测量你的指纹
为什么重要 在你亲眼看到一群人缩小到一个人之前,指纹识别听起来很抽象。在这个实验里,你将测量每个特征有多独特,然后看到把它们组合起来能多快地把一个人单独认出来。你在这里做的任何事情都不会离开这个页面:人群是编造的,代码在你自己的浏览器里运行。
脚本能测量的特征
下面是指纹识别脚本读取的主要特征,用直白的话来说(2026 年 10 月核实;具体细节因浏览器而异):
- Canvas:页面偷偷地画一些文字和图形,然后读回像素。你的显卡、驱动程序和字体会让结果产生微小的差异,所以这幅图会变成一个像
7d2a这样的代码。 - 字体:页面测量一个单词在许多字体名称下有多宽。如果宽度变了,说明那种字体已经安装。一位装了 300 种字体的设计师,和一台全新的笔记本电脑看起来大不相同。
- 屏幕:宽度、高度、色深和像素密度。
- 时区和语言:你的电脑被设置成什么,比如
Europe/London和en-GB。 - GPU:显卡。通过一项叫作 WebGL 的绘图功能,许多浏览器会告诉页面一个型号名称。
- 音频:页面在不播放的情况下处理一段短短的声音。结果中微小的数值差异取决于你的硬件和软件。
试一试 你可以自己读出其中几个,而且不会有任何东西被发送出去。在 Chrome、Edge 或 Firefox 里按 F12(在 Mac 上按 Cmd+Option+I;在 Safari 里,先在“设置”的“高级”中打开“开发”菜单),然后打开 Console 标签页。输入每一行并按回车:
Intl.DateTimeFormat().resolvedOptions().timeZone
navigator.language
screen.width + "x" + screen.height
navigator.hardwareConcurrency每个答案都是一个特征。你访问的每个网站都能问同样的问题。
刚接触代码?先读这里
这个实验用到一点 Python。你只需要四个概念,而且代码大部分都已经替你写好了:
- 字典是一组带标签的值,就像一张表格:
{"timezone": "Europe/London", "screen": "1920x1080"}。person["timezone"]读取标签为 timezone 的值。 - 列表是方括号里的一排东西。我们的
crowd是一个由字典组成的列表,每位访客一个。 - for 循环,
for person in crowd:,为每位访客运行一次缩进的那几行。 - if 只在一个测试为真时运行它缩进的那几行。
==表示“等于”,!=表示“不等于”。
在 Python 里计数看起来是这样的。这就是你将使用的模式:
count = 0
for person in crowd:
if person["screen"] == "1366x768":
count = count + 1
print(count)你会看到什么
每个特征单独都由好几个人共享:一半的人在伦敦。但每多一个特征,就会去掉所有在这个特征上不同的人。到第四个特征时,就只剩下你了。在一个数百万人的真实人群里,同样的事情也会发生,只是需要更多的特征。
用其他语言实现
用 JavaScript 进行同样的计数,真正的指纹识别脚本就是用这种语言写的:
function countMatching(crowd, visitor, traits) {
let count = 0;
for (const person of crowd) {
if (traits.every(t => person[t] === visitor[t])) count++;
}
return count;
}以及用 Go:
func countMatching(crowd []map[string]string, visitor map[string]string, traits []string) int {
count := 0
for _, person := range crowd {
same := true
for _, t := range traits {
if person[t] != visitor[t] {
same = false
}
}
if same {
count++
}
}
return count
}回顾
- Canvas、字体、屏幕、时区、语言、GPU 和音频都可以被页面脚本读取。
- 每个特征单独都由许多人共享;计数能显示有多少人。
- 要求在每个特征上都匹配,会让人群迅速缩小,常常缩到只剩一个人。
- 这里的一切都是合成的,并且留在页面里。
补全两个函数。count_same(crowd, trait, value) 返回 crowd 中有多少位访客在那个 trait 上的值是 value。count_matching(crowd, visitor, traits) 返回有多少位访客在列表 traits 中的每一个特征上都和 visitor 匹配(如果列表为空,每个人都匹配)。底部的打印已经写好了:按 Run,看着人群缩小到 1。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。