Ano ang canvas fingerprint? Paano nakikilala ng mga website ang device sa pamamagitan ng browser drawing
Buod: Nagmumula ang canvas fingerprint sa isang tunay na operasyon ng pagguhit; ang GPU, system, font, at browser engine ang sabay-sabay na nagtatakda ng resulta. Hindi nito kayang mag-isa ang magpatunay ng identity, ngunit kapag isinama ito sa cross-checking ng iba pang parameter, sisiwalat ang tunay na anyo ng iyong environment. Dalawang bagay ang bantayan sa pamamahala: matatag ang reading ng iisang environment, at malayo ang pagitan ng mga environment sa isa't isa. Sunod-sunod nating tatalakayin ang prinsipyo, mga salik na nakaaapekto, hangganan ng pagkilala, pagsusuri, at ang dalawang mode ng configuration sa MostMate.
Buksan mo ang iisang website sa dalawang device, at magkakaiba sa antas ng pixel ang larawang iginuhit ng system sa loob ng pahina. Hindi ito sira ng pahina; iniwan ng bawat device ang sariling bakas sa mismong pagguhit. Kinokolekta ng website ang bakas na ito at ginagawang isang value, at ito na ang canvas fingerprint: isa sa mga parameter ng browser fingerprint na may pinakamataas na kakayahang makipag-iba. Ang MostMate ay isang anti-detect browser, at isa sa mga pangunahing parameter sa fingerprint setting nito ang canvas. Ipapaliwanag ng artikulong ito ang buong daloy nito, mula sa pagbuo hanggang sa configuration.
Paano gumagawa ang website ng "signature image" gamit ang canvas
Nagmumula ang canvas fingerprint sa isang tunay na operasyon ng pagguhit: pinaguguhit ng website ang browser ng takdang nilalaman, saka binabasa ang resulta at kino-convert sa isang feature value. Ang ginagamit sa pagguhit ay ang Canvas drawing interface ng browser; iisa ang 2D canvas capability na ito ng mga web game, chart, at photo editor. Makikita ang detalye ng interface sa Canvas API documentation ng MDN. Walang maramdamang bahagi ang buong proseso para sa user. Tatlong hakbang ito:
- Pagguhit: Nagguhit ang script ng pahina ng nakatakdang nilalaman sa canvas, karaniwang ilang linya ng teksto, mga hugis-geometriko, at gradient na bloke.
- Pagbasa: Inilalabas ng script ang canvas bilang string o pixel array gamit ang toDataURL() o getImageData() at iba pang tulad na interface.
- Paghahambing: Gagawing hash value ang nakalabas na resulta, at titingnan kasama ang nakaraang tala ng environment na ito o inaasahan mula sa ibang signal.

Bakit hindi magkatulad ang guhit ng dalawang device
Ang resulta ng pagguhit ay tinutukoy ng buong rendering chain; magkaiba man lang ang isang sangkap, magkaiba na ang pixel. Ipapadala ang parehong set ng utos sa dalawang device: una, magpapasya ang system kung aling font ang gagamitin at paano ilarawan ang gilid ng teksto; pagkatapos, isasagawa ng browser engine ang pagguhit; sa dulo, ibibigay ng GPU at driver ang output. Apat na sangkap, apat na tungkulin:
- GPU at driver. Magbubunga ng maliliit na pagkakaiba sa pixel ang magkaibang GPU at bersyon ng driver kahit iisa ang drawing instruction; ito ang pangunahing pinagmumulan ng pagkakaiba ng resulta.
- Operating system at text rendering. Magkaiba ang paraan ng rendering at patakarang anti-aliasing ng Windows, macOS, at Linux; kahit isang linya lang ng teksto, magkakaiba ang kinis ng gilid.
- Kapaligiran ng font. Ang teksto sa canvas ay iginuguhit gamit ang mga font ng mismong makina, kaya papasok sa resulta ang mga naka-install na font at ang kanilang bersyon. Naipaliwanag na namin sa artikulong Paano nadadetect ang font fingerprint ang lohika ng pag-check sa font list; iisang pinagmulan lang ang dalawa.
- Browser engine at bersyon. Magkakaiba ang pagpapatupad sa pagguhit ng Chromium, Firefox, at WebKit, at dala ng mga malalaking update ang maliliit na pagbabago.

Ang apat na sangkap na ito ang sabay-sabay na nagtatakda ng kakayahang makipag-iba ng canvas: maliit lang ang bawat indibidwal na pagkakaiba, ngunit pagkatapos i-hash, mataas ang tsansang hindi magtugma ang dalawang device. Sa likod ng isang maliit na larawan, ang buong rendering chain ng device ang sabay na lumalabas.
Hanggang saan kayang makilala ng canvas fingerprint
Isang uri ng device characteristic na mataas ang kakayahang makipag-iba ang canvas fingerprint, ngunit hindi nito kayang mag-isa ang magpatunay ng identity. Tatlo ang hangganan nito; linawin muna natin.
Una, ang pagkakapareho ng hash ay hindi katibayan ng pagkakapareho ng device: maaaring magkapareho ang value ng dalawang device na akmang-akma ang rendering chain, at malaking bahagi na mismo ng mga sikat na configuration sa merkado ang magkakatulad.
Pangalawa, hindi ito nag-iisang sandata ng website: kasama ang canvas reading sa cross-validation kasama ang UA, screen, font, at wika; sa pangkat ng mga parameter na ito, ito ang matibay na ebidensiyang "hindi kayang isabi nang mag-isa, kaya't kailangang subukan sa mismong lugar".
Pangatlo, hiwalay itong mekanismo sa cookie: nakaimbak sa lokal ang cookie at maaaring burahin o tanggihan; samantalang sinusukat ang canvas sa mismong bisita, kaya walang epekto dito ang pagburahin ng cookie.
Nagsasama ang tatlong hangganang ito sa isang konklusyon: hindi matutukoy ng canvas ang kapalaran ng account, ngunit kung magkatulad nang lubos ang hash ng iisang batch ng environment, para na ring itinaas nila ang kanilang kamay sa cross-validation.
Tatlong hakbang upang makita ang canvas fingerprint ng iyong environment
Hindi kailangang mag-install ng anumang tool upang masuri ang canvas; sapat na ang isang test page at dalawang ulit na pagsusuri. Sundan ang ganitong order:
- Itala ang kasalukuyang reading. Buksan ang canvas test page ng BrowserLeaks sa loob ng environment; ipapakita ng pahina ang kasalukuyang hash value at preview ng imahe. Itala ito.
- Ulitin sa parehong environment. Isara at buksan muli ang pahina, o subukang muli pagkalipas ng isa o dalawang araw: hindi dapat magbago ang hash value ng iisang environment. Kung hindi tugma ang dalawa, may karagdagang prosesong humahalo sa reading.
- Ikumpara sa ibang environment. Patakbuhin ang parehong test sa ikalawang environment; dapat na may kitang-kitang pagkakaiba ang dalawang hash. Mas malaki ang layo, mas malinaw ang paghihiwalay ng mga environment.
Sa pagbasa ng resulta, sapat na ang tignan kung "matatag ba ito, may pagkakaiba ba"; walang kailangang puntiryahin na partikular na numero. Maaaring hindi magtugma ang hash value ng iba't ibang test site: magkakaiba ang iginuguhit, paraan ng pagkuha, at hashing algorithm ng bawat isa. Walang saysay ang paghahambing sa ibang site; ang paghahambing bago at pagkatapos sa iisang tool ang may bentahe.

Paano pumili sa dalawang mode ng canvas sa MostMate
Hatiin ng fingerprint setting ng MostMate ang canvas sa dalawang mode: Real at Noise (Real/Noise ang nakasulat sa interface), at ang default ay Real. Ang buong larawan ng produkto ay nasa Ano ang MostMate; sa listahan ng manual fingerprint setting ng opisyal na site, magkatabi ang canvas, audio, WebGL at iba pang parameter, at sa iisang fingerprint setting section itinatakda ito sa paggawa ng environment. Tingnan muna sa table ang pagkakaiba ng dalawang mode:
| Aspekto | Real | Noise |
|---|---|---|
| Pinagmulan ng reading | Live render sa host, parang manual browser | May noise na idinaragdag sa totoong resulta |
| Pagtatanghal sa detection | Nagpapakita ng totoong rendering chain | Hiwalay sa host, may sariling value |
| Angkop na sitwasyon | Tugma ang persona at rehiyon ng host system | Maramihang environment na dapat magkalayo |
| Paalala | Magkatulad ang reading sa iisang makina | Hawakan sa makatwirang saklaw ang noise |
Angkop ang Real mode sa mga sitwasyong malinis ang "kaloob-looban" ng host machine: kapag English Windows ang makina at mga environment sa America ang pinapatakbo mo, ang totoong rendering ang gagamitin, kaya katulad ng manual browser ang reading at walang bakas ng pagbuo-buo. Malinaw din ang limitasyon: kapag lahat ng environment sa iisang makina ay nasa Real mode, iisa ang canvas reading nila at walang pagkakaiba sa pagitan nila.
Ang Noise mode ang pumupuno sa butas na ito: pinagdaragdag ng noise ang canvas reading ng environment upang mahiwalay ito sa totoong rendering ng host, kaya nagkakalayo ang mga environment na ginawa sa maramihan. Ngunit kailangang nasa ilalim ng kontrol ang noise: dapat manatili sa normal na saklaw ng totoong device ang reading pagkatapos ng noise, kung hindi, ang mismong "pagkakaiba" ang magiging kapansin-pansing abnormalidad; abnormal na senyales din ang hindi pagtugma ng dalawang reading sa iisang environment. Kumpleto ang argumento sa artikulong Bakit mapanganib ang fingerprint randomization.
Titingnan din ang canvas kasama ng mga parameter sa parehong grupo. Hindi maaaring tumakbo ang canvas rendering nang wala ang operating system, font, at GPU, kaya dapat iisang device profile ang itinuturo ng mga parameter na ito: kapag pinili ang macOS profile, tiyakin na nasa makatwirang saklaw ng macOS din ang audio, WebGL image at iba pang parameter sa parehong grupo; madaling makalusot ang maling pagtutugma sa loob ng grupo kung canvas lang ang titingnan. Naipaliwanag sa Paano i-set ang AudioContext fingerprint ang lohika ng mode ng audio; magagamit din ang parehong pag-iisip dito.
Pagkatapos ng configuration, gumawa ng isang round ng verification: kumpirmahin ang canvas mode sa fingerprint setting; ipapakita ng canvas field sa fingerprint preview panel sa kanan ang code na tulad ng Noise[3LR450]. Ito ang tanda ng noise configuration na ito, may kanya-kanyang code ang bawat environment, at hindi ito ang hash na kinakalkula ng test page; huwag ipagtapat ang code sa hash. Ang totoong reading ay titingnan sa pamamagitan ng pagbukas ng environment at pagbisita sa test page, at kokumparahin kung tugma sa inaasahan; sa tuwing magpapalit ng proxy o magbabago ng fingerprint configuration pagkatapos nito, muling susuriin bago gamitin.

Mga madalas itanong
Iisa lang ba ang canvas fingerprint at browser fingerprint?
Hindi. Ang browser fingerprint ay isang kabuuan ng ilang dosenang parameter; isa lang ang canvas na rendering-type na characteristic, at kabilang ito sa parehong grupo ng WebGL at font list. Kabuuan ng lahat ng parameter ang pangkalahatang resulta; mataas ang pagkakaiba-iba ng canvas bilang indibidwal, ngunit hindi ito nangangahulugang pambihira ang buong fingerprint.
Nakakaiwas ba sa pagkilala ang pag-disable ng canvas?
Hindi inirerekomenda. Maraming web function ang nakadepende sa canvas, kaya aapektuhan ng pag-disable ang normal na paggamit; sinusuportahan ng halos lahat ng normal na browser ang canvas, kaya ang "hindi sinusuportahan" mismo ang magiging bihirang characteristic na mas madaling mahuli. Ang tamang gawin ay kontrolin ang pinagmulan at pagkakapare-pareho ng reading, hindi ang isara ang interface.
Nagbabago ba ang canvas fingerprint sa pag-update ng browser?
Oo, ngunit iba ang ritmo nito sa randomization. Sabay-sabay sa buong network ang rendering changes mula sa malalaking browser update, sabay na nagbabago ang lahat ng user, at nakita na ng mga platform ang ganitong ritmo. Normal na magbago nang ilang beses sa isang taon ang canvas value ng totoong environment; ang madalas at walang-pattern na pagbabago ang abnormal.
Kayang gawing iba-iba ng fingerprint browser ang canvas ng bawat environment?
Kaya; ang gawain mismo ng Noise mode: magdagdag ng noise sa canvas reading upang magkalayo ang reading ng mga environment sa batch. Ngunit dapat makatwiran ang laki ng noise, at dapat manatili sa normal na saklaw ng kaukulang system ang reading.
Konklusyon
Ang esensya ng canvas fingerprint ay ang konsentrasyong paglabas ng rendering chain ng device sa iisang canvas: hindi nito kayang mag-isa ang magpatunay ng identity, ngunit ito ang pinakamahirap isabi nang mag-isa at sinusukat lang sa mismong lugar. Sa pamamahala, dalawa ang hawakan: matatag sa muling pagsusuri ang reading ng iisang environment, malayo ang pagitan ng hash ng mga environment, at iisang device profile ang itinuturo ng mga parameter na magkasama. Para patakbuhin mula sa simula ang isang set ng environment, i-download ang MostMate; pagkatapos gumawa ng environment, beripikahin muna ang canvas reading ng bawat isa bago gamitin.
MOSTMATE
Ligtas na Pamamahala ng Maraming Account, Pinadali
Magsimula sa unang account at gamitin ang MostMate upang bumuo ng mas ligtas, mas matalino, at mas mahusay na operasyon ng maraming account.
- Mga hiwalay na profile. Mga magkakatugmang identidad.
- AI Automation · Kalagayan ng Account · Mga Operasyon ng Team



