Matematika di Balik Pencocokan Perangkat Lintas Sesi

Fingerprinting perangkat menghadapi tantangan mendasar: sinyal berubah. Browser diperbarui, pengguna mengubah pengaturan, font dipasang dan dihapus. Perbandingan yang ketat akan menganggap setiap sinyal yang berubah sebagai perangkat baru, sehingga menghancurkan akurasi identifikasi. Sistem pencocokan lintas sesi kami mengatasi hal ini dengan menggunakan teknik bertenaga AI yang mengukur kemiripan alih-alih menuntut kesamaan yang persis.

Masalahnya: Pergeseran Sinyal

Bayangkan sebuah perangkat yang di-fingerprint kemarin dan kembali hari ini setelah pembaruan browser. String user agent telah berubah. Dua fitur CSS baru kini didukung. Sebuah ekstensi WebGL ditambahkan. Rendering canvas tetap identik (GPU sama, driver sama). Fingerprint audio identik. Parameter WebGL identik kecuali ekstensi baru tersebut.

Dengan pencocokan persis, perangkat ini tidak akan dikenali — fingerprint gabungannya telah berubah. Namun secara intuitif, kita tahu ini adalah perangkat yang sama. Sinyal perangkat kerasnya identik, dan perubahan perangkat lunaknya konsisten dengan pembaruan browser. Sistem pencocokan lintas sesi kami memformalkan intuisi ini.

Perbandingan Berbasis Himpunan untuk Sinyal Fitur

Banyak sinyal browser secara alami direpresentasikan sebagai himpunan: himpunan fitur CSS yang didukung, himpunan font yang tersedia, himpunan ekstensi WebGL. Untuk sinyal-sinyal ini, kami mengukur tumpang tindih menggunakan metrik kemiripan berbasis himpunan. Untuk dua himpunan A dan B, kami menghitung rasio elemen yang sama terhadap total elemen.

Sebuah perangkat dengan 45 fitur CSS kemarin dan 47 hari ini (dengan 44 yang sama) memiliki skor kemiripan tinggi. Ini cukup untuk menandakan perangkat yang sama dengan pembaruan browser. Perangkat yang sama sekali berbeda mungkin hanya berbagi 30 fitur CSS, sehingga menghasilkan skor kemiripan yang jauh lebih rendah. Ambang batas antara "perangkat yang sama" dan "perangkat berbeda" dipelajari dari data berlabel.

Pembangkitan Kandidat yang Efisien

Menghitung kemiripan antara setiap pasang perangkat akan sangat mahal pada skala besar. Sistem pembangkitan kandidat kami menggunakan teknik pengindeksan canggih yang memetakan item serupa ke keranjang pencarian yang sama dengan probabilitas tinggi, memungkinkan kami menemukan kecocokan potensial dalam waktu konstan.

Pendekatan ini menghilangkan 99,9% perbandingan pada tahap pembangkitan kandidat, membuat sistem tetap efisien bahkan pada miliaran profil perangkat.

Analisis Bertenaga AI untuk Sinyal Kompleks

Sebagian sinyal tidak terurai dengan rapi menjadi himpunan. Fingerprint canvas, keluaran pemrosesan audio, dan vektor parameter WebGL adalah data kompleks yang tidak cocok untuk perbandingan himpunan sederhana. Untuk sinyal-sinyal ini, kami menggunakan analisis bertenaga AI yang memetakan profil perangkat ke dalam representasi di mana perangkat yang serupa berdekatan satu sama lain.

Model AI menangkap hubungan tak kasat mata antar sinyal. Misalnya, model belajar bahwa perubahan string renderer WebGL dari satu model GPU ke versi yang sedikit ditingkatkan dari model yang sama merepresentasikan peningkatan GPU pada mesin yang sama, sedangkan perubahan ke vendor GPU yang sama sekali berbeda merepresentasikan perangkat yang berbeda sepenuhnya.

Menggabungkan Teknik-Teknik Tersebut

Sistem produksi kami menggunakan beberapa teknik dalam satu rangkaian bertingkat. Pertama, pembangkitan kandidat yang efisien mengidentifikasi kecocokan potensial. Kedua, perbandingan berbasis himpunan memberikan ukuran tumpang tindih yang presisi untuk sinyal berbasis fitur. Ketiga, analisis bertenaga AI menilai kemiripan sinyal yang bergantung pada perangkat keras. Skor keyakinan akhir adalah kombinasi berbobot dari semua metode, dengan bobot yang disetel pada data berlabel.

Arsitektur bertingkat ini akurat sekaligus efisien. Total waktu pencocokan untuk pengunjung yang kembali rata-rata di bawah 5ms.