Aðferð til að auðkenna notandakerfi byggt á upplýsingum um GPU

Vísindamenn frá Ben-Gurion háskólanum (Ísrael), háskólanum í Lille (Frakklandi) og háskólanum í Adelaide (Ástralíu) hafa þróað nýja tækni til að bera kennsl á notendatæki með því að greina GPU rekstrarfæribreytur í vafra. Aðferðin er kölluð „Drawn Apart“ og byggir á notkun WebGL til að fá GPU frammistöðuprófíl, sem getur bætt verulega nákvæmni óvirkra rakningaraðferða sem virka án þess að nota vafrakökur og án þess að geyma auðkenni á kerfi notandans.

Aðferðir sem taka tillit til eiginleika flutnings, GPU, grafíkstafla og rekla við auðkenningu voru notaðar áður, en þær voru takmarkaðar við getu til að aðskilja tæki aðeins á stigi mismunandi gerða af skjákortum og GPU, þ.e. væri einungis hægt að nota sem viðbótarþátt til að auka líkur á auðkenningu. Lykilatriði nýju "Drawn Apart" aðferðarinnar er að hún takmarkar sig ekki við að aðskilja mismunandi GPU gerðir, heldur reynir að bera kennsl á mun á sams konar GPU af sömu gerð vegna ólíkrar framleiðsluferlis flísa sem eru hannaðir fyrir gríðarlega samhliða tölvunarfræði. Það er tekið fram að afbrigði sem koma upp í framleiðsluferlinu gera það mögulegt að mynda óendurteknar birtingar fyrir sömu tækjagerðir.

Það kom í ljós að hægt er að greina þennan mun með því að telja fjölda framkvæmdareininga og greina frammistöðu þeirra í GPU. Athuganir byggðar á hópi hornafræðilegra aðgerða, rökrænna aðgerða og fljótapunktaútreikninga voru notaðar sem frumstæður til að bera kennsl á mismunandi GPU líkön. Til að bera kennsl á mun á sömu GPU var fjöldi þráða sem keyra samtímis þegar hornpunktsskyggingar eru keyrðir áætlaður. Gert er ráð fyrir að greind áhrif stafi af mismunandi hitaskilyrðum og orkunotkun mismunandi tilvika af flögum (áður var sýnt fram á svipuð áhrif fyrir örgjörva - eins örgjörvar sýndu mismunandi orkunotkun þegar sama kóða var keyrt).

Vegna þess að aðgerðir í gegnum WebGL eru framkvæmdar ósamstilltur, er ekki hægt að nota JavaScript API performance.now() beint til að mæla framkvæmdartíma þeirra, svo þrjú brellur hafa verið settar fram til að mæla tímann:

• á skjánum — birta atriðið á HTML striga, mæla viðbragðstíma svarhringingaraðgerðarinnar, stillt í gegnum Window.requestAnimationFrame API og kallað eftir að flutningi er lokið.
• offscreen - að nota starfsmann og gera atriðið í OffscreenCanvas hlut, mæla framkvæmdartíma convertToBlob skipunarinnar.
• GPU - Teiknaðu að OffscreenCanvas hlut, en notaðu WebGL-teljara til að mæla tíma sem tekur tillit til lengdar setts skipana á GPU hliðinni.

Meðan á auðkennisgerðinni stendur eru gerðar 50 prófanir á hverju tæki, sem hver nær yfir 176 mælingar á 16 mismunandi eiginleikum. Tilraun sem safnaði upplýsingum um 2500 tæki með 1605 mismunandi GPU sýndi 67% aukningu á skilvirkni samsettra auðkenningaraðferða þegar bætt var við Drawn Apart stuðningi. Sérstaklega veitti sameinaða FP-STALKER aðferðin auðkenningu innan 17.5 daga að meðaltali, og þegar hún var sameinuð Drawn Apart jókst auðkenningartíminn í 28 daga.

• Aðskilnaðarnákvæmni 10 kerfa með Intel i5-3470 flögum (GEN 3 Ivy Bridge) og Intel HD Graphics 2500 GPU í skjáprófinu var 93% og í utanskjáprófinu var hún 36.3%.
• Fyrir 10 Intel i5-10500 kerfi (GEN 10 Comet Lake) með NVIDIA GTX1650 skjákorti var nákvæmnin 70% og 95.8%.
• Fyrir 15 Intel i5-8500 kerfi (GEN 8 Coffee Lake) með Intel UHD Graphics 630 GPU - 42% og 55%.
• Fyrir 23 Intel i5-4590 (GEN 4 Haswell) kerfi með Intel HD Graphics 4600 GPU - 32.7% og 63.7%.
• Fyrir sex Samsung Galaxy S20/S20 Ultra snjallsíma með Mali-G77 MP11 GPU var auðkenningarnákvæmni í skjáprófinu 92.7% og fyrir Samsung Galaxy S9/S9+ snjallsíma með Mali-G72 MP18 var hún 54.3%.

Það er tekið fram að nákvæmni var fyrir áhrifum af hitastigi GPU og fyrir sum tæki leiddi endurræsing kerfisins til brenglunar á auðkenninu. Þegar aðferðin er notuð ásamt öðrum óbeinum auðkenningaraðferðum er hægt að auka nákvæmni verulega. Þeir ætla einnig að auka nákvæmni með því að nota tölvuskyggingar eftir stöðugleika á nýja WebGPU API.

Intel, ARM, Google, Khronos, Mozilla og Brave fengu tilkynningu um vandamálið árið 2020, en upplýsingar um aðferðina eru fyrst að koma í ljós. Rannsakendur birtu einnig vinnudæmi skrifuð í JavaScript og GLSL sem geta virkað með og án þess að birta upplýsingar á skjánum. Einnig, fyrir kerfi byggð á GPU Intel GEN 3/4/8/10, hafa gagnasett verið gefin út til að flokka útdregnar upplýsingar í vélanámskerfum.

Heimild: opennet.ru