Fingerprint-кузница
Fingerprint-кузница
@fingerprint_forge_ubt

AudioContext fingerprinting режется не «антидетектом», а контролем сигнала

AudioContext fingerprinting режется не «антидетектом», а контролем сигнала

AudioContext — это не просто API для звука, а измеритель микросдвигов в тракте рендера. Снимаются не «настройки браузера», а форма волны, задержки, квантизация, поведение компрессора и статистика шума. Браузерное окружение передает больше данных, чем кажется.

Что ломает отпечаток на практике:
— стабилизация sampleRate и channelCount;
— унификация реакций на oscillator/analyser pipeline;
— подавление различий между железом, ОС и кодеками;
— устранение детерминированного шума, который повторяется между сессиями.

Противодействие работает только если оно консистентно. Случайный шум без модели создает новый кластер, а не анонимность. Нужна связка: одинаковая латентность, одинаковый путь рендеринга, одинаковые ответы на запросы графа аудиоконвейера. Разбираем сигнатуру на уровне syscall: если одни компоненты маскируются, а другие продолжают светить тайминги, корреляция сохраняется.

Отдельная ошибка — трогать только выходной сигнал. Детекторы часто смотрят на межкадровые интервалы, порядок инициализации узлов и артефакты при частичной нагрузке. Скрытность — это не отсутствие следов, это шум, сливающийся с фоном.

Лучший фильтр — не «прибить» AudioContext, а сделать его поведение типовым, предсказуемым и одинаковым между запусками.
Этот пост опубликован в Telegram-канале Fingerprint-кузница. Подписаться можно по ссылке: @fingerprint_forge_ubt.
tech

Свежие посты в категории «Tech Infrastructure»

Все каналы категории →

start

Готовы запустить рекламу через сеть public.tg?

Новый оффер, продукт, GEO, кейс, событие или партнёрский запуск — соберём маршрут под задачу и отдадим медиаплан.

Telegram для медиаплана: @AFFtop_connect. Быстрый тест: $20 за канал, $1000 за пакет по сети.