Anti-Detect ब्राउज़र्स (Multilogin, GoLogin, Dolphin Anty) का पता कैसे लगाएँ
एक तकनीकी गहन विश्लेषण: anti-detect ब्राउज़र्स कैसे काम करते हैं, इन्हें फ्रॉड के लिए क्यों इस्तेमाल किया जाता है, और वे कौन-सी detection तकनीकें हैं जो इन्हें पकड़ लेती हैं।
Anti-detect ब्राउज़र्स एक फ्रॉडस्टर के शस्त्रागार में सबसे परिष्कृत evasion टूल हैं। VPN या proxy chains की तरह जो केवल IP पते छिपाते हैं, anti-detect ब्राउज़र्स पूरी तरह नई डिवाइस पहचान बनाते हैं — canvas, WebGL, फ़ॉन्ट, ऑडियो और दर्जनों अन्य browser fingerprinting signals को spoof करते हुए।
Anti-Detect ब्राउज़र्स क्या हैं?
Anti-detect ब्राउज़र्स संशोधित Chromium (या Firefox) बिल्ड होते हैं जिन्हें इस तरह डिज़ाइन किया जाता है कि हर browser प्रोफ़ाइल एक पूरी तरह अलग डिवाइस के रूप में दिखे। इन्हें उन प्लेटफ़ॉर्म्स पर कई अकाउंट प्रबंधित करने के लिए इस्तेमाल किया जाता है जो एक-व्यक्ति-एक-अकाउंट की नीति लागू करते हैं, कई विज्ञापन अकाउंट्स के ज़रिये ad fraud के लिए, affiliate marketing फ्रॉड के लिए, और बड़े पैमाने पर web scraping के लिए।
इस बाज़ार के तीन प्रमुख खिलाड़ी हैं Multilogin, GoLogin और Dolphin Anty।
Multilogin कैसे काम करता है
Multilogin एंटरप्राइज़-स्तरीय विकल्प है। यह दो कस्टम browser इंजन के साथ आता है: Mimic (Chromium-आधारित) और Stealthfox (Firefox-आधारित)। हर प्रोफ़ाइल को canvas noise, WebGL पैरामीटर, फ़ॉन्ट सूचियों, स्क्रीन रिज़ॉल्यूशन, टाइमज़ोन, भाषा और WebRTC सेटिंग्स का एक अनूठा संयोजन मिलता है।
Multilogin की मुख्य नवाचार deterministic noise injection है। canvas रेंडरिंग में यादृच्छिक noise जोड़ने के बजाय (जो अपने आप में एक पहचानने योग्य पैटर्न है), Multilogin हर प्रोफ़ाइल पर एक सुसंगत रूपांतरण लागू करता है। एक ही प्रोफ़ाइल हमेशा एक ही canvas hash उत्पन्न करती है, जिससे यह भोले fingerprinting सिस्टम को असली डिवाइस जैसी लगती है।
GoLogin कैसे काम करता है
GoLogin अपने Orbita browser के साथ मध्य-बाज़ार को लक्षित करता है। यह Multilogin से अधिक किफ़ायती है और समान spoofing क्षमताएँ प्रदान करता है: canvas, WebGL, फ़ॉन्ट, टाइमज़ोन, geolocation और proxy एकीकरण।
Fingerprint spoofing के प्रति GoLogin का दृष्टिकोण Multilogin की तुलना में कम परिष्कृत है। Canvas noise प्रोफ़ाइलों में अधिक एकसमान रहती है, और कुछ WebGL पैरामीटर संयोजन किसी असली हार्डवेयर से मेल नहीं खाते। इससे detection के अवसर बनते हैं।
Dolphin Anty कैसे काम करता है
Dolphin Anty affiliate marketing क्षेत्र में हावी है। यह टीम सहयोग सुविधाएँ प्रदान करता है — प्रोफ़ाइलें टीम के सदस्यों के बीच साझा की जा सकती हैं, जो सैकड़ों विज्ञापन अकाउंट्स प्रबंधित करने वाली एजेंसियों के लिए उपयोगी है।
Detection तकनीकें
Canvas असंगति विश्लेषण
Anti-detect ब्राउज़र्स canvas आउटपुट को spoof करते हैं, पर यह spoofing सांख्यिकीय विश्लेषण के ज़रिये स्वयं को उजागर कर देती है। असली GPU ऐसा canvas आउटपुट उत्पन्न करते हैं जिसमें सुसंगत sub-pixel रेंडरिंग पैटर्न होते हैं, जो WebGL से घोषित GPU मॉडल से सहसंबंधित रहते हैं। Anti-detect ब्राउज़र्स canvas आउटपुट में noise इंजेक्ट करते हैं, पर वह noise पैटर्न उस चीज़ से मेल नहीं खाता जो कोई असली GPU उत्पन्न करता।
हम पिक्सेल पड़ोसों की Shannon entropy की गणना करते हैं और उसकी तुलना ज्ञात GPU रेंडरिंग प्रोफ़ाइलों से करते हैं। एक असली NVIDIA GeForce RTX 3060 एक विशिष्ट entropy हस्ताक्षर वाला canvas आउटपुट उत्पन्न करता है। Multilogin का Mimic browser noise injection के कारण थोड़ी अधिक entropy वाला canvas आउटपुट उत्पन्न करता है। यह अंतर छोटा है — प्रति पिक्सेल पड़ोस में 0.3 बिट से कम — पर यह लगातार और मापने योग्य है।
WebGL पैरामीटर बेमेल
WebGL, GPU के बारे में विस्तृत जानकारी उजागर करता है: vendor string, renderer string, समर्थित एक्सटेंशन, max texture size और precision formats। Anti-detect ब्राउज़र्स उपयोगकर्ताओं को GPU प्रोफ़ाइल चुनने देते हैं, पर संयोजन हमेशा तर्कसंगत नहीं होते। एक प्रोफ़ाइल जो Intel UHD 630 होने का दावा करती है पर ऐसे max texture size मान रिपोर्ट करती है जिन्हें केवल AMD GPU समर्थन करते हैं, संदिग्ध है। हम पिछले दशक में जारी हर प्रमुख GPU के लिए वैध पैरामीटर संयोजनों का एक डेटाबेस बनाए रखते हैं।
Navigator प्रॉपर्टी असंगतियाँ
navigator ऑब्जेक्ट ऐसी प्रॉपर्टीज़ रिपोर्ट करता है जिन्हें आंतरिक रूप से सुसंगत होना चाहिए। hardwareConcurrency (CPU कोर), deviceMemory, platform और userAgent — सभी को डिवाइस के बारे में एक सुसंगत कहानी बतानी चाहिए। Anti-detect ब्राउज़र्स कभी-कभी असंभव संयोजन बनाते हैं: Linux platform के साथ Windows user agent, या 2 CPU कोर के साथ 32GB मेमोरी। हम 47 cross-property संगति नियमों की जाँच करते हैं।
फ़ॉन्ट रेंडरिंग विसंगतियाँ
फ़ॉन्ट रेंडरिंग OS, फ़ॉन्ट रेंडरिंग इंजन और उपलब्ध फ़ॉन्ट्स द्वारा निर्धारित होती है। Anti-detect ब्राउज़र्स कस्टम फ़ॉन्ट सूचियाँ इंजेक्ट कर सकते हैं, पर वे यह पूरी तरह से दोहरा नहीं सकते कि कोई अलग OS उन फ़ॉन्ट्स को कैसे रेंडर करता है। हम विशिष्ट glyphs रेंडर करते हैं और bounding box आयामों, advance widths और kerning जोड़ियों का विश्लेषण करते हैं। एक Windows मशीन द्वारा रेंडर किया गया टेक्स्ट Mac की तुलना में सूक्ष्म रूप से भिन्न मेट्रिक्स उत्पन्न करता है, भले ही फ़ॉन्ट एक ही हो।
Timing विश्लेषण
Fingerprint spoofing में समय लगता है। हर spoofed API कॉल native निष्पादन की तुलना में एक छोटा पर मापने योग्य overhead जोड़ती है। हम 12 प्रमुख API कॉल्स के निष्पादन समय को मापते हैं और उनकी तुलना दावा किए गए हार्डवेयर की अपेक्षित सीमाओं से करते हैं। एक असली डिवाइस पर canvas.toDataURL() में 2-8ms लगते हैं। noise injection के साथ, इसमें 8-20ms लगते हैं।
Automation फ्रेमवर्क Artifacts
कई anti-detect ब्राउज़र्स अपने automation इंफ्रास्ट्रक्चर के निशान छोड़ जाते हैं। कस्टम Chromium बिल्ड navigator या window ऑब्जेक्ट्स पर गैर-मानक प्रॉपर्टीज़ उजागर कर सकते हैं। हम 200 से अधिक ज्ञात automation artifacts की जाँच करते हैं, जिनमें CDP traces, Puppeteer-विशिष्ट प्रॉपर्टीज़, और GoLogin के Orbita browser द्वारा इंजेक्ट की गई कस्टम प्रॉपर्टीज़ शामिल हैं।
Polymorphic लाभ
स्थिर JavaScript में मौजूद detection लॉजिक reverse-engineering के प्रति संवेदनशील होता है। tracio.ai की polymorphic script इसे हल करती है। हर विज़िटर को अनूठा JavaScript मिलता है — वही जाँचें, पर अलग वेरिएबल नामों, अलग निष्पादन क्रमों, अलग कोड संरचनाओं के साथ। एक anti-detect विक्रेता को हर भिन्नता को reverse-engineer करना पड़ेगा, जो आर्थिक रूप से अव्यवहार्य है।
API प्रतिक्रिया उदाहरण
जब tracio.ai यह निष्कर्ष निकालता है कि कोई विज़िटर fingerprint को स्पूफ़ करने वाला build चला रहा है, तो यह निष्कर्ष आपके सर्वर तक bot ऑब्जेक्ट में पहुँचता है: bot.result में निर्णय आता है, और bot.antidetectScore में Pro तथा उससे ऊपर के प्लान पर 0–100 का कॉन्फ़िडेंस आँकड़ा आता है। bot.type उस एक सबसे प्रबल automation लक्षण का नाम देता है जो उस विज़िट में सक्रिय हुआ, इसलिए उसमें antidetect तभी आता है जब उससे प्रबल कोई लक्षण सक्रिय न हुआ हो — स्पूफ़ करने वाला ऐसा build जो साथ ही कोई सामान्य automation लक्षण भी सक्रिय कर देता है, उसी की सूचना देता है, जबकि antidetect स्कोर ऊँचा बना रहता है। Business तथा उससे ऊपर के प्लान पर reasons array उन श्रेणियों को जोड़ता है जिन्होंने निर्णय को आगे बढ़ाया — fingerprint_tampering, environment_anomaly, anonymous_browser और इसी तरह की अन्य — प्रत्येक के साथ high, medium या low वाला severity, जो इससे तय होता है कि उस विज़िट के निर्णय में उस श्रेणी का कितना हिस्सा रहा।
प्रतिक्रिया में जो आपको नहीं मिलेगा, वह है ब्रांड का नाम। पहचान इस बात पर आधारित है कि स्पूफ़िंग builds को क्या करना ही पड़ता है, न कि इस पर कि उन्हें कौन बनाता है, इसलिए ऐसा कोई फ़ील्ड नहीं है जो "Multilogin" या "Dolphin Anty" बताए — और यह कोई कमी नहीं, बल्कि सोचा-समझा निर्णय है। कोई नया टूल आते ही या मौजूदा टूल का नाम बदलते ही ब्रांड सूची पुरानी पड़ जाती है, जबकि अंतर्निहित संकेतक काम करते रहते हैं। अलग-अलग जाँचों के नाम, उनके वेट और थ्रेशोल्ड भी किसी प्लान पर प्रकाशित नहीं किए जाते; उन्हें प्रकाशित करना ऊपर बताए गए विक्रेताओं को ही evasion का रोडमैप सौंप देना होगा।
अनुशंसाएँ
यदि multi-accounting या affiliate fraud आपके प्लेटफ़ॉर्म के लिए समस्या है:
- साइनअप, लॉगिन और मुख्य conversion घटनाओं पर device fingerprinting लागू करें
- Anti-detect browser detection सक्षम करें
challenge,reviewऔरdenyनिर्णयों को स्वचालित करने के लिए Verdict Engine का उपयोग करें- नई evasion तकनीकों की निगरानी करें — anti-detect परिदृश्य हर महीने विकसित होता है
tracio.ai के मुफ़्त tier से शुरुआत करें यह देखने के लिए कि आपका वर्तमान anti-detect browser ट्रैफ़िक कैसा दिखता है। अधिकांश प्लेटफ़ॉर्म इसकी मात्रा से हैरान रह जाते हैं।