Редкие шрифты ломают fingerprint-модель не хуже смены IP: точность утекает в шум

Редкие шрифты ломают fingerprint-модель не хуже смены IP: точность утекает в шум

Браузерное окружение передает больше данных, чем кажется. Если в системе есть нетипичные шрифты, модель начинает опираться не только на canvas и WebGL, но и на косвенные признаки: метрики отрисовки, ширину глифов, fallback-цепочки, порядок подстановки.

Редкий шрифт опасен двояко:
— повышает уникальность отпечатка, когда встречается в малой популяции;
— снижает стабильность, если шрифт загружается не всегда и стек отрисовки меняется.
В результате один и тот же профиль может выглядеть как несколько разных сущностей. Анализируем энтропию параметров: даже различие в межсимвольных интервалах на уровне антиалиасинга может сдвинуть кластер.

На практике модель чаще «цепляется» не за сам шрифт, а за его взаимодействие с платформой: fallback на уровне ОС, hinting, субпиксельный рендеринг, локальные словари символов. Чем экзотичнее набор, тем выше шанс, что детектор получит редкую комбинацию признаков и поднимет score уникальности.

Для лабораторной оценки полезно сравнивать отпечаток при трех режимах: базовый системный набор, расширенный набор и искусственно урезанный стек. Смотрите не только на совпадение хеша, но и на дрейф вторичных метрик — именно там прячется нестабильность. Скрытность — это не отсутствие следов, это шум, сливающийся с фоном.