{"id":103157,"date":"2022-02-01T15:36:44","date_gmt":"2022-02-01T13:36:46","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/metod-identifikaczii-sistemy-polzovatelya-na-osnove-informaczii-o-gpu"},"modified":"2022-02-01T15:36:44","modified_gmt":"2022-02-01T13:36:46","slug":"metod-identifikaczii-sistemy-polzovatelya-na-osnove-informaczii-o-gpu","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/news\/metod-identifikaczii-sistemy-polzovatelya-na-osnove-informaczii-o-gpu","title":{"rendered":"Kasutaja tuvastamismetoodika, mis p\u00f5hineb GPU teabel","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Ben-Gurion \u00dclikooli (Iisrael), Lille \u00dclikooli (Prantsusmaa) ja Adelaide \u00dclikooli (Austraalia) teadlased on v\u00e4lja t\u00f6\u00f6tanud uue seadmete tuvastamise meetodi, mis p\u00f5hineb GPU t\u00f6\u00f6parameetrite m\u00e4\u00e4ramisel veebibrauseris. Meetod, mille nimi on «Drawn Apart», tugineb WebGL kasutamisele GPU j\u00f5udluse profiili saamiseks, mis v\u00f5imaldab oluliselt parandada passiivsete j\u00e4lgimismeetodite t\u00e4psust, mis toimivad ilma k\u00fcpsiste kasutamiseta ja ilma kasutaja s\u00fcsteemis identifikaatori salvestamiseta. <\/p>\n
Identifitseerimise meetodid, mis arvestavad joonistamise erip\u00e4ra, GPU, graafikasteki ja draiverite omadusi, on varem juba kasutatud, kuid need piirdusid v\u00f5imalusega seadmeid jagada erinevate videokaartide ja GPUde mudelite tasandil, st neid sai rakendada vaid t\u00e4iendava tegurina identifitseerimise t\u00f5en\u00e4osuse suurendamiseks. Uue meetodi \u201eDrawn Apart\u201d v\u00f5tmekompetents on see, et see ei piirdu erinevate GPU mudelite eristamisega, vaid p\u00fc\u00fcdleb tuvastada erinevusi sama mudeli identsete GPUde vahel, mis on p\u00f5hjustatud kiipide tootmisprotsessi heterogeensusest, mis on m\u00f5eldud massiliste paralleelsete arvutuste jaoks. Toodangu k\u00e4igus tekkivad variatsioonid v\u00f5imaldavad moodustada ainulaadseid j\u00e4ljendeid sama seadme mudeli jaoks.
<\/center> <\/p>\n
Selgus, et neid erinevusi saab tuvastada, arvutades t\u00e4itmisblokke ja anal\u00fc\u00fcsides nende j\u00f5udlust GPU-s. Erinevate GPU mudelite tuvastamiseks kasutati primitiive, mis p\u00f5hinesid trigonomeetriliste funktsioonide kogumil, loogilistel operatsioonidel ja ujuvpunktearvutustel. Sama GPU-de erinevuste tuvastamiseks hinnati samaaegselt t\u00e4idetavate keermete arvu vertex shaderite t\u00f6\u00f6s. Eeldatakse, et tuvastatud efekt tuleneb temperatuurire\u017eiimide ja erinevate kiibi eksemplaride energiatarbimise erinevustest (varem on sarnast efekti demonstreeritud ka CPU-de puhul \u2014 sama protsessorid k\u00f5igele vaatamata sama koodi t\u00e4itmisel n\u00e4itasid erinevat energiatarbimist). <\/p>\n
Kuna WebGL kaudu toimuvad operatsioonid t\u00f6\u00f6tavad as\u00fcnkroonselt, ei saa nende t\u00e4itmisaja m\u00f5\u00f5tmiseks otse kasutada JavaScript API-d performance.now(), seet\u00f5ttu on m\u00f5\u00f5tmiseks pakutud kolm nippi: <\/p>\n
\n
onscreen \u2014 stseeni joonistamine HTML canvas'is, m\u00f5\u00f5detakse callback-funktsiooni aktiveerimise aega, mis on m\u00e4\u00e4ratud API Window.requestAnimationFrame kaudu ja mis kutsub funktsiooni v\u00e4lja p\u00e4rast joonistamise l\u00f5ppu.\n
offscreen \u2014 t\u00f6\u00f6taja kasutamine ja stseeni joonistamine OffscreenCanvas objekti, m\u00f5\u00f5tes k\u00e4skluse convertToBlob t\u00e4itmise aega.\n
GPU \u2014 OffscreenCanvas'i objektide renderdamiseks, kuid kasutamine WebGL-is ajastuse m\u00f5\u00f5tmiseks, mis arvestab GPU-l t\u00f6\u00f6tavate k\u00e4skude komplekti t\u00e4itmise kestust. <\/ul>\n
Iga seadme identifikaatori loomisel tehakse 50 kontrolli, millest iga\u00fches katab 176 m\u00f5\u00f5tmist 16 erineva omaduse kohta. Eksperiment, milles koguti teavet 2500 seadme kohta, millel on 1605 erinevat GPU-d, n\u00e4itas, et identifitseerimise kombineeritud meetodite efektiivsus suurenes 67% v\u00f5rra, kui lisati Drawn Apart tugi. Eriti keskmiselt tagas kombinatsioonimeetod FP-STALKER identifitseerimise 17,5 p\u00e4evaks, ning Drawn Apart'i lisamine pikendas identifitseerimise kestust kuni 28 p\u00e4evani.
<\/center> <\/p>\n
\n
10 Intel i5-3470 (GEN 3 Ivy Bridge) ja GPU Intel HD Graphics 2500 s\u00fcsteemi t\u00e4psus onscreen testis oli 93%, offscreen testis aga 36.3%.\n
10 s\u00fcsteemi Intel i5-10500 (GEN 10 Comet Lake) ja NVIDIA GTX1650 graafikakaardiga t\u00e4psus oli vastavalt 70% ja 95,8%.\n
15 Intel i5-8500 (GEN 8 Coffee Lake) s\u00fcsteemi t\u00e4psus GPU Intel UHD Graphics 630-ga oli 42% ja 55%.\n
23 Intel i5-4590 (GEN 4 Haswell) s\u00fcsteemi t\u00e4psus GPU Intel HD Graphics 4600-ga oli 32.7% ja 63.7%.\n
Kuue Samsung Galaxy S20\/S20 Ultra nutitelefoni, millel on GPU Mali-G77 MP11, ekraanil identifitseerimise t\u00e4psus oli 92.7%, samas kui Samsung Galaxy S9\/S9+ nutitelefonidel, millel on Mali-G72 MP18, oli see 54.3%. <\/ul>\n
<\/center> <\/p>\n
T\u00e4psusele m\u00f5jutas GPU temperatuur, ning m\u00f5nede seadmete puhul p\u00f5hjustas s\u00fcsteemi taask\u00e4ivitamine identifikaatori moonutamist. Kombineerides meetodit teiste kaudsete identifitseerimise meetoditega, saab t\u00e4psust oluliselt suurendada. Samuti plaanitakse t\u00e4psust t\u00f5sta arvutuslike shaderite kasutamise kaudu p\u00e4rast uue WebGPU API stabiliseerimist. <\/p>\n
Intel, ARM, Google, Khronos, Mozilla ja Brave said probleemist teavituse juba 2020. aastal, kuid meetodi detailid paljastati alles n\u00fc\u00fcd. Uurijad avaldasid ka JavaScriptis ja GLSLis kirjutatud toimivad n\u00e4idised, mis v\u00f5ivad t\u00f6\u00f6tada nii teabe kuvamisega kui ka ilma. Samuti on Intel GEN 3\/4\/8\/10 GPU-dele avaldatud andmekogusid masin\u00f5ppe s\u00fcsteemide v\u00e4ljav\u00f5etud teabe klassifitseerimiseks. \n Allikas: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Kasutaja](\"\/wp-content\/uploads\/2022\/02\/947fc4477ff99c14ca7854e36e4ad976.jpg\")
<\/center> <\/p>\n![\"Kasutaja](\"\/wp-content\/uploads\/2022\/02\/c57096ca8d5833df92cd7f992f19a289.jpg\")
<\/center> <\/p>\n![\"Kasutaja](\"\/wp-content\/uploads\/2022\/02\/e5462f5b761dc6e16a43ac00d8f0b7aa.jpg\")
<\/center> <\/p>\n