Ben-Qurion Universiteti (İsrail), Lil Universiteti (Fransa) və Adelaide Universitetinin (Avstraliya) tədqiqatçıları veb-brauzerdə GPU əməliyyat parametrlərini aşkar etməklə istifadəçi cihazlarının identifikasiyası üçün yeni texnika işləyib hazırlayıblar. Metod "Drawn Apart" adlanır və GPU performans profilini əldə etmək üçün WebGL istifadəsinə əsaslanır ki, bu da kukilərdən istifadə etmədən və istifadəçinin sistemində identifikator saxlamadan işləyən passiv izləmə metodlarının dəqiqliyini əhəmiyyətli dərəcədə yaxşılaşdıra bilər.
İdentifikasiya edərkən göstərmə, GPU, qrafik yığını və sürücülərin xüsusiyyətlərini nəzərə alan üsullar əvvəllər istifadə olunurdu, lakin onlar yalnız video kartların və GPU-ların müxtəlif modelləri səviyyəsində cihazları ayırmaq imkanı ilə məhdudlaşırdı, yəni. yalnız identifikasiya ehtimalını artırmaq üçün əlavə amil kimi istifadə edilə bilər. Yeni “Drawn Apart” metodunun əsas xüsusiyyəti ondan ibarətdir ki, o, müxtəlif GPU modellərini ayırmaqla məhdudlaşmır, eyni modelin eyni GPU-ları arasında kütləvi paralellik üçün nəzərdə tutulmuş çiplərin istehsal prosesinin heterojenliyinə görə fərqləri müəyyən etməyə çalışır. hesablama. Qeyd olunur ki, istehsal prosesi zamanı yaranan variasiyalar eyni cihaz modelləri üçün təkrarlanmayan təəssüratların formalaşmasına imkan verir.
Məlum oldu ki, bu fərqləri icra vahidlərinin sayını hesablamaq və onların GPU-da performansını təhlil etməklə müəyyən etmək olar. Triqonometrik funksiyalar toplusuna, məntiqi əməliyyatlara və üzən nöqtə hesablamalarına əsaslanan yoxlamalar müxtəlif GPU modellərini müəyyən etmək üçün primitivlər kimi istifadə edilmişdir. Eyni GPU-lardakı fərqləri müəyyən etmək üçün vertex shaderləri yerinə yetirərkən eyni vaxtda icra olunan iplərin sayı təxmin edilmişdir. Güman edilir ki, aşkar edilmiş effekt temperatur şəraitindəki fərqlər və çiplərin müxtəlif instansiyalarının enerji istehlakı ilə bağlıdır (əvvəllər oxşar effekt CPU-lar üçün nümayiş etdirilib - eyni prosessorlar eyni kodu yerinə yetirərkən fərqli enerji sərfiyyatı göstərirdilər).
WebGL vasitəsilə əməliyyatlar asinxron şəkildə yerinə yetirildiyi üçün JavaScript API performance.now() onların icra vaxtını ölçmək üçün birbaşa istifadə edilə bilməz, ona görə də vaxtı ölçmək üçün üç fənd təklif edilmişdir:
- ekranda — səhnənin HTML kətanında göstərilməsi, Window.requestAnimationFrame API vasitəsilə təyin edilən və göstərmə tamamlandıqdan sonra çağırılan geri çağırış funksiyasının cavab vaxtının ölçülməsi.
- ekrandan kənar - işçidən istifadə etmək və səhnəni OffscreenCanvas obyektinə çevirmək, convertToBlob əmrinin icra müddətini ölçmək.
- GPU - OffscreenCanvas obyektinə çəkin, lakin GPU tərəfindəki əmrlər dəstinin müddətini nəzərə alan vaxtı ölçmək üçün WebGL tərəfindən təmin edilmiş taymerdən istifadə edin.
ID-nin yaradılması prosesi zamanı hər bir cihazda 50 fərqli xüsusiyyətə malik 176 ölçməni əhatə edən 16 test aparılır. 2500 fərqli GPU-ya malik 1605 cihazda məlumat toplayan təcrübə Drawn Apart dəstəyini əlavə edərkən birləşmiş identifikasiya üsullarının səmərəliliyinin 67% artdığını göstərdi. Xüsusilə, birləşdirilmiş FP-STALKER üsulu orta hesabla 17.5 gün ərzində identifikasiyanı təmin etdi və Drawn Apart ilə birləşdirildikdə identifikasiya müddəti 28 günə qədər artdı.
- Ekran testində Intel i10-5 çipləri (GEN 3470 Ivy Bridge) və Intel HD Graphics 3 GPU ilə 2500 sistemin ayırma dəqiqliyi 93%, ekrandan kənar testdə isə 36.3% təşkil edib.
- NVIDIA GTX10 video kartı olan 5 Intel i10500-10 sistemi (GEN 1650 Comet Lake) üçün dəqiqlik 70% və 95.8% təşkil edib.
- Intel UHD Graphics 15 GPU ilə 5 Intel i8500-8 sistemi (GEN 630 Coffee Lake) üçün - 42% və 55%.
- Intel HD Graphics 23 GPU ilə 5 Intel i4590-4 (GEN 4600 Haswell) sistemi üçün – 32.7% və 63.7%.
- Mali-G20 MP20 GPU-lu altı Samsung Galaxy S77/S11 Ultra smartfonları üçün ekran testində identifikasiya dəqiqliyi 92.7%, Mali-G9 MP9 ilə Samsung Galaxy S72/S18+ smartfonları üçün isə 54.3% təşkil edib.
Qeyd edilir ki, dəqiqliyə GPU-nun temperaturu təsir edib və bəzi qurğular üçün sistemin yenidən işə salınması identifikatorun təhrif olunmasına gətirib çıxarıb. Metoddan digər dolayı identifikasiya üsulları ilə birlikdə istifadə edildikdə, dəqiqlik əhəmiyyətli dərəcədə artırıla bilər. Onlar həmçinin yeni WebGPU API stabilləşdirildikdən sonra hesablama şeyderlərindən istifadə etməklə dəqiqliyi artırmağı planlaşdırırlar.
Intel, ARM, Google, Khronos, Mozilla və Brave problem barədə 2020-ci ildə xəbərdar edilmişdi, lakin metodun təfərrüatları yalnız indi açıqlanır. Tədqiqatçılar həmçinin JavaScript və GLSL-də yazılmış və ekranda məlumat göstərmədən işləyə bilən iş nümunələri dərc ediblər. Həmçinin, GPU Intel GEN 3/4/8/10-a əsaslanan sistemlər üçün maşın öyrənmə sistemlərində çıxarılan məlumatları təsnif etmək üçün məlumat dəstləri nəşr edilmişdir.
Mənbə: opennet.ru