فاربلينج
لماذا هذا مهم لا يحتاج Fingerprinting إلى أي تخزين على الإطلاق، لذا لا يمكن لتقسيم البيانات ومسح التخزين الوصول إليه. أحد الدفاعات هو جعل كل متصفح يبلغ عن نفس القيم. دفاع آخر، وهو ما ستبنيه هنا، هو إضافة قدر ضئيل من الضجيج إلى أكثر القراءات تحديداً، بحيث يختلف في كل موقع. لا يزال كل موقع يعمل، ولكن موقعين يقارنان الملاحظات يريان جهازين مختلفين.
تخيل ارتداء نظارات بإطارات مختلفة قليلا في كل متجر تزوره. يتعرف عليك الموظفون في أحد المتاجر طوال فترة بعد الظهر، لأن إطاراتك هناك لا تتغير. ولكن إذا قارن متجران وصفهما لك، فلن يتطابقا. غدا ستختار إطارات جديدة في كل مكان.
قراءات Canvas والصوت: يمكن للصفحة رسم صورة مخفية أو تشغيل نغمة صامتة وقراءة الأرقام الدقيقة التي أنتجها جهازك. الاختلافات الصغيرة بين شرائح الرسومات ومجموعات الصوت تجعل هذه الأرقام بصمة قوية (قاسها Leg 1).
Farbling: الاسم الذي أطلقه Brave على إضافة ضوضاء صغيرة لكل موقع لهذه القراءات. إنه نوع من randomisation؛ والنهج المعاكس هو uniformity، مما يجعل الجميع يبلغون عن القيمة نفسها.
مفتاح الجلسة: قيمة عشوائية سرية يختارها المتصفح في كل مرة يبدأ فيها. دمجها في الضجيج يعني أن ضجيج الغد سيكون مختلفا عن ضجيج اليوم.
يقوم Brave بتوليد farbles بشكل افتراضي، حيث يشتق ضجيجه من سر سري لكل جلسة ومن الموقع الذي تتواجد عليه، ويستخدم محرك Floati نفس نوع العشوائية (تم التحقق في أكتوبر 2026).
ما يقرأه عالم الممارسة
يمكن لصفحات في عالم الممارسة قراءة قائمتين من الأرقام من page.traits: canvas_pixels (24 قيمة) و audio_samples (12 قيمة)، وكل قيمة بين 0 و 255. يقوم نص fingerprint script بتشفير جميع سمات Sam، بما في ذلك هاتين القائمتين، في ID واحد.
قواعد الضجيج الجيد الثلاثة
- مختلف لكل موقع.يجب أن يعتمد الضجيج على الموقع الأعلى، لذا تحصل ShopA و ShopB على قراءات مختلفة ومعرفات بصمة مختلفة.
- مستقر داخل الموقع والجلسة. يجب أن يحصل الموقع نفسه على نفس الضوضاء عند كل تحميل للصفحة، وإلا فإن ميزاته الخاصة (مثل "هل هذا هو الجهاز الذي سجلت الدخول منه؟") تبدأ في الفشل.
- Small. قد تتحرك كل قيمة بمقدار 1 كحد أقصى. المتجر الذي يسحب مخططا يفحص ما إذا كانت بكسلاته ضمن نطاق 2 مما يتوقعه؛ وإذا كان هناك ضجيج أكثر من ذلك سيبدو المخطط معطلا.
Noise يمكنك تكرارها: مولد عشوائي ببذرة
يمكن لوحدة random في Python أن تصنع مولّداً من بذرة (seed). البذرة نفسها تعطي دائماً تسلسل الأرقام "العشوائية" نفسه، وهذه بالضبط القاعدة 2. ابنِ البذرة من مفتاح الجلسة والموقع، وتحصل على القاعدة 1 مجاناً:
import random
rng = random.Random("session-41|shopa.example") # the seed is any text you like
print([rng.choice([-1, 0, 1]) for _ in range(5)]) # e.g. [0, -1, 1, 1, 0]
rng = random.Random("session-41|shopa.example") # same seed again...
print([rng.choice([-1, 0, 1]) for _ in range(5)]) # ...same five numbersيختار rng.choice(list) عنصرا واحدا. للحفاظ على قيمة داخل النطاق من 0 إلى 255 بعد إضافة الضجيج، قم بتقييدها: min(255, max(0, value)). يرفع max(0, v) أي شيء أقل من 0 إلى 0، ويخفض min(255, ...) أي شيء فوق 255 إلى الأسفل.
لا تضع العنوان الكامل للصفحة في الـ seed. حينها ستحصل كل صفحة من نفس المتجر على ضوضاء مختلفة، مما يكسر القاعدة 2. ولا تستخدم أبدا hash() الخاص بـ Python لهذا الأمر: لأنه يتغير في كل مرة يبدأ فيها Python.
كيف ستعرف أنه نجح
يقومrun_farbling(farble) بتحميل كل متجر مرتين في كل جلسة من جلستين، مع قيام وظيفتك بتغيير القراءات، ويبلغ عن:
"linked_pairs": أزواج المتاجر التي يمكن لـ fingerprint tracker الانضمام إليها (تريد 0)"broken": المتاجر التي ظهر مخططها بشكل خاطئ (لا نريد أيًا منها)"unstable": المتاجر التي تقرأ قيما مختلفة في تحميلين في جلسة واحدة (لا نريد أي منها)"linked_sessions": المتاجر التي تعرف عليها المتتبع مرة أخرى في الجلسة التالية (لا تريد أيًا منها)
حد صادق
Noise لا يهزم إلا المتتبعات التي تحتاج إلى تطابق دقيق. يمكن لـ script مصمم بعناية أن يحاول حساب متوسط القراءات أو تقريبها، ولهذا السبب تضع المحركات الحقيقية أيضاً حداً لدقة بعض القراءات، وتجعل السمات الأخرى موحدة (مختبر "Defeat fingerprinting" في Leg 2). Farbling هو طبقة واحدة، وليس الجدار بأكمله.
جرب ذلك إذا كان لديك Brave، افتح صفحة اختبار بصمة على موقعين مختلفين، أو في جلستين مختلفتين، وقارن قيم canvas: إنها تتغير. في أي متصفح، افتح DevTools واضغط على Ctrl+Shift+F (أو Cmd+Option+F على Mac) للبحث في كل script قام تحميله الصفحة عن toDataURL أو getImageData، وهما طريقتان شائعتان لقراءة script لقيم canvas.
في لغات أخرى
ضجيج في JavaScript. لا يمكن إعطاء بذرة لـ Math.random في JavaScript، لذا تستخدم المحركات مولداً صغيراً خاصاً بها، يتم إعطاؤه بذرة من هاش مفتاح الجلسة والموقع:
function seededRandom(seed) { // mulberry32: tiny, repeatable, fine for noise
return () => {
seed |= 0; seed = (seed + 0x6D2B79F5) | 0;
let t = Math.imul(seed ^ (seed >>> 15), 1 | seed);
t = (t + Math.imul(t ^ (t >>> 7), 61 | t)) ^ t;
return ((t ^ (t >>> 14)) >>> 0) / 4294967296;
};
}
function farble(values, seed) {
const rnd = seededRandom(seed);
return values.map(v => Math.min(255, Math.max(0, v + Math.floor(rnd() * 3) - 1)));
}Rust، باستخدام crate rand مع seed:
use rand::{rngs::StdRng, Rng, SeedableRng};
fn farble(values: &[u8], seed: u64) -> Vec<u8> {
let mut rng = StdRng::seed_from_u64(seed);
values.iter().map(|&v| (v as i16 + rng.gen_range(-1..=1)).clamp(0, 255) as u8).collect()
}ملخص
- Farbling يضيف ضجيجا صغيرا إلى القراءات التعريفية، يختلف لكل موقع ولكل جلسة. يجعل مولد الأرقام العشوائية
- A الضوضاء قابلة للتكرار: قم بتزويده بالبذرة باستخدام مفتاح الجلسة والموقع.
- حافظ على حجمه صغيراً ومستقراً، وإلا ستتعطل ميزات المواقع الخاصة.
- إنه يهزم تحديد البصمة بالمطابقة التامة؛ المحركات الحقيقية تدمجه مع قيم موحدة وقيود.
اكتب farble(values, top_site, session_key). إنه يعيد قائمة new بنفس طول values، دون تغيير values. أنشئ generator باستخدام random.Random(session_key + "|" + top_site)، وأضف rng.choice([-1, 0, 1]) إلى كل قيمة، وقم بتقييد كل نتيجة بين 0 و 255. ثم قم بتعيين report = run_farbling(farble) واطبعه.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.