研究人員使用AI打擊瀏覽器指紋

嚴柏

瀏覽器指紋的反跟蹤技術(shù)

什么是瀏覽器指紋，看看幾類你被互聯(lián)網(wǎng)巨頭監(jiān)控的場景：

場景一：在網(wǎng)站上瀏覽了某個商品，了解了相關(guān)的商品信息，但并沒有下單購買，甚至沒有進行登錄操作，過兩天同臺電腦訪問其他網(wǎng)站的時候卻發(fā)現(xiàn)很多同類商品的廣告。

場景二：在某博客中你有多個小號，這些小號的存在就是為了刷某個帖子的熱度或者進行輿論引導(dǎo)，又或者純粹進行流量交易，即便你在切換賬號的時候清空了Cookie、本地緩存，重開路由器來進行操作，你覺得自己足夠小心，但是管理人員可能還是知道這是同一個人在操作，從而被打擊。

一般情況下，網(wǎng)站或者廣告商都想要一種技術(shù)可以在網(wǎng)絡(luò)上精確地定位到每一個個體，就算你沒有賬號，沒有登錄，也可以通過收集這些個體的數(shù)據(jù)，然后加以分析之后更加精確地去推送廣告和其他的一些活動。而這個技術(shù)就是瀏覽器指紋，這還是用前端技術(shù)來實現(xiàn)的。

目前包括Firefox、Safari、Opera和Chrome在內(nèi)的瀏覽器已開始提供針對使用Cookie和IP地址的跨站點跟蹤方法的保護，尤其是為了打擊指紋。

在最近的一項研究中，愛荷華大學(xué)和加州大學(xué)的研究人員戴維斯研究了一種基于機器學(xué)習的方法，稱為FP-Inspector，該方法訓(xùn)練分類器學(xué)習指紋。共同作者說，通過將靜態(tài)和動態(tài)分析相結(jié)合來提取句法和語義特征，從而有效地補充了彼此的局限性，F(xiàn)P-Inspector克服了動態(tài)分析的覆蓋范圍問題，同時解決了靜態(tài)分析無法處理混淆的問題。

一些瀏覽器和隱私工具已嘗試使用API更改和網(wǎng)絡(luò)請求阻止之類的技術(shù)來減輕指紋跟蹤。但是這些需要人工分析，并且難以限制內(nèi)容交付網(wǎng)絡(luò)之類的雙重用途第三方提供的腳本。因為必須嚴格定義每個硬編碼的試探法，以避免誤報，并不斷進行更新以捕獲不斷發(fā)展的指紋和非指紋。

相比之下，基于JavaScript的FP-Insp

ector具有獨立的檢測組件，該檢測組件從腳本中提取特征（例如語法和執(zhí)行）并訓(xùn)練分類器以識別指紋（無監(jiān)督和受監(jiān)督的特征選擇方法將用于訓(xùn)練分類器的特征數(shù)量限制為1000個靜態(tài)特征和1000個動態(tài)特征）。

緩解組件將限制應(yīng)用于檢測到的腳本;FP-Inspector限制所有已知正在使用指紋識別的腳本的訪問，并阻止請求下載從執(zhí)行指紋識別的域提供的腳本。

樣本測試效率高

為了培訓(xùn)FP-Inspector，研究人員抓取了20000個網(wǎng)站的主頁，以編譯包含153354個不同執(zhí)行腳本的17629個網(wǎng)站的列表。他們從100000個訪問量最高的網(wǎng)站（Alexa的全球排名）中選出了前10000個網(wǎng)站，并從其余的10000個網(wǎng)站中隨機抽取了樣本，使它們可以覆蓋最受歡迎的網(wǎng)站和下層網(wǎng)站在實驗中。實驗表明，F(xiàn)P-Inspector的性能很好，與手動設(shè)計的啟發(fā)式方法相比，檢測到的指紋腳本多出26%，準確率達99.9%。

為了衡量網(wǎng)絡(luò)上指紋識別腳本的流行程度，研究人員將FP-Inspector的檢測組件應(yīng)用于Alexa排名最高的71112個網(wǎng)站。他們發(fā)現(xiàn)，現(xiàn)在有超過四分之一的頂級站點都部署了指紋識別（前十萬個站點中的10.18%，總計2349個唯一域），并且指紋在不同類別的網(wǎng)站上使用不均。使用率范圍從將近14%的新聞網(wǎng)站到僅1%的與信貸和債務(wù)相關(guān)的網(wǎng)站，這是作者之間的差異，這是因為指紋識別在依賴廣告和付費墻進行貨幣化的網(wǎng)站上很普遍。

研究人員說，他們計劃發(fā)布提供指紋識別腳本的域，以跟蹤保護列表，例如Disconnect和EasyPrivacy。他們寫道：“我們計劃向面向隱私的瀏覽器供應(yīng)商和標準機構(gòu)報告這些API的名稱和統(tǒng)計信息。”