浏览器指纹识别

简而言之:浏览器指纹识别通过将数十种设备和浏览器特征组合成一个特征签名来识别访问者,无需在设备上存储任何内容。即使清除了 Cookie 或使用无痕浏览,它仍然有效。

浏览器指纹识别会收集浏览器向每个网站公开的属性:屏幕尺寸、已安装字体、时区、语言、图形硬件、音频处理行为等。单个属性无法识别任何人,但组合起来后,它们会形成一个足够独特的特征签名,可用于识别不同访问和会话中的特定设备。

使用的信号:

  1. User-Agent 和请求头:浏览器名称、版本、平台、接受的语言,以及请求头的到达顺序。
  2. 屏幕与视口:分辨率、颜色深度、像素比,以及扣除系统界面后可用的屏幕区域。
  3. Canvas 渲染:相同的绘图指令会因 GPU、驱动程序和字体光栅化方式的不同,产生细微差异的像素输出。
  4. WebGL:直接公开图形硬件供应商和渲染器字符串,通常可以识别具体的 GPU 型号。
  5. 音频处理:不同音频栈产生的振荡器输出存在细微差异,从而形成另一个稳定值。
  6. 字体:不同设备上安装的字体集合差异很大。
  7. 硬件线索:逻辑处理器数量、设备内存、触控点支持情况。
  8. 时区与区域设置:时区偏移、报告的时区名称,以及数字和日期格式惯例。

为什么组合如此重要:

单独来看,这些属性都很常见。数百万人使用相同版本的浏览器和相同的分辨率。识别能力来自这些属性的交集。

如果某位访问者使用特定版本的 Chrome、某个特定的操作系统版本、不同寻常的分辨率、特定时区、特定 GPU 和字体集合,那么他可能是网站见过的唯一具有这些特征的访问者。自电子前沿基金会开展 Panopticlick 研究以来,多项研究始终表明,仅凭这些信号就能唯一识别绝大多数浏览器。

指纹也相当稳定。浏览器更新或硬件发生变化时,指纹会改变,但不会在不同会话之间变化,而这正是它们可用于跟踪和机器人检测的原因。

检测系统会关注什么:

反机器人系统通常并不关心身份,而是关心指纹在内部是否一致。

不一致之处 可能表明
User-Agent 显示 Windows,WebGL 却报告 Linux 驱动程序 伪造的 User-Agent
IP 地理位置位于德国,时区却是 America/Chicago 代理与运行环境不匹配
移动设备 User-Agent,却使用桌面屏幕分辨率 粗糙的设备模拟
Canvas 输出与已知的无头浏览器特征签名匹配 自动化浏览器
除系统默认字体外没有其他字体 容器化或虚拟化环境
多个不同 IP 使用相同的指纹 代理池背后使用同一套自动化技术栈

最后一行所描述的情况会导致大多数简单的抓取方案失效。轮换 IP 地址却保持完全相同的浏览器环境,会产生任何真实用户群体都不可能形成的模式,因此极易被检测。

读取指纹信号:

// A fraction of what a fingerprinting script collects
const signals = {
  userAgent: navigator.userAgent,
  languages: navigator.languages,
  platform: navigator.platform,
  hardwareConcurrency: navigator.hardwareConcurrency,
  deviceMemory: navigator.deviceMemory,
  timezone: Intl.DateTimeFormat().resolvedOptions().timeZone,
  screen: [screen.width, screen.height, screen.colorDepth],
  touchPoints: navigator.maxTouchPoints,
  webdriver: navigator.webdriver
};

// Canvas signal: identical instructions, hardware dependent output
const canvas = document.createElement("canvas");
const ctx = canvas.getContext("2d");
ctx.textBaseline = "top";
ctx.font = "14px Arial";
ctx.fillText("fingerprint", 2, 2);
signals.canvasHash = canvas.toDataURL();

navigator.webdriver 属性值得注意。浏览器受到自动化控制时,该属性会被设为 true,它是最直接的自动化信号。任何成熟的隐蔽方案都会将其隐藏,因此检测系统不会把缺少该属性视为有效信息,而是转而检查更难伪装的信号。

指纹识别与数据采集:

对于任何进行大规模网页数据采集的人来说,浏览器指纹识别正是仅轮换 IP 地址不再有效的原因。

住宅 IP 池可提供网络层面的多样性。如果来自该池的每个请求都带有相同的 Canvas 哈希值、字体列表和 WebGL 渲染器,那么无论该池包含多少地址,仍会被识别为同一主体。检测系统会跨 IP 关联指纹,目的正是发现这种模式。

相比隐藏,一致性更加重要。看起来像真实设备且与其所用 IP 的地理位置相匹配的指纹可以通过检测。经过部分伪造且内部相互矛盾的指纹,甚至比完全未经修改的指纹更快被拦截。

Bright Data 的浏览器 API可管理不同会话间的指纹一致性,并使浏览器环境与代理的地理位置保持一致,从而让这两个信号相互吻合。

相关检测层:

浏览器指纹识别在 JavaScript 层运行,需要客户端执行代码。它只是多个检测层之一。TLS 指纹识别会在连接建立期间、任何内容返回之前识别客户端。行为分析会在页面加载后检查交互模式。现代检测技术会将这三层结合起来,因此仅突破其中任何一层通常都不会改变最终结果。

准备好开始了吗?