ベングリオン大学 (イスラエル)、リール大学 (フランス)、アデレード大学 (オーストラリア) の研究者は、Web ブラウザーで GPU 動作パラメーターを検出することでユーザー デバイスを識別する新しい技術を開発しました。 この方法は「Drawn Apart」と呼ばれ、WebGL を使用して GPU パフォーマンス プロファイルを取得することに基づいており、Cookie を使用せず、ユーザーのシステムに識別子を保存せずに機能するパッシブ トラッキング方法の精度を大幅に向上させることができます。
識別する際に、レンダリング、GPU、グラフィックス スタック、およびドライバーの機能を考慮する方法が以前に使用されていましたが、それらは、ビデオ カードと GPU の異なるモデルのレベルでのみデバイスを分離できる機能に限定されていました。 身元特定の可能性を高めるための追加要素としてのみ使用できます。 新しい「Drawn Apart」手法の主な特徴は、異なる GPU モデルを分離することに限定されず、超並列向けに設計されたチップの製造プロセスの不均一性に起因する、同じモデルの同一の GPU 間の違いを識別しようとすることです。コンピューティング。 製造プロセス中に生じる変動により、同じデバイス モデルに対して繰り返しのない印象が形成される可能性があることに注意してください。
これらの違いは、実行ユニットの数を数え、GPU でのパフォーマンスを分析することで特定できることが判明しました。 一連の三角関数、論理演算、および浮動小数点計算に基づくチェックが、さまざまな GPU モデルを識別するためのプリミティブとして使用されました。 同じ GPU の違いを特定するために、頂点シェーダーを実行するときに同時に実行されるスレッドの数が評価されました。 検出された影響は、チップの異なるインスタンスの温度条件と消費電力の違いによって引き起こされると考えられます (以前、CPU についても同様の影響が実証されました。同じコードを実行すると、同一のプロセッサは異なる消費電力を示しました)。
WebGL を介した操作は非同期で実行されるため、JavaScript API のパフォーマンス.now() を直接使用して実行時間を測定することはできません。そのため、時間を測定するために次の XNUMX つの方法が提案されています。
- オンスクリーン — HTML キャンバスでシーンをレンダリングし、Window.requestAnimationFrame API 経由で設定され、レンダリングの完了後に呼び出されるコールバック関数の応答時間を測定します。
- offscreen - ワーカーを使用してシーンを OffscreenCanvas オブジェクトにレンダリングし、convertToBlob コマンドの実行時間を測定します。
- GPU - OffscreenCanvas オブジェクトに描画しますが、WebGL が提供するタイマーを使用して、GPU 側での一連のコマンドの継続時間を考慮した時間を測定します。
ID 作成プロセス中に、各デバイスで 50 のテストが実行され、それぞれ 176 の異なる特性の 16 の測定がカバーされます。 2500 個の異なる GPU を備えた 1605 台のデバイスに関する情報を収集した実験では、Drawn Apart サポートを追加すると、組み合わせた識別方法の効率が 67% 向上することが示されました。 特に、FP-STALKER 法を組み合わせた場合は平均 17.5 日以内に身元確認が可能で、Drawn Apart と組み合わせると身元確認期間が 28 日まで延長されました。
- Intel i10-5 チップ (GEN 3470 Ivy Bridge) と Intel HD Graphics 3 GPU を搭載した 2500 システムのオンスクリーン テストでの分離精度は 93%、オフスクリーン テストでは 36.3% でした。
- NVIDIA GTX10 ビデオ カードを搭載した 5 台の Intel i10500-10 システム (GEN 1650 Comet Lake) の場合、精度は 70% と 95.8% でした。
- Intel UHD グラフィックス 15 GPU を搭載した 5 台の Intel i8500-8 システム (GEN 630 Coffee Lake) の場合 - 42% および 55%。
- Intel HD グラフィックス 23 GPU を搭載した 5 台の Intel i4590-4 (GEN 4600 Haswell) システムの場合 – 32.7% および 63.7%。
- Mali-G20 MP20 GPU を搭載した Samsung Galaxy S77/S11 Ultra スマートフォン 92.7 台の場合、オンスクリーン テストでの識別精度は 9%、Mali-G9 MP72 を搭載した Samsung Galaxy S18/S54.3+ スマートフォンでは XNUMX% でした。
精度は GPU の温度の影響を受け、一部のデバイスではシステムを再起動すると識別子の歪みが発生することに注意してください。 この方法を他の間接的な識別方法と組み合わせて使用すると、精度が大幅に向上します。 また、新しい WebGPU API の安定化後に、コンピューティング シェーダーの使用を通じて精度を向上させることも計画しています。
Intel、ARM、Google、Khronos、Mozilla、Brave は 2020 年にこの問題について通知されましたが、その手法の詳細は今になって初めて明らかになりました。 研究者らは、画面上に情報を表示してもしなくても機能する、JavaScript と GLSL で書かれた実用的なサンプルも公開しました。 また、GPU Intel GEN 3/4/8/10 に基づくシステムについては、機械学習システムで抽出された情報を分類するためのデータセットが公開されています。
出所： オープンネット.ru