Kërkuesit nga Universiteti i Ben Gurionit (Izrael), Universiteti i Lille (Francë) dhe Universiteti i Adelaidës (Australi) zhvilluan një teknikë të re identifikimi të pajisjeve të përdoruesve përmes përcaktimit të parametrave të punës së GPU-së në shfletuesin web. Metoda mori emrin «Drawn Apart» dhe bazohet në përdorimin e WebGL për të marrë profilin e performancës së GPU-së, duke lejuar një rritje të konsiderueshme të saktësisë së metodave pasive të gjurmimit, që punojnë pa përdorimin e cookie-ve dhe pa ruajtur identifikuesin në sistemin e përdoruesit.
Metodat që marrë parasysh veçoritë e përshkrimit gjatë identifikimit të GPU-së, grykës së grafikës dhe drejtuesve ishin përdorur edhe më parë, por ishin të kufizuara në mundësinë e ndarjes së pajisjeve vetëm në nivelin e modeleve të ndryshme të kartave grafike dhe GPU-ve, dmth. mund të përdoren vetëm si një faktor shtesë për të rritur probabilitetin e identifikimit. Karakteristika kryesore e metodës së re «Drawn Apart» është se ajo nuk është e kufizuar në ndarjen e modeleve të ndryshme të GPU-ve, por përpiqet të zbulojë dallimet midis GPU-ve identike të një modeli, të shkaktuara nga heterogjeniteti i procesit të prodhimit të çipëve, të cilët janë të dizajnuar për llogaritje masive paralele. Vërehet se variacionet që ndodhin gjatë procesit të prodhimit lejojnë formimin e gjurmëve të pandashme për modele të njëjta pajisjesh.
Doli se këto dallime mund të identifikohen përmes numërimit të blloqeve të ekzekutimit dhe analizës së performancës së tyre në GPU. Si primitive për identifikimin e modeleve të ndryshme të GPU-ve u përdorën kontrollet e bazuara në një grup funksionesh trigonometric, operacione logjike dhe llogaritje me pikë të levizshme. Për të identifikuar dallimet në GPU të njëjta, u vlerësua numri i kushteve që ekzekutohen ndërsa realizohen shkathtësitë e majta. Supozohet se efekti i zbuluar është shkaktuar nga dallimet në regjimet e temperaturës dhe konsumit të energjisë të ekzemplarëve të ndryshëm të çipëve (më parë një efekt i ngjashëm ishte demonstruar për CPU - procesorët identikë gjatë ekzekutimit të kodit të njëjtë tregonin konsum të ndryshëm të energjisë).
Duke qenë se operacionet përmes WebGL kryhen në mënyrë asinkrone, për të matur kohën e ekzekutimit të tyre nuk mund të përdoret drejtpërdrejt API i JavaScript performance.now(), prandaj janë propozuar tre truke për matjen e kohës.
- onscreen â vizatimi i skenĂ«s nĂ« HTML canvas me matjen e kohĂ«s sĂ« funksionit callback, i vendosur pĂ«rmes API Window.requestAnimationFrame dhe thirret pas pĂ«rfundimit tĂ« vizatimit.
- offscreen â pĂ«rdorimi i worker-it dhe vizatimi i skenĂ«s nĂ« objektin OffscreenCanvas me matjen e kohĂ«s sĂ« komandĂ«s convertToBlob.
- GPU â vizatimi nĂ« objektin OffscreenCanvas, por pĂ«rdorimi pĂ«r matjen e kohĂ«s i timer-it tĂ« ofruar nĂ« WebGL qĂ« merr parasysh kohĂ«n e ekzekutimit tĂ« njĂ« grupi komandash nĂ« anĂ«n e GPU.
Gjatë krijimit të identifikuesit në çdo pajisje, bëhen 50 kontrollime, secila e cila mbulon 176 matje të 16 karakteristikave të ndryshme. Eksperimenti, gjatë të cilit u mbledh informacion rreth 2500 pajisjeve me 1605 GPU të ndryshëm, tregoi një rritje të efikasitetit të metodave të kombinuara të identifikimit me 67% duke shtuar mbështetje për Drawn Apart. Në veçanti, metoda e kombinuar FP-STALKER mesatarisht siguroi identifikim në një periudhë prej 17.5 ditësh, ndërsa në kombinim me Drawn Apart, koha e identifikimit u rrit në 28 ditë.
- SaktĂ«sia e ndarjes sĂ« 10 sistemeve me çip Intel i5-3470 (GEN 3 Ivy Bridge) dhe GPU Intel HD Graphics 2500 nĂ« testin onscreen ishte 93%, ndĂ«rsa nĂ« offscreen â 36.3%.
- Për 10 sisteme Intel i5-10500 (GEN 10 Comet Lake) me kartën grafike NVIDIA GTX1650, saktësia ishte 70% dhe 95.8%.
- PĂ«r 15 sisteme Intel i5-8500 (GEN 8 Coffee Lake) me GPU Intel UHD Graphics 630 â 42% dhe 55%.
- PĂ«r 23 sisteme Intel i5-4590 (GEN 4 Haswell) me GPU Intel HD Graphics 4600 â 32.7% dhe 63.7%.
- PĂ«r gjashtĂ« smartphone Samsung Galaxy S20/S20 Ultra me GPU Mali-G77 MP11 nĂ« testin me dalje nĂ« ekran, saktĂ«sia e identifikimit ishte 92.7%, ndĂ«rsa pĂ«r smartphone Samsung Galaxy S9/S9+ me Mali-G72 MP18 â 54.3%.
Vërehet se saktësia ndikohet nga temperatura e GPU-së, dhe për disa pajisje, rinisja e sistemit shkaktonte deformimin e identifikuesit. Duke përdorur metodën në kombinim me metoda të tjera të identifikimit indirekt, saktësia mund të rritet ndjeshëm. Po ashtu planifikohet të rritet saktësia përmes përdorimit të shader-ëve kompjuterikë pas stabilizimit të API-t të ri WebGPU.
Kompani të tilla si Intel, ARM, Google, Khronos, Mozilla dhe Brave u njoftuan për problemin që në vitin 2020, por detajet e metodës u zbuluan vetëm tani. Ndër të tjera, studiuesit publikuan shembuj funksionalë të shkruar në JavaScript dhe GLSL, të cilët mund të funksionojnë me dalje dhe pa dalje të informacionit në ekran. Po ashtu, për sistemet e bazuara në GPU Intel GEN 3/4/8/10 u publikuan grupe të dhënash për klasifikimin e informacionit të nxjerrë në sistemet e mësimit të makinerive.
Burimi: opennet.ru
