Forskere oppdager en ny metode for fingeravtrykk som kan spore deg ved hjelp av din GPU

Mangel på personvern: Personvern føles som en sjeldenhet i disse dager, men med nok omsorg og innsats er det mulig å skjule det digitale fotavtrykket ditt for gigantiske teknologiselskaper og verdens myndigheter. Det har i hvert fall vært tilfelle så langt. Forskere fra Frankrike, Israel og Australia har gått sammen for å bevise at selv de strengeste personverntiltakene kanskje ikke er nok til å lukke alle sporingshull. Som det viser seg, kan din egen maskinvare ende opp med å jobbe mot deg.

De aktuelle forskerne har utviklet en metode for enhetsidentifikasjon som de kaller " DrawnApart ". Denne strategien tar tradisjonell nettleser-fingeravtrykkteknologi, som har en tendens til å bli foreldet jo lenger et fingeravtrykk er i bruk, og setter ting opp et hakk ved å identifisere en brukers enhet basert på på de "unike egenskapene" til GPU-stabelen.

Vanligvis har nettlesers fingeravtrykk en tendens til å bli forvirret over tid ettersom brukere med lignende enheter med lignende maskinvare går inn på et gitt nettsted. GPU-fingeravtrykk søker å finne de "små forskjellene" som induseres av hvert skjermkorts produksjonsprosess; forskjellene som ikke lett kan maskeres eller tilsløres.

Så hvordan fungerer DrawnApart på et litt mer teknisk nivå? I følge forskere genererer den først en "sekvens av gjengivelsesoppgaver", hver med forskjellige "utførelsesenheter" på en brukers GPU. Resultatene av disse oppgavene – en fingeravtrykksporing – blir deretter matet til et maskinlæringsnettverk, som forvandler sporet til en "innebyggingsvektor." Denne vektoren beskriver fingeravtrykket og kan peke en motstander (personen eller enheten som bruker denne teknikken) mot den spesifikke enheten som genererte det.

DrawnAparts arbeidsbelastninger genereres ved hjelp av WebGL, grafikkbiblioteket som er ansvarlig for gjengivelse på tvers av utallige nettsteder. De aktuelle arbeidsbelastningene er designet for å plukke ut de minste forskjellene i strømforbruk og prosessorkraft på tvers av GPUer. Selv om deres merke og modell er identiske, vil hvert kort behandle gjengivelsen av WebGL-punkter (enkeltvertex-objekter) og håndtere stallfunksjoner litt annerledes. Du kan se et eksempel på disse små forskjellene i sporingsbildet nedenfor, som sammenlignes med tilsynelatende identiske GPUer.

Forskere brukte DrawnApart til å samle 50 spor fra begge enhetene, med hvert enkelt spor bestående av "176 målinger av 16 punkter." Disse målingene blir deretter organisert i 16 grupper på 11, og hver gruppe "stopper" et annet punkt. Tiden det tar GPUen å gjengi hvert punkt vises med en fargegradient som strekker seg fra ren hvit til dyp blå, hvor førstnevnte representerer en raskere gjengivelse (nesten 0ms) og sistnevnte representerer en langsommere (opp til 90ms). De røde søylene du ser på bildet ovenfor brukes kun til å skille gruppene, og det er grunnen til at de forblir konsistente på tvers av begge sporene.

Som du kan se, er det tydelige forskjeller mellom disse to sporene. Forskere bemerker at noen av disse variasjonene er å forvente siden selv den samme enheten ikke alltid vil fungere identisk. Til tross for det, føler teamet at disse sporene viser mønstre som er distinkte nok til å tillate dem å skille mellom to identiske kort. Naturligvis tillater dette nivået av granulert måling svært nøyaktige fingeravtrykk som kan spore brukere over mye lengre tid enn tradisjonelle metoder. Når kombinert med en "state-of-the-art" sporingsalgoritme, rapporterer Bleeping Computer, Drawn Apart øker hvor lenge et mål kan følges med opptil 67 prosent (28 dager mot det normale gjennomsnittet på 17,5 dager).

Så… Hvorfor utføre denne forskningen i det hele tatt? Hvis disse forskerne er så opptatt av brukernes personvern – som de hevder å være – hvorfor gi annonsører og andre dårlige aktører nøklene til kongeriket, for å si det sånn? Teamet håper at ved å avsløre disse potensielle smutthullene i personvernet, vil folkene bak grafikkbiblioteker som WebGL eller den kommende WebGPU API vurdere implikasjonene deres teknologi kan ha på brukernes personvern, og bygge inn sikkerhetstiltak før heller enn senere.

Uansett, denne forskningen er interessant og utgjør noen alvorlige bekymringer for fremtiden til personvern på nettet. Vi gleder oss til å se hva som kommer ut av det i fremtiden, på godt og vondt.