课程大纲 第 16 课,共 156 课 · 指纹识别:不用 Cookie 的跟踪
指纹识别:不用 Cookie 的跟踪

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。
轮到你了

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。

发现这节课有问题?报告它 · 就这节课提问

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。