पाठ्यक्रम 156 में से पाठ 42 · एक tracker के अंदर (अभ्यास दुनिया में)
एक tracker के अंदर (अभ्यास दुनिया में)

एक fingerprint tracker

यह क्यों मायने रखता है Cookies साफ़ करना नए सिरे से शुरू करने जैसा लगता है। यह lab AdCo के अपने log से दिखाता है कि अक्सर ऐसा क्यों नहीं होता: एक ब्राउज़र को अकेले उसके गुणों से पहचाना जा सकता है। यह वह बचाव भी दिखाता है जो इसे तोड़ता है।

अगर कोई आपका wristband नहीं पढ़ सकता, तो वह फिर भी आपका वर्णन कर सकता है: लंबा, लाल कोट, हरा backpack, लंगड़ाकर चलता है। हर विवरण आम है, पर साथ में वे एक व्यक्ति की ओर इशारा करते हैं। एक ब्राउज़र का वर्णन भी ऐसे ही किया जा सकता है।

Browser fingerprint: कई छोटे ब्राउज़र विवरणों (screen आकार, time zone, fonts, graphics chip एक test तस्वीर कैसे बनाता है) का एक सार जो साथ में अक्सर एक ब्राउज़र को पहचानता है, बिल्कुल बिना cookie के।

इस lab में AdCo की script Sam के ब्राउज़र गुण भी पढ़ती है (आप इसे read_traits=True से चालू करते हैं), और Sam हर 3 पन्नों पर अपनी cookies और site storage साफ़ करता है (clear_every=3), इसलिए AdCo को हर बार एक नई cookie ID देनी पड़ती है। हर record में अब एक traits dict है।

गुणों को एक छोटे label में बदलना

गुणों की आसानी से तुलना करने के लिए, आप पूरे dict को एक छोटे label, एक hash, में बदलते हैं। एक जैसे गुण हमेशा एक जैसा hash देते हैं; एक गुण बदलें और hash पूरी तरह बदल जाता है।

Hash: एक function जो किसी भी टेक्स्ट को एक छोटे code (यहाँ, एक संख्या) में बदलता है। एक जैसा input, एक जैसा code; अलग input, बहुत अलग code। कोर्स hash_text(text) देता है।

एक जाल है: एक dict वही keys अलग क्रम में सूचीबद्ध कर सकता है। json.dumps(traits, sort_keys=True) keys को वर्णक्रम में लिखता है, इसलिए hash से पहले एक जैसे गुण हमेशा एक जैसा टेक्स्ट बनते हैं।

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

यह गिनने के लिए कि कितने अलग मान हैं, उन्हें एक set में रखें और उसकी लंबाई लें। अंदर एक loop वाले घुमावदार कोष्ठक एक set बनाते हैं (एक set comprehension):

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

बचाव: farbling

Brave और Floati समेत कुछ ब्राउज़र कुछ गुणों में छोटे, हानिरहित बदलाव जोड़ते हैं, हर साइट के लिए अलग (अक्टूबर 2026 में जाँचा)। पन्ने फिर भी काम करते हैं, पर ShopA पर बना label अब ShopB पर बने से मेल नहीं खाता। आप इसे भी farble=True से मापेंगे। दूसरा मुख्य बचाव, हर ब्राउज़र को एक जैसा दिखाना (uniformity), वह है जिसे आप पाठ 50 में ख़ुद आज़माते हैं।

Farbling: fingerprint लायक गुणों में हर साइट के लिए छोटा शोर जोड़ना, ताकि हर साइट एक थोड़ा अलग ब्राउज़र देखे।

दूसरी भाषाओं में

JavaScript, sorted keys फिर Web Crypto API से एक SHA-256 hash:

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 पहले से map keys को sorted क्रम में लिखता है, इसलिए टेक्स्ट स्थिर है:

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

सार

  • कई छोटे गुण साथ में एक ब्राउज़र को पहचान सकते हैं, बिल्कुल बिना cookie के।
  • hash से पहले keys sort करना label को स्थिर बनाता है।
  • cookies साफ़ करने से Sam नहीं छिपा; farbling से छिपा।
आपकी बारी

fingerprint(traits) लिखें जो hash_text(json.dumps(traits, sort_keys=True)) लौटाए, और join_by_fingerprint(records) जो हर record के fingerprint को साइटों के set से जोड़े। फिर seed=7 और Sam के पहले 12 पन्नों के लिए: cookie_ids को अलग non-None cookie IDs की संख्या पर और fingerprints को अलग fingerprints की संख्या पर सेट करें, दोनों practice_log(world, pages, read_traits=True, clear_every=3) से; और farbled को practice_log(world, pages, read_traits=True, farble=True) के fingerprints की संख्या पर सेट करें।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।