{"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\/pt\/blog\/news\/metod-identifikaczii-sistemy-polzovatelya-na-osnove-informaczii-o-gpu","title":{"rendered":"M\u00e9todo de identifica\u00e7\u00e3o do sistema do usu\u00e1rio baseado em informa\u00e7\u00f5es sobre o GPU","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Pesquisadores da Universidade Ben-Gurion (Israel), da Universidade de Lille (Fran\u00e7a) e da Universidade da Austr\u00e1lia do Sul desenvolveram uma nova t\u00e9cnica de identifica\u00e7\u00e3o de dispositivos do usu\u00e1rio atrav\u00e9s da an\u00e1lise das caracter\u00edsticas de desempenho da GPU em navegadores web. O m\u00e9todo, chamado 'Drawn Apart', \u00e9 baseado no uso do WebGL para obter um perfil de desempenho da GPU, permitindo aumentar significativamente a precis\u00e3o dos m\u00e9todos de rastreamento passivos que n\u00e3o utilizam cookies e n\u00e3o armazenam identificadores no sistema do usu\u00e1rio. <\/p>\n

M\u00e9todos que levam em considera\u00e7\u00e3o caracter\u00edsticas de renderiza\u00e7\u00e3o, GPU, pilha gr\u00e1fica e drivers j\u00e1 foram utilizados anteriormente, mas estavam limitados \u00e0 capacidade de diferencia\u00e7\u00e3o de dispositivos apenas no n\u00edvel de diferentes modelos de placas de v\u00eddeo e GPUs, ou seja, podiam ser aplicados apenas como um fator adicional para aumentar a probabilidade de identifica\u00e7\u00e3o. Uma caracter\u00edstica chave do novo m\u00e9todo 'Drawn Apart' \u00e9 que ele n\u00e3o se limita a diferenciar diferentes modelos de GPU, mas busca identificar varia\u00e7\u00f5es entre GPUs id\u00eanticas de um mesmo modelo, devido \u00e0 heterogeneidade do processo de fabrica\u00e7\u00e3o dos chips projetados para computa\u00e7\u00e3o massivamente paralela. Observa-se que as varia\u00e7\u00f5es que ocorrem durante a produ\u00e7\u00e3o permitem a forma\u00e7\u00e3o de impress\u00f5es \u00fanicas para os mesmos modelos de dispositivos.

\"M\u00e9todo<\/center> <\/p>\n

Descobriu-se que essas diferen\u00e7as podem ser identificadas atrav\u00e9s da contagem de blocos de execu\u00e7\u00e3o e da an\u00e1lise de seu desempenho na GPU. Como primitivos para identificar diferentes modelos de GPU, foram utilizados testes baseados em um conjunto de fun\u00e7\u00f5es trigonom\u00e9tricas, opera\u00e7\u00f5es l\u00f3gicas e c\u00e1lculos em ponto flutuante. Para identificar varia\u00e7\u00f5es em GPUs id\u00eanticas, foi avaliado o n\u00famero de fluxos executados simultaneamente durante a execu\u00e7\u00e3o de sombreador de v\u00e9rtices. Suspeita-se que o efeito identificado seja causado por diferen\u00e7as nas temperaturas e no consumo de energia de diferentes inst\u00e2ncias de chips (anteriormente, um efeito semelhante foi demonstrado para CPUs \u2014 processadores id\u00eanticos ao executar o mesmo c\u00f3digo mostraram um consumo de energia diferente). <\/p>\n

Como as opera\u00e7\u00f5es via WebGL s\u00e3o executadas de forma ass\u00edncrona, n\u00e3o \u00e9 poss\u00edvel usar diretamente a API JavaScript performance.now() para medir o tempo de execu\u00e7\u00e3o, portanto foram sugeridos tr\u00eas truques para medir o tempo: <\/p>\n