Kurrikulum Leson 147 van 156 · Meet die web soos 'n navorser
Meet die web soos 'n navorser

Soek wegstekkers

Waarom dit saak maak Die trackers wat navorsers die meeste bekommer, is die een wat wegsteek: agter jou eie webwerf se naam, binne 'n redirect wat jy nooit aansien nie, of in 'n script wat nooit 'n cookie stel nie. 'n Eenvoudige third-party telling mis hulle. Hierdie lab vind drie soorte in jou crawl data.

Dink aan 'n winkel waar die sekuriteitswag die winkel se eie uniform dra maar eintlik deur iemand anders werklik werksaam is. 'n Besoeker wat "buitepersoneel" tel, sal hulle nooit sien nie. Verborge trackers werk so.

1. CNAME cloaking

DNS: die internet se adresboek: dit verander 'n naam soos m.calmriver.example in die adres van 'n rekenaar.

CNAME: 'n DNS-rekord wat sê "hierdie naam is eintlik 'n ander naam". m.calmriver.example kan 'n CNAME vir c.cloakco.example wees, so die versoek lyk soos 'n eerste party, maar dit bereik 'n tracker.

CNAME cloaking: 'n tracker wat agter 'n webwerf se eie subdomein wegsteek deur 'n CNAME, sodat bloklyste enderdeur-koekie-reëls 'n eerste-party naam sien.

In die kruiprekords het elke versoek cname: waar DNS sê die gasheer werklik na wys, of None. 'n Verbergde versoek het 'n gasheer op die bladsy se eie webwerf, en 'n CNAME op 'n gelyste tracker. Wees versigtig: baie webwerwe wys subdomeine na 'n inhoudsleweringnetwerk soos edge.cdn.example. Dit is normaal, so kontroleer die CNAME se webwerf teen TRACKER_LIST.

Safari beperk koekies wat deur CNAME-cloaked responses gestel word tot 7 dae, en Firefox laat blokkeringsuitbreidings toe om CNAMEs op te soek om hulle te oncloek. Chrome-uitbreidings kan nie daardie opsoek doen nie (nasien Oktober 2026).

2. Bounce-kettings

Wanneer jy op 'n skakel klik, kan dit deur 'n tracker se herleiding gaan op pad. Dit laat die tracker sy eie eerste-party koekie stel of lees. Jy het bons-opsporing in Leg 6 ontmoet; hier tel jy dit op groot skaal. Elke rekord het click_chain: die URLs wat die crawler deurgegaan het nadat dit op die bladsy se eerste uitwaartse skakel geklik het. 'n Middelste sprong is 'n bons as die webwerf daarvan verskil van beide die beginwebwerf en die finale webwerf. 'n Webwerf wat deur sy eie /out bladsy herlei word, is nie 'n bons nie.

3. Skripte vir vingerafdrukke

'n instrumentele crawler registreer watter blaaierfunksies elke skrip gebruik het, in scripts. Volgens die benadering van gepubliseerde studies is 'n skrip verdagtig wanneer dit beide 'n tekening of klank teruglees (CANVAS_READS) en ten min 4 verskillende toesteleienskappe lees (TRAIT_APIS). 'n Teken-app wat net jou prentjie uitvoer, gebruik die canvas maar lees min eienskappe, so dit tel nie.

from watched.leg7b_web import CANVAS_READS, TRAIT_APIS
apis = ["canvas.toDataURL", "navigator.userAgent", "screen.width",
        "navigator.languages", "Intl.timeZone"]
reads_canvas = any(a in CANVAS_READS for a in apis)
traits = {a for a in apis if a in TRAIT_APIS}      # a set: each trait once
print(reads_canvas, len(traits))                   # True 4

Hou dop oor vingerafdrukke wat vanaf die webwerf se eie gasheer gestuur word. Geenderde party lys sal dit vang nie; net gedrag doen dit.

'n algemene wanbelewing: "As my blocker nulderdeparty-trackers wys, volg niemand my nie." Cloaked, bounced en first-party fingerprinting trackers glip almal verby 'n lys van derdeparty-name. Gedraggebaseerde kontroles, soos die een wat jy hier skryf, is hoe blousers en navorsers hulle vind.

In ander tale

Die vingerafdrukreël in JavaScript en PHP:

// JavaScript
function isFingerprinting(apis) {
  const readsCanvas = apis.some(a => CANVAS_READS.includes(a));
  const traits = new Set(apis.filter(a => TRAIT_APIS.includes(a)));
  return readsCanvas && traits.size >= 4;
}
// PHP
function is_fingerprinting(array $apis): bool {
    $reads = count(array_intersect($apis, CANVAS_READS)) > 0;
    $traits = count(array_unique(array_intersect($apis, TRAIT_APIS)));
    return $reads && $traits >= 4;
}

Opsomming

  • CNAME cloaking verberg 'n tracker agter die webwerf se eie subdomein; kyk waar die CNAME werklik na wys.
  • A bounce is 'n redirect hop op 'n webwerf wat nie waar jy begin het of waar jy geëindig het nie.
  • Fingerprinting wys in gedrag: 'n canvas of audio readback plus baie toestelkenmerke.
  • Behaviour vind wat naamlyste mis, insluitend eerste party fingerprinting.
Jou beurt

Skryf vyf funksies oor crawl records:

  1. cloaked_hosts(load, tracker_list): die gesorteerde lys van unieke versoek-hosts op die bladsy se eie webwerf waarvan die cname gestel is en wie se CNAME se webwerf in tracker_list.
  2. is
  3. bounce_hops(load): van load["click_chain"], die webwerwe van die middelste hops wat verskil van beide die eerste en laaste URL se webwerf ( 'n leë lys as die ketting korter as 3 is).
  4. is_fingerprinting(apis): waar as enige API in CANVAS_READS is en ten minste 4 verskillende APIs in TRAIT_APIS is.
  5. fingerprinting_scripts(load): die URLs van skripte in load["scripts"] wat daardie toets slaag.
  6. hidden_report(loads, tracker_list): 'n dict wat terreine met elke soort tel: "cname_cloaking", "bounce", "fingerprinting" en "first_party_fingerprinting" ( 'n fingerprinting script op die bladsy se eie webwerf).
Stel dan report vir die volledige crawl. Toetse crawl ook ander gesimuleerde webes.

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.