Temario Lección 123 de 156 · Construir las defensas
Construir las defensas

Farbling

Por qué importa Las huellas digitales no necesitan ningún almacenamiento, así que la partición y el borrado del almacenamiento no pueden tocarlas. Una defensa es hacer que todos los navegadores informen de los mismos valores. Otra, que construyes aquí, es añadir una cantidad diminuta de ruido a las lecturas que más identifican, distinta en cada sitio. Cada sitio sigue funcionando, pero dos sitios que comparan notas ven dos dispositivos distintos.

Imagina que llevas gafas con una montura ligeramente distinta en cada tienda que visitas. El personal de una tienda te reconoce toda la tarde, porque allí tu montura no cambia. Pero si dos tiendas comparan sus descripciones de ti, no coinciden. Mañana eliges monturas nuevas en todas partes.

Lecturas de canvas y de audio: una página puede dibujar una imagen oculta o reproducir un tono silencioso y leer los números exactos que produjo tu dispositivo. Las diferencias diminutas entre chips gráficos y sistemas de audio convierten estos números en una huella digital muy fuerte (la etapa 1 los midió).

Farbling: el nombre que dio Brave a añadir un ruido pequeño, distinto en cada sitio, a esas lecturas. Es un tipo de aleatorización; el enfoque contrario es la uniformidad, hacer que todo el mundo informe del mismo valor.

Clave de sesión: un valor aleatorio secreto que el navegador elige cada vez que arranca. Mezclarlo en el ruido hace que el ruido de mañana sea distinto del de hoy.

Brave aplica farbling por defecto, y saca su ruido de un secreto de cada sesión y del sitio en el que estás, y el motor de Floati usa el mismo tipo de aleatorización (comprobado en octubre de 2026).

Lo que lee el mundo de práctica

Las páginas del mundo de práctica pueden leer dos listas de números de page.traits: canvas_pixels (24 valores) y audio_samples (12 valores), cada uno entre 0 y 255. Un script de huellas digitales calcula un hash de todos los rasgos de Sam, incluidas estas dos listas, para obtener un ID.

Las tres reglas de un buen ruido

  1. Distinto en cada sitio. El ruido tiene que depender del sitio de nivel superior, para que ShopA y ShopB reciban lecturas distintas y ID de huella distintos.
  2. Estable dentro de un sitio y una sesión. El mismo sitio debe recibir el mismo ruido en cada carga de página, o sus propias funciones (como "¿es este el dispositivo desde el que iniciaste sesión?") empezarán a fallar.
  3. Pequeño. Cada valor puede moverse como mucho 1. Una tienda que dibuja un gráfico comprueba que sus píxeles están a 2 o menos de lo que espera; con más ruido, el gráfico se ve roto.

Ruido que puedes repetir: un generador aleatorio con semilla

El módulo random de Python puede crear un generador a partir de una semilla. La misma semilla siempre da la misma secuencia de números "aleatorios", que es justo la regla 2. Construye la semilla con la clave de sesión y el sitio, y la regla 1 te sale gratis:

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 numbers

rng.choice(list) elige un elemento. Para mantener un valor entre 0 y 255 después de añadir ruido, recórtalo: min(255, max(0, value)). max(0, v) sube a 0 cualquier cosa por debajo de 0, y min(255, ...) baja cualquier cosa por encima de 255.

No pongas la dirección completa de la página en la semilla. Si lo haces, cada página de la misma tienda recibiría un ruido distinto, y se rompería la regla 2. Y nunca uses para esto el propio hash() de Python: cambia cada vez que arranca Python.

Cómo sabrás que funcionó

run_farbling(farble) carga cada tienda dos veces en cada una de dos sesiones, con tu función cambiando las lecturas, e informa de:

  • "linked_pairs": los pares de tiendas que el rastreador de huellas pudo unir (quieres 0)
  • "broken": las tiendas cuyo gráfico salió mal (quieres ninguna)
  • "unstable": las tiendas que leyeron valores distintos en dos cargas de una misma sesión (quieres ninguna)
  • "linked_sessions": las tiendas que el rastreador volvió a reconocer en la sesión siguiente (quieres ninguna)

Un límite honesto

El ruido solo derrota a los rastreadores que necesitan una coincidencia exacta. Un script empeñado podría intentar promediar las lecturas o eliminar el ruido redondeando, y por eso los motores reales también limitan la precisión con la que se pueden tomar algunas lecturas, y hacen uniformes otros rasgos (el laboratorio "Derrotar las huellas digitales" de la etapa 2). El farbling es una capa, no todo el muro.

Pruébalo Si tienes Brave, abre una página de prueba de huellas digitales en dos sitios distintos, o en dos sesiones, y compara los valores del canvas: cambian. En cualquier navegador, abre DevTools y pulsa Ctrl+Shift+F (Cmd+Option+F en un Mac) para buscar en todos los scripts que cargó la página toDataURL o getImageData, dos formas habituales de que un script lea el canvas.

En otros lenguajes

Ruido con semilla en JavaScript. El Math.random de JavaScript no admite semilla, así que los motores usan un pequeño generador propio, con una semilla sacada de un hash de la clave de sesión y del sitio:

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, usando el crate rand con una semilla:

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()
}

Resumen

  • El farbling añade un ruido diminuto a las lecturas que identifican, distinto en cada sitio y en cada sesión.
  • Un generador aleatorio con semilla hace que el ruido se pueda repetir: dale como semilla la clave de sesión y el sitio.
  • Mantenlo pequeño y estable, o se romperán las propias funciones de los sitios.
  • Derrota las huellas digitales de coincidencia exacta; los motores reales lo combinan con valores uniformes y límites.
Tu turno

Escribe farble(values, top_site, session_key). Devuelve una lista nueva de la misma longitud que values, sin cambiar values. Crea un generador con random.Random(session_key + "|" + top_site), suma rng.choice([-1, 0, 1]) a cada valor y recorta cada resultado entre 0 y 255. Luego asigna report = run_farbling(farble) e imprímelo.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.