intel GEN 3/4/8/10, grupe të dhënash janë publikuar për të klasifikuar informacionin e nxjerrë në sistemet e mësimit të makinerive.
Më në fund nëse jeni të interesuar të dini më shumë për të, ju mund të kontrolloni detajet në lidhja vijuese.