Encontre os rastreadores escondidos
Por que isso importa Os rastreadores que mais preocupam os pesquisadores são os que se escondem: atrás do nome do seu próprio site, dentro de um redirecionamento que você nunca percebe ou em um script que nunca define cookie nenhum. Uma contagem simples de terceiros os perde. Este laboratório encontra três tipos nos dados do seu crawl.
Pense em uma loja em que o segurança usa o uniforme da própria loja, mas na verdade é contratado por outra pessoa. Um visitante contando "funcionários de fora" nunca o perceberia. Os rastreadores escondidos funcionam assim.
1. Disfarce por CNAME
DNS: a agenda de endereços da internet: ele transforma um nome como m.calmriver.example no endereço de um computador.
CNAME: um registro de DNS que diz "este nome na verdade é outro nome". m.calmriver.example pode ser um CNAME para c.cloakco.example, então a requisição parece de primeira parte, mas chega a um rastreador.
Disfarce por CNAME: um rastreador escondido atrás de um subdomínio do próprio site por meio de um CNAME, para que as listas de bloqueio e as regras de cookies de terceiros vejam um nome de primeira parte.
Nos registros do crawl, cada requisição tem cname: para onde o DNS diz que o host realmente aponta, ou None. Uma requisição disfarçada tem um host no próprio site da página e um CNAME em um rastreador da lista. Cuidado: muitos sites apontam subdomínios para uma rede de distribuição de conteúdo como edge.cdn.example. Isso é normal, então confira o site do CNAME contra TRACKER_LIST.
O Safari limita a 7 dias os cookies definidos por respostas disfarçadas por CNAME, e o Firefox deixa as extensões de bloqueio consultarem os CNAMEs para desfazer o disfarce; as extensões do Chrome não conseguem fazer essa consulta (verificado em outubro de 2026).
2. Cadeias de redirecionamento
Quando você clica em um link, ele pode passar pelo redirecionamento de um rastreador no caminho, deixando-o definir ou ler o próprio cookie de primeira parte. Você conheceu o rastreamento por redirecionamento na Etapa 6; aqui você o conta em escala. Cada registro tem click_chain: as URLs por onde o crawler passou depois de clicar no primeiro link de saída da página. Um salto do meio é um redirecionamento de rastreamento se o site dele for diferente tanto do site de partida quanto do site final. Um site que redireciona pela própria página /out não é um redirecionamento de rastreamento.
3. Scripts de impressão digital
Um crawler instrumentado registra quais recursos do navegador cada script usou, em scripts. Seguindo a abordagem de estudos publicados, um script é suspeito quando ao mesmo tempo lê de volta um desenho ou um som (CANVAS_READS) e lê pelo menos 4 características diferentes do dispositivo (TRAIT_APIS). Um app de desenho que só exporta sua imagem usa o canvas, mas lê poucas características, então não conta.
from watched.leg7b_web import CANVAS_READS, TRAIT_APIS
apis = ["canvas.toDataURL", "navigator.userAgent", "screen.width",
"navigator.languages", "Intl.timeZone"]
reads_canvas = any(a in CANVAS_READS for a in apis)
traits = {a for a in apis if a in TRAIT_APIS} # a set: each trait once
print(reads_canvas, len(traits)) # True 4Fique de olho em impressão digital servida pelo próprio host do site. Nenhuma lista de terceiros a pegaria; só o comportamento pega.
Um equívoco comum: "se meu bloqueador mostra zero rastreadores de terceiros, nada me rastreia." Rastreadores disfarçados, de redirecionamento e de impressão digital de primeira parte escapam todos de uma lista de nomes de terceiros. Verificações baseadas em comportamento, como as que você escreve aqui, são como navegadores e pesquisadores os encontram.
Em outras linguagens
A regra de impressão digital em JavaScript e em PHP:
// JavaScript
function isFingerprinting(apis) {
const readsCanvas = apis.some(a => CANVAS_READS.includes(a));
const traits = new Set(apis.filter(a => TRAIT_APIS.includes(a)));
return readsCanvas && traits.size >= 4;
}// PHP
function is_fingerprinting(array $apis): bool {
$reads = count(array_intersect($apis, CANVAS_READS)) > 0;
$traits = count(array_unique(array_intersect($apis, TRAIT_APIS)));
return $reads && $traits >= 4;
}Resumo
- O disfarce por CNAME esconde um rastreador atrás do próprio subdomínio do site; confira para onde o CNAME realmente aponta.
- Um redirecionamento de rastreamento é um salto em um site que não é nem onde você começou nem onde terminou.
- A impressão digital aparece no comportamento: uma leitura de canvas ou de áudio mais muitas características do dispositivo.
- O comportamento encontra o que as listas de nomes perdem, inclusive a impressão digital de primeira parte.
Escreva cinco funções sobre os registros do crawl:
cloaked_hosts(load, tracker_list): a lista ordenada dos hosts de requisição distintos no próprio site da página cujocnameestá definido e cujo site do CNAME está emtracker_list.bounce_hops(load): a partir deload["click_chain"], os sites dos saltos do meio que são diferentes tanto do site da primeira URL quanto do da última (uma lista vazia se a cadeia tiver menos de 3).is_fingerprinting(apis): verdadeiro se alguma API estiver emCANVAS_READSe pelo menos 4 APIs diferentes estiverem emTRAIT_APIS.fingerprinting_scripts(load): as URLs dos scripts emload["scripts"]que passam nesse teste.hidden_report(loads, tracker_list): um dict que conta os sites com cada tipo:"cname_cloaking","bounce","fingerprinting"e"first_party_fingerprinting"(um script de impressão digital no próprio site da página).
report para o crawl completo. Os testes também fazem o crawl de outras webs simuladas.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.