Onderzoekers van de Ben-Gurion Universiteit (Israƫl), de Universiteit van Lille (Frankrijk) en de Universiteit van Adelaide (Australiƫ) hebben een nieuwe techniek ontwikkeld voor het identificeren van gebruikersapparaten door de werkparameters van de GPU in de webbrowser te bepalen. De methode, genaamd 'Drawn Apart', is gebaseerd op het gebruik van WebGL om een prestatieprofiel van de GPU te verkrijgen, waardoor de nauwkeurigheid van passieve trackingmethoden die zonder cookies werken en geen identificator op het systeem van de gebruiker opslaan, aanzienlijk kan worden verhoogd.
Methoden die bij identificatie rekening houden met de kenmerken van rendering, GPU, grafische stacks en stuurprogramma's zijn eerder gebruikt, maar ze waren beperkt tot het kunnen scheiden van apparaten op het niveau van verschillende modellen videokaarten en GPU's. Dit betekent dat ze slechts als een aanvullende factor konden worden toegepast om de identificatiekansen te verhogen. Een sleutelkenmerk van de nieuwe methode 'Drawn Apart' is dat deze niet beperkt is tot het scheiden van verschillende GPU-modellen, maar probeert verschillen te ontdekken tussen identieke GPU's van hetzelfde model, voortkomend uit de heterogeniteit in het productieproces van chips die zijn ontworpen voor massale parallelle berekeningen. Het wordt opgemerkt dat de variaties die tijdens de productie ontstaan, unieke afdrukken voor dezelfde modelapparaten mogelijk maken.
Het bleek dat deze verschillen kunnen worden vastgesteld door het tellen van het aantal uitvoeringsblokken en het analyseren van hun prestatie in de GPU. Als primitieve methoden voor het ontdekken van verschillende GPU-modellen zijn controles gebruikt die zijn gebaseerd op een set trigonometrische functies, logische operaties en berekeningen met drijvende komma. Voor het identificeren van verschillen tussen identieke GPU's werd het aantal gelijktijdig uitgevoerde threads tijdens de uitvoering van fragmentshaders geĆ«valueerd. Het wordt vermoed dat het ontdekte effect wordt veroorzaakt door verschillen in temperatuurregimes en energieverbruik van verschillende exemplaren van chips (eerder is een vergelijkbaar effect gedemonstreerd voor CPU's ā identieke processoren toonden bij het uitvoeren van dezelfde code een verschillend energieverbruik).
Aangezien operaties via WebGL asynchroon plaatsvinden, kan de tijdsmeting van hun uitvoering niet direct gebruikmaken van de JavaScript API performance.now(). Daarom zijn er drie trucs voorgesteld voor de tijdsmeting:
- onscreen ā het tekenen van de scĆØne in een HTML canvas met meting van de reactietijd van de callback-functie, ingesteld via de API Window.requestAnimationFrame en aangeroepen na voltooiing van de tekening.
- offscreen ā het gebruik van een worker en het tekenen van de scĆØne in een OffscreenCanvas-object met meting van de execution time van het commando convertToBlob.
- GPU ā het tekenen in een OffscreenCanvas-object, maar het meten van de tijd met de timer die in WebGL wordt geleverd en die rekening houdt met de duur van de uitvoering van een set commando's aan de GPU-zijde.
Tijdens het creƫren van een identificator op elk apparaat worden 50 controles uitgevoerd, die elk 176 metingen van 16 verschillende kenmerken dekken. Een experiment waarbij informatie over 2500 apparaten met 1605 verschillende GPU's werd verzameld, toonde een efficiƫntieverbetering van gecombineerde identificatiemethoden met 67% aan wanneer de ondersteuning voor Drawn Apart werd toegevoegd. In het bijzonder zorgde de gecombineerde methode FP-STALKER gemiddeld voor identificatie binnen 17,5 dagen, en in combinatie met Drawn Apart steeg de identificatieduur tot 28 dagen.
- De nauwkeurigheid van de scheiding van 10 systemen met Intel i5-3470-chips (GEN 3 Ivy Bridge) en GPU Intel HD Graphics 2500 in de onscreen-test was 93%, terwijl deze in offscreen 36,3% bedroeg.
- Voor 10 systemen Intel i5-10500 (GEN 10 Comet Lake) met een NVIDIA GTX1650 grafische kaart was de nauwkeurigheid 70% en 95,8%.
- Voor 15 systemen Intel i5-8500 (GEN 8 Coffee Lake) met GPU Intel UHD Graphics 630 was de nauwkeurigheid 42% en 55%.
- Voor 23 systemen Intel i5-4590 (GEN 4 Haswell) met GPU Intel HD Graphics 4600 was de nauwkeurigheid 32,7% en 63,7%.
- Voor zes Samsung Galaxy S20/S20 Ultra smartphones met GPU Mali-G77 MP11 was de nauwkeurigheid in de onscreen-identificatietest 92,7%, terwijl deze voor de Samsung Galaxy S9/S9+ met Mali-G72 MP18 54,3% was.
Er is opgemerkt dat de nauwkeurigheid werd beĆÆnvloed door de temperatuur van de GPU, en dat voor sommige apparaten een systeemherstart leidde tot vervorming van de identificator. Bij gebruik van de methode in combinatie met andere indirecte identificatiemethoden kan de nauwkeurigheid aanzienlijk worden verhoogd. De nauwkeurigheid wordt ook gepland te verhogen door gebruik te maken van compute shaders na stabilisatie van de nieuwe API WebGPU.
De bedrijven Intel, ARM, Google, Khronos, Mozilla en Brave zijn in 2020 geĆÆnformeerd over het probleem, maar de details van de methode zijn pas nu openbaar gemaakt. Onder andere hebben onderzoekers werkvoorbeelden gepubliceerd die zijn geschreven in JavaScript en GLSL, en die zowel met als zonder visuele output kunnen werken. Ook zijn er datasets gepubliceerd voor systemen op basis van Intel GPU GEN 3/4/8/10 voor de classificatie van informatie die wordt verkregen in machine learning systemen.
Bron: opennet.ru
