Para peneliti dari Universitas Ben-Gurion (Israel), Universitas Lille (Prancis) dan Universitas Adelaide (Australia) telah mengembangkan teknik baru untuk mengidentifikasi perangkat pengguna dengan mendeteksi parameter operasi GPU di browser web. Metode ini disebut "Drawn Apart" dan didasarkan pada penggunaan WebGL untuk memperoleh profil kinerja GPU, yang secara signifikan dapat meningkatkan keakuratan metode pelacakan pasif yang bekerja tanpa menggunakan Cookie dan tanpa menyimpan pengenal di sistem pengguna.
Metode yang mempertimbangkan fitur rendering, GPU, tumpukan grafis, dan driver saat mengidentifikasi telah digunakan sebelumnya, tetapi metode tersebut terbatas pada kemampuan untuk memisahkan perangkat hanya pada tingkat model kartu video dan GPU yang berbeda, yaitu. hanya dapat digunakan sebagai faktor tambahan untuk meningkatkan kemungkinan identifikasi. Fitur utama dari metode "Drawn Apart" yang baru adalah metode ini tidak membatasi dirinya pada pemisahan model GPU yang berbeda, namun mencoba mengidentifikasi perbedaan antara GPU identik dari model yang sama karena heterogenitas proses pembuatan chip yang dirancang untuk paralel secara besar-besaran. komputasi. Perlu dicatat bahwa variasi yang muncul selama proses produksi memungkinkan terbentuknya tayangan yang tidak berulang untuk model perangkat yang sama.
Ternyata perbedaan tersebut dapat diketahui dengan menghitung jumlah unit eksekusi dan menganalisis performanya di GPU. Pemeriksaan berdasarkan serangkaian fungsi trigonometri, operasi logis, dan penghitungan floating point digunakan sebagai primitif untuk mengidentifikasi model GPU yang berbeda. Untuk mengidentifikasi perbedaan dalam GPU yang sama, jumlah thread yang dieksekusi secara bersamaan saat mengeksekusi vertex shader diperkirakan. Diasumsikan bahwa efek yang teridentifikasi disebabkan oleh perbedaan kondisi suhu dan konsumsi daya dari berbagai contoh chip (sebelumnya, efek serupa ditunjukkan untuk CPU - prosesor yang identik menunjukkan konsumsi daya yang berbeda ketika menjalankan kode yang sama).
Karena operasi melalui WebGL dilakukan secara asinkron, API JavaScript performance.now() tidak dapat digunakan secara langsung untuk mengukur waktu eksekusinya, jadi tiga trik telah diusulkan untuk mengukur waktu:
- di layar β merender adegan dalam kanvas HTML, mengukur waktu respons fungsi panggilan balik, diatur melalui Window.requestAnimationFrame API dan dipanggil setelah rendering selesai.
- offscreen - menggunakan pekerja dan merender adegan menjadi objek OffscreenCanvas, mengukur waktu eksekusi perintah convertToBlob.
- GPU - Gambar ke objek OffscreenCanvas, tetapi gunakan pengatur waktu yang disediakan WebGL untuk mengukur waktu yang memperhitungkan durasi serangkaian perintah di sisi GPU.
Selama proses pembuatan ID, 50 pengujian dilakukan pada setiap perangkat, masing-masing mencakup 176 pengukuran dari 16 karakteristik berbeda. Eksperimen yang mengumpulkan informasi pada 2500 perangkat dengan 1605 GPU berbeda menunjukkan peningkatan efisiensi metode identifikasi gabungan sebesar 67% saat menambahkan dukungan Drawn Apart. Secara khusus, metode gabungan FP-STALKER memberikan identifikasi rata-rata dalam waktu 17.5 hari, dan jika digabungkan dengan Drawn Apart, durasi identifikasi meningkat menjadi 28 hari.
- Akurasi pemisahan 10 sistem dengan chip Intel i5-3470 (GEN 3 Ivy Bridge) dan GPU Intel HD Graphics 2500 pada pengujian di layar adalah 93%, dan pada pengujian di luar layar adalah 36.3%.
- Untuk 10 sistem Intel i5-10500 (GEN 10 Comet Lake) dengan kartu video NVIDIA GTX1650, akurasinya adalah 70% dan 95.8%.
- Untuk 15 sistem Intel i5-8500 (GEN 8 Coffee Lake) dengan GPU Intel UHD Graphics 630 - 42% dan 55%.
- Untuk 23 sistem Intel i5-4590 (GEN 4 Haswell) dengan GPU Intel HD Graphics 4600 - 32.7% dan 63.7%.
- Untuk enam smartphone Samsung Galaxy S20/S20 Ultra dengan GPU Mali-G77 MP11, akurasi identifikasi pada pengujian di layar adalah 92.7%, dan untuk smartphone Samsung Galaxy S9/S9+ dengan Mali-G72 MP18 adalah 54.3%.
Perlu dicatat bahwa keakuratan dipengaruhi oleh suhu GPU, dan untuk beberapa perangkat, me-reboot sistem menyebabkan distorsi pada pengidentifikasi. Bila metode ini dikombinasikan dengan metode identifikasi tidak langsung lainnya, akurasi dapat ditingkatkan secara signifikan. Mereka juga berencana untuk meningkatkan akurasi melalui penggunaan komputasi shader setelah stabilisasi API WebGPU baru.
Intel, ARM, Google, Khronos, Mozilla, dan Brave telah diberitahu tentang masalah ini pada tahun 2020, tetapi rincian metodenya baru terungkap sekarang. Para peneliti juga menerbitkan contoh kerja yang ditulis dalam JavaScript dan GLSL yang dapat bekerja dengan dan tanpa menampilkan informasi di layar. Selain itu, untuk sistem berbasis GPU Intel GEN 3/4/8/10, kumpulan data telah dipublikasikan untuk mengklasifikasikan informasi yang diekstraksi dalam sistem pembelajaran mesin.
Sumber: opennet.ru