Farbling
Kenapa ini penting Fingerprinting tidak butuh penyimpanan sama sekali, jadi pemisahan dan penghapusan penyimpanan tidak bisa menyentuhnya. Satu pertahanan adalah membuat setiap browser melaporkan nilai yang sama. Yang lainnya, yang kamu bangun di sini, adalah menambahkan sedikit noise pada pembacaan yang paling identik, berbeda di setiap situs. Setiap situs tetap berfungsi, tapi dua situs yang membandingkan catatan akan melihat dua perangkat yang berbeda.
Bayangkan kamu memakai kacamata dengan bingkai yang sedikit berbeda di setiap toko yang kamu kunjungi. Staf di satu toko mengenalimu sepanjang sore, karena bingkai kamu di sana tidak berubah. Tapi jika dua toko membandingkan deskripsi tentang kamu, hasilnya tidak cocok. Besok kamu memilih bingkai baru di mana-mana.
Pembacaan Canvas dan audio: sebuah halaman bisa menggambar gambar tersembunyi atau memutar nada sunyi dan membaca kembali angka tepat yang dihasilkan perangkatmu. Perbedaan kecil antara chip grafis dan tumpukan audio membuat angka ini menjadi sidik jari yang kuat (Tahap 1 mengukurnya).
Farbling: nama yang diberikan Brave untuk menambahkan noise kecil per situs pada pembacaan tersebut. Ini adalah jenis randomisation; pendekatan sebaliknya adalah uniformity, membuat semua orang melaporkan nilai yang sama.
Kunci sesi: nilai acak rahasia yang dipilih browser setiap kali dimulai. Mencampurnya ke dalam noise berarti noise besok akan berbeda dari hari ini.
Brave farbles secara default, mengambil noise dari secret per-sesi dan situs tempat kamu berada, dan engine Floati menggunakan jenis randomisasi yang sama (dicek Oktober 2026).
Apa yang dibaca dunia praktik
Halaman di dunia latihan bisa membaca dua daftar angka dari page.traits: canvas_pixels (24 nilai) dan audio_samples (12 nilai), masing-masing antara 0 dan 255. Sebuah script fingerprint melakukan hashing semua sifat Sam, termasuk kedua daftar ini, menjadi satu ID.
Tiga aturan noise yang bagus
- Berbeda tiap situs. Noise harus tergantung pada situs tingkat atas, jadi ShopA dan ShopB dapat pembacaan dan fingerprint IDs yang berbeda.
- Stabil dalam satu situs dan sesi. Situs yang sama harus mendapatkan noise yang sama di setiap pemuatan halaman, atau fitur miliknya sendiri (seperti "apakah ini perangkat yang kamu gunakan untuk masuk?") mulai gagal.
- Small. Setiap nilai maksimal bergerak 1. Toko yang menarik bagan memeriksa apakah pikselnya berada dalam jarak 2 dari yang diharapkan; jika noise lebih dari itu, bagan akan terlihat rusak.
Noise yang bisa kamu ulangi: generator random dengan seed
Modul random Python bisa membuat generator dari seed. Seed yang sama selalu memberikan urutan angka "acak" yang sama, yang mana itu tepatnya aturan 2. Buat seed dari session key dan site, dan kamu dapat aturan 1 secara 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 numbersrng.choice(list) memilih satu item. Untuk menjaga nilai tetap di dalam 0 sampai 255 setelah menambah noise, lakukan clamp: min(255, max(0, value)). max(0, v) menaikkan apa pun di bawah 0 ke 0, dan min(255, ...) menarik apa pun di atas 255 ke bawah.
Jangan masukkan alamat lengkap halaman ke dalam seed. Nanti setiap halaman dari toko yang sama bakal dapat noise yang berbeda, dan itu melanggar aturan 2. Dan jangan pernah pakai hash() milik Python untuk ini: itu berubah setiap kali Python dijalankan.
Cara kamu tahu kalau ini berhasil
run_farbling(farble) memuat setiap toko dua kali di masing-masing dari dua sesi, dengan fungsi kamu mengubah pembacaan, dan melaporkan:
"linked_pairs": pasangan toko yang bisa diikuti oleh fingerprint tracker (mau 0)"broken": toko yang bagannya salah (tidak mau ada)"unstable": toko yang membaca nilai berbeda pada dua muatan dalam satu sesi (ingin tidak ada)"linked_sessions": toko yang dikenali pelacak lagi di sesi berikutnya (tidak mau ada)
Batas yang jujur
Noise cuma bisa ngalahin tracker yang butuh kecocokan persis. Script yang gigih bisa nyoba ngerata-rata pembacaan atau membulatkannya, makanya engine asli juga membatasi seberapa presisi beberapa pembacaan bisa diambil, dan bikin ciri lain jadi seragam (lab "Defeat fingerprinting" di Tahap 2). Farbling cuma satu lapisan, bukan seluruh dinding.
Coba sendiri Kalau kamu punya Brave, buka halaman tes fingerprint di dua situs berbeda, atau di dua sesi, dan bandingkan nilai canvasnya: nilainya berubah. Di browser apa pun, buka DevTools dan tekan Ctrl+Shift+F (Cmd+Option+F di Mac) untuk mencari setiap script yang dimuat halaman untuk toDataURL atau getImageData, dua cara umum script membaca kembali canvas.
Di bahasa lain
Noise dengan seed di JavaScript. Math.random JavaScript tidak bisa diberi seed, jadi engine menggunakan generator kecil milik mereka sendiri, yang diberi seed dari hash kunci sesi dan situs:
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, menggunakan crate rand dengan 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()
}Ringkasan
- Farbling menambahkan noise kecil ke pembacaan identifikasi, berbeda untuk setiap situs dan setiap sesi.
- A seeded random generator membuat noise bisa diulang: beri seed dengan session key dan site.
- Jaga agar tetap kecil dan stabil, atau fitur situsnya akan rusak.
- Ini bisa mengelabui fingerprinting pencocokan tepat; mesin asli melapisinya dengan nilai seragam dan batasan.
Tulis farble(values, top_site, session_key). Ini mengembalikan new dengan panjang yang sama dengan values, tanpa mengubah values. Buat generator dengan random.Random(session_key + "|" + top_site), tambahkan rng.choice([-1, 0, 1]) ke setiap nilai, dan batasi setiap hasil ke 0 sampai 255. Lalu atur report = run_farbling(farble) dan cetak hasilnya.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.