Canvas Fingerprinting
Canvas fingerprinting är en teknik som renderar text eller grafik till ett HTML5-canvaselement och läser tillbaka den resulterande pixeldatan för att härleda en enhetsspecifik identifierare. Små skillnader i GPU, grafikdrivrutin, typsnittsrasterisering och kantutjämning gör att samma ritinstruktioner ger subtilt olika pixlar på olika maskiner.
Så fungerar Canvas Fingerprinting
Ett skript skapar en canvas utanför skärmen och utfärdar ritkommandon, vanligtvis genom att rendera en textsträng i specifika typsnitt tillsammans med former, gradienter och färger. Webbläsaren lämnar dessa instruktioner till grafikstacken, där de exakta pixlar som produceras beror på operativsystemet, GPU:n, drivrutinsversionen och motorn för typsnittshinting.
Skriptet anropar sedan en metod som toDataURL eller getImageData för att extrahera den renderade pixelbufferten. Denna buffert reduceras till ett kompakt värde med en hash. Eftersom renderingspipelinen skiljer sig mellan enheter tenderar hashen att vara konsekvent för en enhet och variera mellan enheter, vilket gör den till en användbar särskiljande signal.
Canvas-utdata är relativt stabilt över tid eftersom den underliggande hårdvaran och drivrutinerna ändras sällan. Det kan dock förskjutas efter en drivrutinsuppdatering, en uppgradering av operativsystemet eller en förändring i webbläsarens renderingsbeteende, så det kombineras vanligtvis med andra signaler i stället för att litas på ensamt.
Integritetsverktyg och vissa webbläsare motverkar canvas fingerprinting genom att lägga till slumpmässigt brus i pixeldatan eller genom att fråga om tillstånd innan de tillåter återläsning. Denna avsiktliga störning är i sig själv upptäckbar och kan behandlas som en egen signal.
Varför Canvas Fingerprinting är viktigt för bedrägeriförebyggande
Canvas fingerprinting bidrar med information med hög entropi om den underliggande hårdvaran, vilket gör det värdefullt för att skilja mellan enheter som annars ser identiska ut på webbläsarnivå. Inom bedrägeriförebyggande hjälper det till att avslöja farmer av liknande maskiner, emulatorer och anti-detect-webbläsare som förfalskar attribut på högre nivå men inte enkelt kan fejka den verkliga renderingspipelinen. Det är en arbetshäst bland signaler för cookie-lös enhetsigenkänning.
Så hanterar TRACIO det
TRACIO använder canvas-rendering som en av sina 130+ signaler och viktar den efter hur särskiljande och stabil den visar sig vara för en viss besökare i stället för att behandla den som ett unikt ID i sig. Eftersom angripare kan injicera canvas-brus stämmer TRACIO av den mot andra renderings- och hårdvarusignaler, så att förfalskning av en dimension inte slår ut identifieringen. Detta håller igenkänningen robust samtidigt som den matar den övergripande konfidenspoängen.
Relaterade termer
Utforska vidare
Vanliga frågor
Identifiera varje enhet med säkerhet
Börja med en kostnadsfri plan på 2,500 API-anrop per månad. Inget kreditkort krävs.