指紋のトラッカー
なぜ大切か Cookie を消すと、新しく始められた気がします。このラボでは AdCo 自身のログで、なぜそうでないことが多いのかを示します。ブラウザは特徴だけで見分けられることがあるのです。それを壊す防御も示します。
リストバンドが読めなくても、人はあなたを描写できます。背が高い、赤いコート、緑のリュック、少し足を引きずって歩く。どの細部もありふれていますが、合わせるとひとりの人を指します。ブラウザも同じように描写できます。
ブラウザの指紋:多くの小さなブラウザの細部(画面の大きさ、タイムゾーン、フォント、グラフィックのチップがテスト画像をどう描くか)の要約で、合わせると、Cookie なしでも、しばしばひとつのブラウザを特定します。
このラボでは、AdCo のスクリプトが Sam のブラウザの特徴も読み(read_traits=True でオンにします)、Sam は 3 ページごとに Cookie とサイトのストレージを消す(clear_every=3)ので、AdCo はそのたびに新しい Cookie の ID を配らなければなりません。各記録には今、traits の辞書があります。
特徴をひとつの短いラベルに変える
特徴を簡単に比べるため、辞書全体をひとつの短いラベル、ハッシュ に変えます。同じ特徴からは常に同じハッシュが出て、特徴をひとつ変えるとハッシュはまったく変わります。
ハッシュ:どんなテキストも短いコード(ここでは数)に変える関数です。同じ入力なら同じコード、違う入力ならまったく違うコード。コースは hash_text(text) を用意しています。
落とし穴がひとつあります。辞書は同じキーを違う順で並べることがあります。json.dumps(traits, sort_keys=True) はキーをアルファベット順に書くので、同じ特徴はハッシュの前に常に同じテキストになります。
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異なる 値がいくつあるかを数えるには、それを集合に入れて長さを取ります。中にループを持つ波かっこは集合を作ります(集合内包表記):
ids = ["a", "b", "a", None]
print(len({i for i in ids if i is not None})) # 2防御:ファーブリング
Brave や Floati を含む一部のブラウザは、いくつかの特徴に、サイトごとに違う、ごく小さな無害な変化を加えます(2026 年 10 月確認)。ページはまだ動きますが、ShopA で作ったラベルはもう ShopB で作ったものと一致しません。それも farble=True で測ります。もうひとつの主な防御、すべてのブラウザを同じに見せること(均一化)は、レッスン 50 で自分で試すものです。
ファーブリング:指紋になりうる特徴に、サイトごとの小さな雑音を加え、各サイトに少し違うブラウザが見えるようにすることです。
ほかの言語では
JavaScript で、キーを並べ替えてから Web Crypto API で SHA-256 のハッシュを取る:
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 はすでにマップのキーを並べ替えた順で書くので、テキストは安定しています:
text, _ := json.Marshal(traits) // traits is a map[string]any
sum := sha256.Sum256(text)
label := hex.EncodeToString(sum[:8])まとめ
- 多くの小さな特徴が合わさると、Cookie なしでもブラウザを特定できます。
- ハッシュの前にキーを並べ替えると、ラベルが安定します。
- Cookie を消しても Sam は隠れませんでしたが、ファーブリングでは隠れました。
hash_text(json.dumps(traits, sort_keys=True)) を返す fingerprint(traits) と、各記録の指紋をサイトの集合に対応づける join_by_fingerprint(records) を書いてください。それから seed=7 と Sam の最初の 12 ページについて、practice_log(world, pages, read_traits=True, clear_every=3) から、cookie_ids に None でない異なる Cookie の ID の数を、fingerprints に異なる指紋の数を設定します。そして farbled に practice_log(world, pages, read_traits=True, farble=True) からの指紋の数を設定します。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。