工作原理
Canvas Fingerprinting 的工作原理
脚本会创建一个屏外 canvas 并发出绘制指令，通常以特定字体渲染一串文本，并附带形状、渐变和颜色。浏览器将这些指令交给图形栈处理，而最终生成的确切像素取决于操作系统、GPU、驱动版本和字体微调引擎。
随后脚本会调用诸如 toDataURL 或 getImageData 之类的方法来提取已渲染的像素缓冲区。该缓冲区被哈希为一个紧凑的值。由于渲染管道因设备而异，该哈希对同一台设备往往保持一致，而在不同设备之间会有所不同，因而成为一个有用的区分信号。
Canvas 输出随时间推移相对稳定，因为底层硬件和驱动很少变化。然而，在驱动更新、操作系统升级或浏览器渲染行为改变之后，它可能会发生变化，因此通常会与其他信号结合使用，而不是单独依赖。
隐私工具和某些浏览器会通过向像素数据添加随机噪声，或在允许读回之前进行提示，来对抗 canvas 指纹。这种刻意的扰动本身是可被检测的，并且可以被当作一个独立的信号来处理。
为何重要
Canvas Fingerprinting 对欺诈防护为何重要
Canvas 指纹贡献了关于底层硬件的高熵信息，因而对于区分那些在浏览器层面看起来别无二致的设备极具价值。在欺诈防范中，它有助于揭露成群的相似机器、模拟器以及反检测浏览器——这些工具会伪造较高层次的属性，却难以轻易伪造真正的渲染管道。它是无 Cookie 设备识别的一项主力信号。
使用 TRACIO
TRACIO 如何应对
TRACIO 将 canvas 渲染作为其 130+ 个信号之一，并按其对特定访客所表现出的区分度和稳定性来加权，而不是将其单独当作唯一 ID。由于攻击者可能注入 canvas 噪声，TRACIO 会将其与其他渲染和硬件信号交叉核对，从而使伪造某一个维度无法击败识别。这样既保持了识别的稳健，又为整体置信分数提供了输入。
常见问题