Fingerprint-кузница
Fingerprint-кузница
@fingerprint_forge_ubt

Canvas-шум: какие искажения реально ломают стабильный отпечаток

Canvas-шум: какие искажения реально ломают стабильный отпечаток

Canvas API часто используют как точку корреляции: рендер один и тот же, а полученный хэш гуляет между средами. Анализируем энтропию параметров: важен не факт подмены, а характер шума, который остаётся статистически правдоподобным.

• Аддитивный шум меняет пиксели по маске. Он дешёвый, но легко ловится по распределению отклонений: слишком ровные сдвиги, повторяемые шаблоны, низкая межкадровая вариативность.
• Глобальная подмена цвета или альфы даёт высокий охват, но быстро ломает консистентность с соседними API — браузерное окружение передает больше данных, чем кажется.
• Псевдослучайные смещения по координатам выглядят живее, если источник зерна завязан на сессию и не повторяет себя в одинаковых ветках рендера.

Сильнее всего выделяются методы, которые вмешиваются не в результат, а в цепочку отрисовки: разные шрифты, субпиксельное сглаживание, порядок операций. Разбираем сигнатуру на уровне syscall — и видно, что «шум» без контроля детерминизма выдаёт себя быстрее, чем нативный рендер.

Лучший критерий — не маскировать Canvas отдельно, а удерживать согласованность с WebGL, Audio и поведением шрифтов: скрытность — это не отсутствие следов, это шум, сливающийся с фоном.
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.