Hoe Tracio
99,5% nauwkeurigheid bereikt
Een volledige technische ontleding van de architectuur, signalen en gedragsanalyse achter elke identificatie. Geschreven voor CTO's en engineers die precies willen begrijpen wat ze integreren.
HET PROBLEEM
Waarom gratis oplossingen falen
Open-source fingerprintingbibliotheken hebben een fundamenteel gebrek: zodra de code openbaar is, kunnen aanvallers precies lezen wat je meet — en het vervalsen.
Voorspelbare algoritmen
Wanneer broncode openbaar is, weten aanvallers welke browserparameters je verzamelt — en welke niet. Speciale browserextensies misbruiken dit om in milliseconden nep-fingerprints te genereren.
Open source = open aanvalsoppervlakLage nauwkeurigheid (~60%)
Gratis bibliotheken verzamelen 15–25 browserparameters. Commerciële anti-detectbrowsers spoofen ze allemaal. Mobiele devices delen de meeste parameters met miljoenen gebruikers.
60–70% versus onze 99,5%Geen server-validatie
Alleen client-side — de aanvaller beheert de uitvoeringsomgeving. Het resultaat kan worden onderschept en vervangen voordat het je server bereikt. Je vertrouwt erop dat een bot je vertelt dat het geen bot is.
Client-side = onbetrouwbaarARCHITECTUUR
Vier lagen die het onbreekbaar maken
Gesloten, dynamische code
In tegenstelling tot open-source bibliotheken wordt de agentcode van Tracio dynamisch gegenereerd. De verzamelde signalen, de hash-algoritmen en de obfuscatiepatronen rouleren regelmatig — waardoor reverse-engineering praktisch nutteloos wordt. Wat een aanvaller vandaag leert, is morgen achterhaald.
Code rouleert elke paar uur300+ device-signalen
Canvas-fingerprint, WebGL-renderer, audiosubsysteem, CPU-cores, geheugendruk, lettertypemetriek, tijdzone-afwijkingen, fysica van schermoriëntatie — plus tientallen eigen signalen die we niet openbaar documenteren. De combinatie levert een identificator op die stabiel blijft bij incognito, het wissen van cookies en browserupdates.
99,5% identificatienauwkeurigheidServer-side validatie
Elk identificatieverzoek wordt cryptografisch ondertekend en gevalideerd op onze servers. De client-side agent kan niet worden vervangen of gespooft — kruiscontroles detecteren interne inconsistenties die geen enkele aanvaller kan vervalsen zonder toegang tot de privésleutels van Tracio.
Nul-clientvertrouwenmodelContinu bijgewerkt dreigingsmodel
Ons detectieonderzoek staat nooit stil. Nieuwe automatiseringsframeworks, nieuwe releases van anti-detectbrowsers, opkomende proxy- en datacenterbereiken — elk daarvan wordt geanalyseerd en als detectie-update naar elke workspace uitgerold, zodat je ook beschermd bent tegen aanvallen die je nog niet hebt gezien. Wat privé blijft, is je data: bezoekers-ID's gelden alleen binnen je eigen workspace, en hetzelfde apparaat dat twee Tracio-klanten bezoekt, levert twee verschillende ID's op.
Gedeelde verdediging, geïsoleerde dataGEDRAGSANALYSE
De laag die bots niet kunnen vervalsen
Een fingerprint kan worden gespooft. Een cookie kan worden verwijderd. Maar de manier waarop een menselijke hand een muis beweegt — bepaald door neuromusculaire fysica — kan door geen enkel script of algoritme worden nagebootst.
- ›Bewegingssnelheid en -variantie
- ›Richtingsveranderingen per 100 px
- ›Neuromusculaire jitter (±1–3 px)
- ›Trajectkromming (wet van Fitts)
- ›Versnellings- en vertragingsprofiel
- ›Duur van toetsaanslag (dwell time)
- ›Vluchttijd tussen toetsen
- ›Bigram-timingmatrix
- ›Toetsoverlap (rollover)
- ›Foutcorrectiepatronen
- ›Variantie in scrollsnelheid
- ›Frequentie van richtingsveranderingen
- ›Correlatie met leespauzes
- ›Fysica van scrollmomentum
- ›Analyse van omhoog-/omlaagverhouding
API-RESPONS
Elke respons in detail
Eén event bevat alles: een stabiel bezoekers-ID, een botscore, een beslissing met bijbehorende risicoscore en een identificatiebetrouwbaarheid. Gebruik zoveel of zo weinig als je use case vereist.
visitorIdStabiel bij incognito, het wissen van cookies en browserupdates. Blijft behouden bij VPN-wisselingen en IP-wijzigingen.
bot.scoreNumerieke score van 0–100, altijd aanwezig. Ernaast staat bot.result, het client-veilige automatiseringslabel.
decision.actionHet beslissingslabel voor het bezoek, geleverd met decision.riskScore op dezelfde schaal van 0–100.
identification.confidenceZekerheid van 0,0–1,0. Lage betrouwbaarheid = verzamel meer signalen of leg voor aan handmatige beoordeling.
Zie het in actie
Begin gratis en integreer in minder dan 5 minuten. Of boek een demo, dan lopen we je specifieke use case door met echte data uit je verkeer.
14 dagen gratis proefperiode · Volledige platformtoegang · Integratie in 5 minuten