Studiues nga Universiteti Ben-Gurion (Izrael), Universiteti i Lille (Francë) dhe Universiteti i Adelaide (Australi) kanë zhvilluar një teknikë të re për identifikimin e pajisjeve të përdoruesit duke përcaktuar parametrat e performancës së GPU-së në një shfletues interneti. E quajtur "Drawn Apart", metoda përdor WebGL për të profilizuar performancën e GPU-së, duke përmirësuar ndjeshëm saktësinë e metodave të ndjekjes pasive që funksionojnë pa cookie ose pa ruajtur një identifikues në sistemin e përdoruesit.
Metodat që marrin në konsideratë karakteristikat e renderimit, GPU-së, grumbullit grafik dhe drajverëve gjatë identifikimit janë përdorur më parë, por ato ishin të kufizuara në dallimin e pajisjeve vetëm në nivelin e modeleve të ndryshme të kartave video dhe GPU-ve, që do të thotë se ato mund të përdoren vetëm si një faktor shtesë për të rritur mundësinë e identifikimit. Karakteristika kryesore e metodës së re "Drawn Apart" është se ajo shkon përtej dallimit të modeleve të ndryshme GPU dhe përpiqet të identifikojë ndryshimet midis GPU-ve identike të të njëjtit model, të shkaktuara nga heterogjeniteti i procesit të prodhimit për çipat e projektuar për llogaritje masive paralele. Vërehet se ndryshimet që lindin gjatë procesit të prodhimit lejojnë krijimin e gjurmëve unike të gishtërinjve për të njëjtat modele pajisjesh.
Doli që këto ndryshime mund të identifikohen duke numëruar numrin e njësive të ekzekutimit dhe duke analizuar performancën e tyre në GPU. Testet e bazuara në një sërë funksionesh trigonometrike, operacione logjike dhe llogaritje me pikë lundruese u përdorën si primitivë për të identifikuar modele të ndryshme GPU. Për të identifikuar ndryshimet në GPU identike, u vlerësua numri i fijeve që ekzekutohen njëkohësisht gjatë ekzekutimit të shaderit të verteksit. Besohet se efekti i vëzhguar shkaktohet nga ndryshimet në kushtet e temperaturës dhe konsumin e energjisë të modeleve të ndryshme të çipave (një efekt i ngjashëm është demonstruar më parë për CPU-të: procesorët identikë shfaqën konsum të ndryshëm të energjisë kur ekzekutonin të njëjtin kod).
Meqenëse operacionet WebGL ekzekutohen në mënyrë asinkrone, performance.now() i API-t JavaScript nuk mund të përdoret drejtpërdrejt për të matur kohën e ekzekutimit të tyre, prandaj janë propozuar tre truke për të matur kohën:
- nĂ« ekran â renderimi i njĂ« skene nĂ« njĂ« kanavacĂ« HTML, duke matur kohĂ«n e ekzekutimit tĂ« njĂ« funksioni rikthimi tĂ« ekspozuar nĂ«pĂ«rmjet API-t Window.requestAnimationFrame dhe tĂ« thirrur pasi tĂ« pĂ«rfundojĂ« renderimi.
- jashtĂ« ekranit â duke pĂ«rdorur njĂ« worker dhe duke e renderuar skenĂ«n nĂ« njĂ« objekt OffscreenCanvas, duke matur kohĂ«n e ekzekutimit tĂ« komandĂ«s convertToBlob.
- GPU - Renderohet në një objekt OffscreenCanvas, por përdor kohëmatësin e ofruar nga WebGL për të matur kohën, i cili merr parasysh kohëzgjatjen e ekzekutimit të një grupi komandash në anën e GPU-së.
Gjatë procesit të krijimit të identifikuesit, kryhen 50 kontrolle në secilën pajisje, secila prej të cilave mbulon 176 matje të 16 karakteristikave të ndryshme. Një eksperiment që mblodhi informacion në 2500 pajisje me 1605 GPU të ndryshme demonstroi një rritje prej 67% në efikasitetin e metodave të kombinuara të identifikimit kur u shtua mbështetja për Drawn Apart. Konkretisht, metoda e kombinuar FP-STALKER siguroi identifikim brenda 17.5 ditëve mesatarisht, ndërsa kur u kombinua me Drawn Apart, kohëzgjatja e identifikimit u rrit në 28 ditë.
- Saktësia e ndarjes së 10 sistemeve me çipa Intel i5-3470 (GEN 3 Ivy Bridge) dhe GPU Intel HD Graphics 2500 në testin në ekran ishte 93%, dhe në testin jashtë ekranit ishte 36.3%.
- Për 10 sisteme Intel i5-10500 (GEN 10 Comet Lake) me karta grafike NVIDIA GTX1650, saktësia ishte 70% dhe 95.8%.
- Për 15 sisteme Intel i5-8500 (GEN 8 Coffee Lake) me GPU Intel UHD Graphics 630, shifrat janë 42% dhe 55%.
- PĂ«r 23 sisteme Intel i5-4590 (GEN 4 Haswell) me GPU Intel HD Graphics 4600, shifrat ishin 32.7% dhe 63.7%.
- Për gjashtë telefona inteligjentë Samsung Galaxy S20/S20 Ultra me GPU Mali-G77 MP11, saktësia e identifikimit në testin e shfaqjes në ekran ishte 92.7%, dhe për telefonat inteligjentë Samsung Galaxy S9/S9+ me Mali-G72 MP18, ishte 54.3%.
U vu re se temperatura e GPU-së ndikoi në saktësi, dhe për disa pajisje, rinisja e sistemit rezultoi në një identifikues të dëmtuar. Kur përdoret në kombinim me metoda të tjera të identifikimit indirekt, saktësia mund të rritet ndjeshëm. Saktësia është planifikuar gjithashtu të përmirësohet duke përdorur shader-at llogaritëse pasi API-ja e re WebGPU të stabilizohet.
Intel, ARM, Google, Khronos, Mozilla dhe Brave u njoftuan për problemin në vitin 2020, por detajet e metodës janë zbuluar vetëm tani. Studiuesit publikuan gjithashtu shembuj pune të shkruar në JavaScript dhe GLSL që mund të funksionojnë me dhe pa shfaqur informacion. Sete të dhënash për klasifikimin e informacionit të nxjerrë në sistemet e të mësuarit automatik janë publikuar gjithashtu për sisteme të bazuara në GPU-të Intel GEN 3/4/8/10.
Burimi: opennet.ru
