Studiuesit 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 përdoruesve duke zbuluar parametrat e funksionimit të GPU në një shfletues ueb. Metoda quhet "Drawn Apart" dhe bazohet në përdorimin e WebGL për të marrë një profil të performancës GPU, i cili mund të përmirësojë ndjeshëm saktësinë e metodave të gjurmimit pasiv që funksionojnë pa përdorimin e Cookies dhe pa ruajtur një identifikues në sistemin e përdoruesit.
Metodat që marrin parasysh veçoritë e renderimit, GPU-së, stivës grafike dhe drejtuesve gjatë identifikimit janë përdorur më parë, por ato ishin të kufizuara në aftësinë për të ndarë pajisjet vetëm në nivelin e modeleve të ndryshme të kartave video dhe GPU-ve, d.m.th. mund të përdoret vetëm si një faktor shtesë për të rritur gjasat e identifikimit. Karakteristika kryesore e metodës së re "Drawn Apart" është se ajo nuk kufizohet në ndarjen e modeleve të ndryshme GPU, por përpiqet të identifikojë dallimet midis GPU-ve identike të të njëjtit model për shkak të heterogjenitetit të procesit të prodhimit të çipave të projektuar për paralele masive. informatikë. Vihet re se variacionet që lindin gjatë procesit të prodhimit bëjnë të mundur formimin e përshtypjeve jo të përsëritura për të njëjtat modele pajisjesh.
Doli se këto dallime mund të identifikohen duke numëruar numrin e njësive të ekzekutimit dhe duke analizuar performancën e tyre në GPU. Kontrollet e bazuara në një grup funksionesh trigonometrike, operacione logjike dhe llogaritje me pikë lundruese u përdorën si primitivë për të identifikuar modele të ndryshme GPU. Për të identifikuar dallimet në të njëjtat GPU, u vlerësua numri i thread-ve që ekzekutohen njëkohësisht gjatë ekzekutimit të shaderëve të kulmit. Supozohet se efekti i zbuluar është shkaktuar nga ndryshimet në kushtet e temperaturës dhe konsumin e energjisë të instancave të ndryshme të çipave (më parë, një efekt i ngjashëm u demonstrua për CPU - procesorët identikë treguan konsum të ndryshëm të energjisë kur ekzekutonin të njëjtin kod).
Për shkak se operacionet përmes WebGL kryhen në mënyrë asinkrone, performanca e JavaScript API.now() nuk mund të përdoret drejtpërdrejt për të matur kohën e tyre të ekzekutimit, kështu që janë propozuar tre truke për të matur kohën:
- në ekran — paraqitja e skenës në një kanavacë HTML, matja e kohës së përgjigjes së funksionit të kthimit të thirrjes, e vendosur nëpërmjet API-së Window.requestAnimationFrame dhe thirret pasi të përfundojë interpretimi.
- jashtë ekranit - duke përdorur një punëtor dhe duke e kthyer skenën në një objekt OffscreenCanvas, duke matur kohën e ekzekutimit të komandës convertToBlob.
- GPU - Vizato te një objekt OffscreenCanvas, por përdor një kohëmatës të ofruar nga WebGL për të matur kohën që merr parasysh kohëzgjatjen e një grupi komandash në anën e GPU.
Gjatë procesit të krijimit të ID-së, kryhen 50 teste në secilën pajisje, secila prej të cilave mbulon 176 matje me 16 karakteristika të ndryshme. Një eksperiment që mblodhi informacion mbi 2500 pajisje me 1605 GPU të ndryshme tregoi një rritje prej 67% në efikasitetin e metodave të kombinuara të identifikimit kur shtohej mbështetja Drawn Apart. Në veçanti, metoda e kombinuar FP-STALKER siguroi identifikim brenda 17.5 ditësh mesatarisht, dhe kur kombinohej 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 Intel HD Graphics 2500 GPU 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 një kartë video NVIDIA GTX1650, saktësia ishte 70% dhe 95.8%.
- Për 15 sisteme Intel i5-8500 (GEN 8 Coffee Lake) me Intel UHD Graphics 630 GPU - 42% dhe 55%.
- Për 23 sisteme Intel i5-4590 (GEN 4 Haswell) me GPU Intel HD Graphics 4600 – 32.7% dhe 63.7%.
- Për gjashtë telefona inteligjentë Samsung Galaxy S20/S20 Ultra me GPU Mali-G77 MP11, saktësia e identifikimit në testin në ekran ishte 92.7%, dhe për telefonat inteligjentë Samsung Galaxy S9/S9+ me Mali-G72 MP18 ishte 54.3%.
Vihet re se saktësia u ndikua nga temperatura e GPU-së dhe për disa pajisje, rindezja e sistemit çoi në një shtrembërim të identifikuesit. Kur përdorni metodën në kombinim me metoda të tjera të identifikimit indirekt, saktësia mund të rritet ndjeshëm. Ata gjithashtu planifikojnë të rrisin saktësinë përmes përdorimit të hijeve të llogaritjes pas stabilizimit të API-së së re WebGPU.
Intel, ARM, Google, Khronos, Mozilla dhe Brave u njoftuan për problemin në vitin 2020, por detajet e metodës po zbulohen vetëm tani. Studiuesit publikuan gjithashtu shembuj pune të shkruar në JavaScript dhe GLSL që mund të punojnë me dhe pa shfaqur informacion në ekran. Gjithashtu, për sistemet e bazuara në GPU Intel GEN 3/4/8/10, janë publikuar grupe të dhënash për klasifikimin e informacionit të nxjerrë në sistemet e mësimit të makinerive.
Burimi: opennet.ru