Bekaamp die fingerprinting
Waarom dit saak maak Om 'n fingerprinting script te blokkeer werk net as jou lys dit weet. Die dieper verdediging is om die eienskappe self nutloos te maak, sodat selfs 'n script wat hardloop niks leer wat jou uitstoot nie. Hierdie lab meet hoeveel dit werklik help, in bits.
Almal in dieselfde reënjas
Stel jou 'n skare voor waar almal dieselfde grys reënjas en hoed dra. Om een persoon te sien is moeilik, nie omdat jy hulle nie kan sien nie, maar omdat hulle almal dieselfde lyk. Dit is uniformity: die browser rapporteer dieselfde waardes as almal anders wat die verdediging gebruik.
Fingerprint: die stel van eienskappe wat 'n bladsy oor jou bl brasileiros kan lees (skermgrootte, tydsone, fontein, grafika kaart en so aan). Saam kan hulle 'n bl brasileiros herken sonder enige cookie.
Uniformity: 'n verdediging waar die bladsspange dieselfde vaste waardes as elke ander gebruiker van dieselfde verdediging rapporteer. Tor Browser is die bekendste voorbeeld; Safari verminder ook wat dit blootstel (nasien Oktober 2026).
Die ander hoofverdediging is randomisation (Brave en Floati noem dit farbling): voeg klein, veranderende geraas by sodat die kenmerk op elke webtuiste verskil. Hierdie laboratorium toets uniformiteit.
Meet in bits
In Les 1 het jy dele van identiteit ontmoet: elke bit halveer die skare. Hier is 'n regverd manier om hulle vir een persoon in 'n skare te meet:
bits = log2( (crowd size + 1) / (people who look exactly like you + 1) )Die + 1 tel jou as 'n lid van die skare. As niemand in 'n skare van 5,000 soos jy lyk nie, is dit log2(5001 / 1), ongeveer 12.3 bits: uniek. As 4,999 mense soos jy lyk, is dit log2(5001 / 5000), amper 0 bits.
Die plan
fingerprint_bits(crowd, fp): tel die rye wat gelyk is aanfpop elke eienskap inTRAIT_NAMES, dan gebruik die formule.make_uniform(traits): gee 'n copy met elke eienskap inUNIFORMvervang.dict(traits)maak 'n kopie;copy.update(UNIFORM)skryf daardie sleutels oor.uniform_filter(traits, page): plug dit in byBrowser(world, trait_filter=uniform_filter)en elke script lees die uniforme waardes.- Meet Sam (
recorded_fingerprints()[0]) in 5,000 sintetiese blousers, voor en na.
Een eerlike detail in stap 4: vir die "after" getal, pas make_uniform ook op die hele skare toe. Uniformiteit verberg jou net tussen ander mense wat dieselfde verdediging gebruik. As jy alleen die grys reënjas dra, steek jy meer uit, nie minder nie.
Wat die nommers vir jou sal vertel
Jy gaan verskeie dele verwyder, maar nie almal nie. Sam rapporteer steeds 'n Linux-stelsel en 'n minder algemene blavier, en daardie twee eienskappe alleen onderskei 'n klein groep. Dit is die ware les van uniformiteit: dit werk die beste wanneer everything dieselfde is, insluitend die blavier self. Dit is waarom Tor Browser elke gebruiker laat lyk soos dieselfde blavier op dieselfde soort stelsel, en waarom dit die venstergrootte afrond tot 'n paar standaard stappe (letterboxing).
A algemene wanbeleefde
"Om 'n skaars waarde te vervals te help my wegsteek." 'n Verzonne waarde wat geen regte blaaier rapporteer nie, of 'n mengsel wat nie bymekaar pas nie ( 'n Mac grafika kaart op Windows), kan jou meer uniek maak. Goeie verdedigings kies waardes wat baie regte gebruikers deel, en verander hulle saam.
Probeer dit Nadat jy geslaag het, verwyder "timezone" uit UNIFORM en hardloop jou kode weer. Kyk hoe after_bits styg: een gewone eienskap is werdlike bits werd.
In ander tale
JavaScript:
const UNIFORM = { screen: "1920x1080", timezone: "Etc/UTC", language: "en-US" };
// Copy, then overwrite: the original object is untouched.
const makeUniform = traits => ({ ...traits, ...UNIFORM });
function fingerprintBits(crowd, fp, names) {
const same = crowd.filter(r => names.every(t => r[t] === fp[t])).length;
return Math.log2((crowd.length + 1) / (same + 1));
}Rust:
fn fingerprint_bits(crowd: &[Vec<String>], fp: &[String]) -> f64 {
let same = crowd.iter().filter(|r| r.as_slice() == fp).count();
((crowd.len() + 1) as f64 / (same + 1) as f64).log2()
}Opsomming
- Uniformiteit verberg jou deur te laat dat baie gebruikers identiese waardes rapporteer.
- Meet bits as log2((crowd + 1) / (look-alikes + 1)), tel jouself in die crowd saam.
- Dit werk net tussen mense wat dieselfde verdediging gebruik, en oorblywende eienskappe (browser, stelsel) lek steeds bietjies uit.
- Rare of onkonstante vals waardes kan jou meer laat uitstaan.
Hou UNIFORM. Skryf fingerprint_bits(crowd, fp) (tel rye gelyk aan fp op elke eienskap in TRAIT_NAMES as same, gee log2((len(crowd) + 1) / (same + 1)) terug), make_uniform(traits) ('n nuwe dict met elke UNIFORM sleutel vervang; die input onveranderd) en uniform_filter(traits, page) (gee make_uniform(traits) terug). Stel dan before_bits (Sam in crowd), after_bits (uniforme Sam in 'n skare waar elke ry deur make_uniform gegaan het) en bits_removed.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.