{"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\/it\/blog\/news\/metod-identifikaczii-sistemy-polzovatelya-na-osnove-informaczii-o-gpu","title":{"rendered":"Metodo di identificazione del sistema utente basato su informazioni sulla GPU","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

I ricercatori dell'Universit\u00e0 Ben-Gurion (Israele), dell'Universit\u00e0 di Lille (Francia) e dell'Universit\u00e0 di Adelaide (Australia) hanno sviluppato una nuova tecnica per identificare i dispositivi degli utenti attraverso la definizione delle prestazioni della GPU nel browser web. Il metodo, chiamato 'Drawn Apart', si basa sull'uso di WebGL per ottenere un profilo di prestazioni della GPU, consentendo di aumentare significativamente la precisione dei metodi di tracciamento passivo che operano senza utilizzare cookie e senza memorizzare un identificatore sul sistema dell'utente. <\/p>\n

I metodi che prendono in considerazione le peculiarit\u00e0 del rendering, GPU, stack grafico e driver sono stati utilizzati in passato, ma erano limitati alla possibilit\u00e0 di distinguere i dispositivi solo a livello di diversi modelli di schede grafiche e GPU, cio\u00e8 potevano essere utilizzati solo come fattore aggiuntivo per aumentare la probabilit\u00e0 di identificazione. La caratteristica chiave del nuovo metodo \u00abDrawn Apart\u00bb \u00e8 che non si limita a distinguere tra diversi modelli di GPU, ma cerca di mettere in evidenza le differenze tra GPU identiche dello stesso modello, dovute all'eterogeneit\u00e0 del processo di produzione dei chip progettati per calcoli paralleli massicci. Si nota che le variazioni che si verificano durante il processo di produzione permettono di formare impronte uniche per gli stessi modelli di dispositivi.

\"Metodo<\/center> <\/p>\n

\u00c8 stato dimostrato che queste differenze possono essere identificate attraverso il conteggio dei blocchi di esecuzione e l'analisi delle loro performance nel GPU. Sono state utilizzate funzioni trigonometriche, operazioni logiche e calcoli in virgola mobile come primitiv per identificare diversi modelli di GPU. Per rilevare le differenze tra GPU identiche, \u00e8 stato valutato il numero di thread eseguiti simultaneamente durante l'esecuzione dei vertex shader. Si ipotizza che l'effetto rilevato sia causato da differenze nelle temperature e nel consumo energetico di vari esemplari dei chip (in precedenza, un effetto simile \u00e8 stato dimostrato per le CPU \u2014 le stesse CPU, eseguendo lo stesso codice, mostrano un diverso consumo energetico). <\/p>\n

Poich\u00e9 le operazioni tramite WebGL vengono eseguite in modo asincrono, non \u00e8 possibile utilizzare direttamente l'API JavaScript performance.now() per misurare il tempo di esecuzione, quindi sono stati proposti tre trucchi per la misura del tempo: <\/p>\n