Lehrplan Lektion 42 von 156 · Im Inneren eines Trackers (in der Praxiswelt)
Im Inneren eines Trackers (in der Praxiswelt)

Ein Fingerabdruck-Tracker

Warum das wichtig ist Cookies zu löschen fühlt sich an wie ein Neuanfang. Dieses Lab zeigt mit dem eigenen Log von AdCo, warum das oft nicht der Fall ist: Ein Browser kann allein durch seine Merkmale erkannt werden. Es zeigt auch die Verteidigung, die das verhindert.

Wenn jemand dein Armband nicht lesen kann, kann er dich trotzdem beschreiben: groß, roter Mantel, grüner Rucksack, läuft mit Hinken. Jedes Detail ist gewöhnlich, aber zusammen weisen sie auf eine Person hin. Ein Browser kann auf die gleiche Weise beschrieben werden.

Browser fingerprint: eine Zusammenfassung vieler kleiner Browserdetails (Bildschirmgröße, Zeitzone, Schriftarten, wie der Grafikchip ein Testbild zeichnet) die zusammen oft einen Browser identifizieren, ganz ohne Cookie.

In diesem Labor liest AdCos Skript auch Sams Browser-Eigenschaften (du schaltest das mit read_traits=True ein), und Sam löscht seine Cookies und den Website-Speicher alle 3 Seiten (clear_every=3), also muss AdCo jedes Mal eine neue Cookie ID ausgeben. Jeder Datensatz hat jetzt ein traits dict.

Merkmale in ein kurzes Label umwandeln

Um Merkmale einfach zu vergleichen, wandelst du das ganze Dictionary in ein kurzes Label um, einen hash. Die gleichen Merkmale geben immer den gleichen Hash; ändere ein Merkmal und der Hash ändert sich komplett.

Hash: eine Funktion, die jeden Text in einen kurzen Code (hier, eine Zahl) verwandelt. Gleicher Input, gleicher Code; anderer Input, ein sehr anderer Code. Der Kurs bietet hash_text(text).

Es gibt es eine Falle: ein dict kann dieselben keys in einer anderen Reihenfolge auflisten. json.dumps(traits, sort_keys=True) schreibt die keys in alphabetischer Reihenfolge, also werden dieselben traits immer zum gleichen text vor dem hashing.

import json
from watched.data import hash_text

a = {"screen": "1440x900", "timezone": "Europe/London"}
b = {"timezone": "Europe/London", "screen": "1440x900"}   # same traits, other order
print(hash_text(json.dumps(a, sort_keys=True)) == hash_text(json.dumps(b, sort_keys=True)))   # True

Um zu zählen, wie viele different Werte es gibt, lege sie in ein Set und nimm dessen Länge. Geschweifte Klammern mit einer Schleife darin bauen ein Set (eine set comprehension):

ids = ["a", "b", "a", None]
print(len({i for i in ids if i is not None}))   # 2

Die Verteidigung: farbling

Einige Browser, einschließlich Brave und Floati, fügen winzige, harmlose Änderungen an einigen Merkmalen hinzu, die für jede Seite unterschiedlich sind (geprüft im Oktober 2026). Seiten funktionieren weiterhin, aber das Label, das auf ShopA erstellt wurde, stimmt nicht mehr mit dem überein, das auf ShopB erstellt wurde. Du wirst das auch mit farble=True messen. Die andere Hauptverteidigung, jeden Browser gleich aussehen zu lassen (Uniformität), ist die, die du selbst in Lektion 50 versuchst.

Farbling: Hinzufügen von kleinem Rauschen pro Stelle zu identifizierbaren Merkmalen, damit jede Stelle einen leicht anderen Browser sieht.

In anderen Sprachen

JavaScript, sortierte Schlüssel und dann ein SHA-256 Hash mit der Web Crypto API:

const text = JSON.stringify(Object.keys(traits).sort().reduce((o, k) => (o[k] = traits[k], o), {}));
const bytes = await crypto.subtle.digest("SHA-256", new TextEncoder().encode(text));

Go: json.Marshal schreibt map keys bereits in sortierter Reihenfolge, also ist der Text stabil:

text, _ := json.Marshal(traits)          // traits is a map[string]any
sum := sha256.Sum256(text)
label := hex.EncodeToString(sum[:8])

Zusammenfassung

  • Viele kleine Merkmale zusammen können einen Browser identifizieren, ganz ohne Cookies.
  • Das Sortieren von keys vor dem hashing macht das label stabil.
  • Das Löschen von Cookies hat Sam nicht versteckt; farbling hat es getan.
Du bist dran

Schreibe fingerprint(traits), das hash_text(json.dumps(traits, sort_keys=True)) zurückgibt, und join_by_fingerprint(records), das den fingerprint jedes records auf die Menge der sites abbildet. Dann, für seed=7 und Sams erste 12 Seiten: setze cookie_ids auf die Anzahl der verschiedenen non-None cookie IDs und fingerprints auf die Anzahl der verschiedenen fingerprints, beide aus practice_log(world, pages, read_traits=True, clear_every=3); und setze farbled auf die Anzahl der fingerprints aus practice_log(world, pages, read_traits=True, farble=True).

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.