Behavioral Biometrics: как сайты читают не браузер, а движения пользователя

Behavioral Biometrics: как сайты читают не браузер, а движения пользователя

Поведенческий анализ — это не про Canvas или WebGL. Он смотрит на динамику: траекторию курсора, микропаузу перед кликом, ритм скролла, последовательность нажатий клавиш, даже направление свайпа. Внутри антифрод-систем это отдельный слой сигналов, который сложно подделать статическим профилем, потому что он привязан к моторике, а не к отпечатку устройства.

Разберем энтропию данного параметра: у человека движения шумные, но устойчивые по паттерну; у скрипта шум либо слишком гладкий, либо слишком повторяемый. Детект строится на признаках вроде ускорения, jerk, задержек между событиями, отношения mousemove/click и времени удержания кнопки. Если курсор идет по прямой, без коррекции и без естественных микроколебаний, это уже выглядит как синтетика.

Под капотом Chromium API такие события приходят как обычные DOM-event потоки, но система собирает не только сами координаты, а контекст окна, фокус, видимость, частоту кадров и порядок событий. Поэтому простая подмена `mousemove` не решает задачу: нужен согласованный профиль поведения, иначе рассинхрон заметен на уровне модели.

Практический чек-лист для теста: снимайте raw-логи событий, сравнивайте распределения интервалов, проверяйте вариативность траекторий и не используйте шаблонные задержки. Если поведение повторяется от сессии к сессии, это уже fingerprint, только динамический.

Лучший способ не попасть под behavioral-score — не имитировать «идеального человека», а делать поток событий статистически правдоподобным и согласованным с остальным стеком.