Sehen Sie, was Besucher zu verbergen versuchen.

Wir leiten heute das private Surfen von Safari auf iOS aus Unterschieden im Kontingent der Dateisystem-API und aus Verhaltensvariationen von IndexedDB zwischen normalen und privaten Sitzungen ab. Die allgemeine browserübergreifende Inkognito-Erkennung für Chrome, Firefox und Edge befindet sich in aktiver Entwicklung — verlassen Sie sich für diese Browser noch nicht auf ein allgemeines Inkognito-Flag. Wo ein Signal verfügbar ist, nutzen wir redundante Techniken, damit die Erkennung robust bleibt, während Browser einzelne Vektoren patchen.

Das Manipulationsmodul von Smart Signals markiert Browser, deren Eigenschaften gegenüber den echten Werten verändert wurden. Es validiert navigator.platform gegen die UA-Angaben, prüft die Renderer-Zeichenketten von WebGL gegen die erwarteten GPU-Modelle, gleicht CSS-Media-Queries mit den gemeldeten Bildschirmabmessungen ab und erkennt API-Overrides über Proxy-Objekte. Browser-Manipulation betrifft inzwischen 4.4% der Desktop-Identifizierungen — nahezu eine Verdoppelung im Jahresvergleich.

VMs und Emulatoren hinterlassen subtile, aber messbare Spuren, die sich von physischer Hardware unterscheiden. Smart Signals prüft die Renderer- und Anbieter-Zeichenketten von WebGL auf VM-Marker (VirtualBox, VMware, QEMU), sucht nach emulatorspezifischen Hardware-Profilen und erkennt synthetische Sensordaten — und deckt dabei sowohl Desktop-VMs als auch die im Betrug eingesetzten mobilen Emulatoren ab.

Der Verdachtswert von Smart Signals (0–100) fasst 24 einzelne Smart Signals zu einer einzigen, umsetzbaren Risikozahl zusammen. Jede erkannte Anomalie — VPN-Nutzung, Inkognito-Modus, Browser-Manipulation, Automatisierungsmarker — steuert einen gewichteten Beitrag bei. Die Gewichte werden anhand von gelabelten Betrugsdaten kalibriert. Werte über 70 markieren ein hohes Risiko; unter 30 signalisieren ein geringes Risiko.