Chrome Privacy Sandbox: Vad det betyder för enhetsfingeravtryck
Chrome begränsar userAgent, Client Hints och tredjepartscookies. Så bibehåller tracio.ai 99,5 % träffsäkerhet trots dessa begränsningar.
Googles Privacy Sandbox är den mest betydande förändringen av webbläsarfingeravtryck sedan introduktionen av Canvas API. Under de senaste två åren har Chrome successivt minskat informationen som är tillgänglig via navigator-API:er, infört User-Agent Client Hints som ersättning för user agent-strängen och håller på att helt ta bort tredjepartscookies.
För leverantörer av enhetsfingeravtryck är detta både en utmaning och en möjlighet. Utmaningen är uppenbar: färre signaler innebär mindre identifieringskraft. Möjligheten är att de leverantörer som anpassar sig får en betydande konkurrensfördel gentemot dem som förlitade sig på de nu begränsade signalerna.
Vad som ändrades
Den mest genomgripande förändringen är reduceringen av strängen navigator.userAgent. Chrome returnerar nu en "reducerad" user agent som utelämnar OS-version, enhetsmodell och fullständig webbläsarversion. I stället är denna information tillgänglig via User-Agent Client Hints — men bara när den uttryckligen begärs via Accept-CH-headern och under förutsättning att behörighetspolicyer tillåter det.
För tracio.ai var user agenten aldrig en särskilt särskiljande signal. Den bidrog med begränsad särskiljningsförmåga till vårt fingeravtryck, och dess värde sjönk i takt med att Chrome, Edge och Brave konvergerade mot liknande format. Vår flerlagrade identifieringsarkitektur kategoriserade redan user agent-data som en signal på "sessionsnivå" — användbar för den initiala identifieringen men inte avgörande för persistens mellan sessioner.
Vår anpassningsstrategi
tracio.ais svar på Privacy Sandbox är tredelat. För det första flyttade vi fokus mot signaler på hårdvarunivå som Chrome inte kan begränsa utan att bryta webbkompatibiliteten: canvas-rendering, WebGL-shaderprecision, egenskaper hos ljudbearbetning och GPU-parametrar. Dessa signaler verkar på en nivå under webbläsarens integritetskontroller — de beror på fysisk hårdvara, inte på webbläsarkonfiguration.
För det andra investerade vi i ML-baserad signalkombination. När enskilda signaler blir mindre särskiljande kan kombinationen av många signaler ändå ge ett mycket unikt fingeravtryck. Vår AI-drivna modell lär sig signalkorrelationer som enkel sammanfogning missar. En specifik kombination av skärmupplösning + enhetens pixelförhållande + hårdvaruparallellitet + GPU-renderare + ljudsamplingsfrekvens kan vara nästan lika unik som enbart ett canvas-fingeravtryck.
För det tredje utökade vi vår signalkatalog bortom traditionella webbläsar-API:er. CSS-funktionsfrågor, mått på typsnittsrendering, timingegenskaper i JavaScript-motorn och WebAssembly-kompileringsbeteende ger alla identifieringssignaler som inte träffas av Privacy Sandbox-begränsningarna.
Effekt på träffsäkerheten
Vi har följt vår identifieringsträffsäkerhet över Chrome-versioner sedan version 110. Här är våra siffror:
Chrome 110 (före reducering): 99,7 % träffsäkerhet. Chrome 115 (delvis UA-reducering): 99,6 % träffsäkerhet. Chrome 120 (full UA-reducering): 99,5 % träffsäkerhet. Chrome 125 (verkställighet av Client Hints): 99,5 % träffsäkerhet.
Tappet på 0,2 % ligger främst i korswebbläsarscenarier från mobil Safari till Chrome där hårdvarusignalerna skiljer sig åt. För identifiering av återvändande besökare i samma webbläsare — vårt centrala användningsfall — har träffsäkerheten legat kvar på 99,5 % genom hela utrullningen av Privacy Sandbox.
Vad som kommer härnäst
Google har aviserat planer på att begränsa ytterligare API:er, bland annat att minska precisionen hos screen.width/height och begränsa uppräkning av WebGL-tillägg. Vi förbereder oss för dessa förändringar med alternativa signalkällor och förbättrade ML-modeller.
Den grundläggande insikten är att hårdvarumångfald är fundamentet för enhetsfingeravtryck, och hårdvarumångfalden försvinner inte. Så länge olika enheter renderar pixlar olika, bearbetar ljud olika och exekverar kod olika kommer enhetsidentifiering att förbli genomförbar med hög träffsäkerhet. Signalerna vi använder kan förändras, men den underliggande principen — varje enhet är unik — består.