{"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\/ro\/blog\/news\/metod-identifikaczii-sistemy-polzovatelya-na-osnove-informaczii-o-gpu","title":{"rendered":"Metod\u0103 de identificare a sistemului utilizatorului pe baza informa\u021biilor despre GPU","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Cercet\u0103torii de la Universitatea Ben-Gurion (Israel), Universitatea Lille (Fran\u021ba) \u0219i Universitatea Adelaide (Australia) au dezvoltat o nou\u0103 tehnic\u0103 de identificare a dispozitivelor utilizatorului prin determinarea parametrilor de func\u021bionare a GPU-ului \u00een browser-ul web. Metoda a fost denumit\u0103 \u201eDrawn Apart\u201d \u0219i se bazeaz\u0103 pe utilizarea WebGL pentru a ob\u021bine un profil de performan\u021b\u0103 GPU, ceea ce permite o cre\u0219tere semnificativ\u0103 a preciziei metodologiilor pasive de urm\u0103rire, care func\u021bioneaz\u0103 f\u0103r\u0103 a utiliza Cookie-uri \u0219i f\u0103r\u0103 a salva identificatorul pe sistemul utilizatorului. <\/p>\n
Metodele care iau \u00een considerare caracteristicile de redare, GPU-uri, stiva grafic\u0103 \u0219i drivere au fost folosite \u0219i anterior, dar erau limitate la capacitatea de a diferen\u021bia dispozitivele doar la nivelul diferitelor modele de pl\u0103ci video \u0219i GPU-uri, adic\u0103 puteau fi utilizate doar ca un factor suplimentar pentru a cre\u0219te probabilitatea de identificare. Caracteristica principal\u0103 a noului metod \u201eDrawn Apart\u201d este c\u0103 nu se limiteaz\u0103 la diferen\u021bierea \u00eentre diferite modele de GPU, ci \u00eencearc\u0103 s\u0103 identifice diferen\u021bele \u00eentre GPU-urile identice ale acelea\u0219i modele, cauzate de neregularit\u0103\u021bile procesului de fabrica\u021bie a cipurilor, concepute pentru calcule paralele masive. Se observ\u0103 c\u0103 varia\u021biile ap\u0103rute \u00een timpul fabrica\u021biei permit formarea de amprente unice pentru acelea\u0219i modele de dispozitive.
<\/center> <\/p>\n
S-a dovedit c\u0103 aceste diferen\u021be pot fi identificate prin calcularea num\u0103rului de blocuri de execu\u021bie \u0219i analiza performan\u021bei acestora \u00een GPU. Ca primitiv pentru identificarea diferitelor modele de GPU, au fost utilizate verific\u0103ri bazate pe un set de func\u021bii trigonometrice, opera\u021bii logice \u0219i calcule cu puncte flotante. Pentru a identifica diferen\u021bele \u00eentre GPU-urile identice, s-a evaluat num\u0103rul de fire de execu\u021bie care ruleaz\u0103 simultan \u00een timpul execu\u021biei shader-elor de v\u00e2rf. Se presupune c\u0103 efectul identificat este generat de diferen\u021bele \u00een regimurile de temperatur\u0103 \u0219i consumul de energie al diferitelor exemplare de cipuri (anterior, un efect similar a fost demonstrat pentru CPU-uri \u2014 procesoare identice, c\u00e2nd ruleaz\u0103 acela\u0219i cod, au demonstrat un consum de energie diferit). <\/p>\n
Deoarece opera\u021biunile prin WebGL se desf\u0103\u0219oar\u0103 asincron, nu este posibil s\u0103 se utilizeze direct API-ul JavaScript performance.now() pentru a m\u0103sura timpul de execu\u021bie, a\u0219a c\u0103 au fost propuse trei trucuri pentru a realiza aceast\u0103 m\u0103surare: <\/p>\n
\n
onscreen \u2014 redarea scenei \u00een canvas-ul HTML cu m\u0103surarea timpului de activare a func\u021biei callback, setat\u0103 prin API-ul Window.requestAnimationFrame \u0219i invocat\u0103 dup\u0103 finalizarea red\u0103rii.\n
offscreen \u2014 utilizarea worker-ului \u0219i randarea scenei \u00een obiectul OffscreenCanvas cu m\u0103surarea timpului de execu\u021bie a comenzii convertToBlob.\n
GPU \u2014 randarea \u00een obiectul OffscreenCanvas, dar utilizarea pentru m\u0103surarea timpului furnizat \u00een WebGL a unui temporizator care ia \u00een considerare durata de execu\u021bie a setului de comenzi pe GPU. <\/ul>\n
\u00cen procesul de creare a identificatorului pe fiecare dispozitiv, se fac 50 de verific\u0103ri, fiecare acoperind 176 de m\u0103sur\u0103tori ale a 16 caracteristici diferite. Experimentul, \u00een cadrul c\u0103ruia a fost colectat\u0103 informa\u021bia despre 2500 de dispozitive cu 1605 GPU-uri diferite, a ar\u0103tat o cre\u0219tere a eficien\u021bei metodelor de identificare combinate cu 67% prin ad\u0103ugarea suportului pentru Drawn Apart. \u00cen special, metoda combinat\u0103 FP-STALKER a oferit \u00een medie o identificare \u00een 17,5 zile, iar \u00een combina\u021bie cu Drawn Apart, durata identific\u0103rii a crescut la 28 de zile.
<\/center> <\/p>\n
\n
Precizia clasific\u0103rii a 10 sisteme cu procesoare Intel i5-3470 (GEN 3 Ivy Bridge) \u0219i GPU Intel HD Graphics 2500 \u00een testul onscreen a fost de 93%, iar \u00een offscreen \u2014 36,3%.\n
Pentru 10 sisteme Intel i5-10500 (GEN 10 Comet Lake) cu placa grafic\u0103 NVIDIA GTX1650, precizia a fost de 70% \u0219i 95,8%.\n
Pentru 15 sisteme Intel i5-8500 (GEN 8 Coffee Lake) cu GPU Intel UHD Graphics 630 \u2014 42% \u0219i 55%.\n
Pentru 23 de sisteme Intel i5-4590 (GEN 4 Haswell) cu GPU Intel HD Graphics 4600 \u2014 32,7% \u0219i 63,7%.\n
Pentru \u0219ase smartphone-uri Samsung Galaxy S20\/S20 Ultra cu GPU Mali-G77 MP11, \u00een testul de pe ecran, precizia identific\u0103rii a fost de 92,7%, iar pentru smartphone-urile Samsung Galaxy S9\/S9+ cu Mali-G72 MP18 \u2014 54,3%. <\/ul>\n
<\/center> <\/p>\n
Se observ\u0103 c\u0103 temperatura GPU-ului a influen\u021bat precizia, iar pentru unele dispozitive, repornirea sistemului a dus la distorsiunea identificatorului. Prin utilizarea metodei \u00een combina\u021bie cu alte metode de identificare indirect\u0103, precizia poate fi semnificativ crescut\u0103. De asemenea, se pl\u0103nuie\u0219te cre\u0219terea preciziei prin utilizarea shaderelor compute dup\u0103 stabilizarea noului API WebGPU. <\/p>\n
Companiile Intel, ARM, Google, Khronos, Mozilla \u0219i Brave au fost informate despre problem\u0103 \u00eenc\u0103 din 2020, dar detaliile metodei au fost dezv\u0103luite abia acum. Printre altele, cercet\u0103torii au publicat exemple func\u021bionale scrise \u00een JavaScript \u0219i GLSL, care pot lucra cu sau f\u0103r\u0103 afi\u0219area informa\u021biilor pe ecran. De asemenea, pentru sistemele bazate pe GPU Intel GEN 3\/4\/8\/10, au fost publicate seturi de date pentru clasificarea informa\u021biilor extrase \u00een sistemele de \u00eenv\u0103\u021bare automat\u0103. \n Sursa: opennet.ro<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Metod\u0103](\"\/wp-content\/uploads\/2022\/02\/947fc4477ff99c14ca7854e36e4ad976.jpg\")
<\/center> <\/p>\n![\"Metod\u0103](\"\/wp-content\/uploads\/2022\/02\/c57096ca8d5833df92cd7f992f19a289.jpg\")
<\/center> <\/p>\n![\"Metod\u0103](\"\/wp-content\/uploads\/2022\/02\/e5462f5b761dc6e16a43ac00d8f0b7aa.jpg\")
<\/center> <\/p>\n