Para peneliti telah mendemonstrasikan jenis baru teknik sidik jari yang memanfaatkan unit pemrosesan grafis (GPU) mesin sebagai sarana untuk terus melacak pengguna di seluruh web.
Dijuluki , metode "mengidentifikasi perangkat dari properti unik dari tumpukan GPU-nya," kata peneliti dari Australia, Prancis, dan Israel dalam makalah baru, menambahkan "variasi kecepatan di antara beberapa unit eksekusi yang terdiri dari GPU dapat berfungsi sebagai tanda tangan perangkat yang andal dan kuat, yang dapat dikumpulkan menggunakan JavaScript yang tidak memiliki hak istimewa."
Sidik jari perangkat atau sidik jari mesin adalah informasi yang dikumpulkan tentang perangkat keras, perangkat lunak yang diinstal, serta browser web dan pengaya terkait dari perangkat komputasi jarak jauh untuk tujuan identifikasi unik.
Sidik jari bisa menjadi pedang bermata dua. Di satu sisi, algoritma sidik jari memungkinkan penyedia layanan (misalnya, bank) untuk mendeteksi dan mencegah pencurian identitas dan penipuan kartu kredit. Tapi itu juga dapat disalahgunakan untuk mengumpulkan catatan jangka panjang dari aktivitas penjelajahan individu untuk iklan bertarget, terutama karena kontrol cookie pihak ketiga diperketat.
Sidik jari browser, dalam nada yang sama, terutama bergantung pada penggabungan potongan-potongan informasi penting yang diperoleh dari browser untuk membuat sidik jari. Atribut menjalankan keseluruhan, mencakup versi browser, OS, zona waktu, layar, bahasa, daftar font, dan bahkan cara browser merender teks dan grafik.
Tetapi sidik jari browser juga mengalami satu kelemahan utama karena dapat berkembang dari waktu ke waktu, sehingga lebih sulit untuk melacak pengguna untuk waktu yang lama. Di situlah masuk.
Ini bukan hanya mekanisme pertama dari jenisnya untuk mengeksplorasi dan mempersenjatai perbedaan manufaktur antara GPU yang identik, tetapi juga untuk menggunakan pendekatan yang andal untuk membedakan antara mesin dengan konfigurasi perangkat keras dan perangkat lunak yang identik, yang secara efektif merusak privasi pengguna.
Pada intinya, sistem pelacakan yang diusulkan melibatkan pengukuran waktu yang diperlukan untuk membuat grafik primitif yang berbeda menggunakan , masing-masing menargetkan berbeda yang terdiri dari GPU, untuk membuat jejak sidik jari yang kemudian dimasukkan ke jaringan pembelajaran mendalam untuk mengidentifikasi secara unik perangkat tertentu yang menghasilkannya.
Dalam pengaturan evaluasi yang terdiri dari 2.550 perangkat crowd-source, termasuk desktop Windows 10, perangkat Apple Mac mini, dan beberapa generasi smartphone Samsung Galaxy, para peneliti menemukan bahwa ketika digunakan bersama dengan algoritma penautan sidik jari canggih seperti , DrawnApart memperpanjang rata-rata periode pelacakan dari 17,5 hari menjadi 28 hari.
Penanggulangan untuk memblokir metode sidik jari GPU berkisar dari pemblokiran skrip hingga menonaktifkan WebGL, dan membatasi setiap halaman web ke satu unit eksekusi, atau bahkan mematikan rendering yang dipercepat perangkat keras — sebuah langkah yang para peneliti peringatkan dapat sangat memengaruhi kegunaan dan daya tanggap.
Selanjutnya, pengembangan berkelanjutan ke dalam standar — saat ini tersedia dalam rilis canary dan — diharapkan secara drastis mengurangi waktu yang dibutuhkan untuk mengumpulkan sidik jari, mendorong para akademisi untuk menyimpulkan bahwa "efek dari API komputasi yang dipercepat pada pengguna privasi harus dipertimbangkan sebelum diaktifkan secara global."