Революционная технология подмены Canvas 3.0 в Linken Sphere — настоящий прорыв в индустрии антидетектов!

В статье мы сравниваем известные продукты в реальной работе на основе популярного сервиса проверки отпечатков и рассказываем, как отделить правду от маркетинговых обещаний. 

Вступление 

Стабильный Canvas в профиле на устройствах с разными GPU часто используют в рекламе антидетект-браузеров как доказательство качественной подмены. Но естественная отрисовка одного и того же изображения в таких условиях обычно дает разные результаты. Значит, важен не сам факт стабильности, а способ, которым она достигается. 

Сегодня мы разберем основные методы подмены Canvas и покажем, как именно некоторые антидетект браузеры достигают идеальных результатов на известных чекерах, но фактически не работают в проверках реальных антибот-систем. На примере тестов в FingerprintPro сравним влияние разных реализаций подмены Canvas на Tampering ML Score, а затем рассмотрим реализацию подмены нового поколения — Canvas 3.0 в Linken Sphere. 

Что такое Canvas и где он используется

Canvas — это HTML-элемент, который позволяет странице создавать растровое изображение прямо в браузере. Скрипт может получить 2D-контекст для рисования линий, фигур, градиентов и текста либо использовать WebGL для вывода трехмерной графики. В отличие от обычных HTML-элементов, Canvas не хранит изображение в виде набора DOM-объектов: результатом работы становится массив пикселей. 

Эта особенность используется не только для отрисовки графиков и визуальных эффектов, но и для идентификации браузера. Техника получила название Canvas Fingerprinting. Сайт создает скрытый элемент < canvas > и просит браузер нарисовать заранее заданный объект: например, текст с определенным шрифтом, цветовые переходы, геометрические фигуры, тени и другие элементы. После этого страница считывает результат отрисовки. 

Подключенный антибот самостоятельно преобразует полученные пиксели в строку или массив байтов, а затем вычисляет компактную сигнатуру. Это может быть криптографический хеш или обычная хеш-функция. В некоторых реализациях на сервер отправляется уже хеш, в других — закодированный результат, из которого сервер формирует собственную сигнатуру. 

Почему один и тот же рисунок может отличаться в разных браузерах? Финальные пиксели зависят от всей цепочки отрисовки: файлов шрифтов и механизмов их подстановки, алгоритмов сглаживания, операционной системы, версии браузерного движка, параметров цветопередачи, аппаратного ускорения, видеокарты и драйвера. 

Каждое отдельное различие обычно невелико. Например, буква может иметь немного другой контур, градиент — отличаться на несколько значений цвета, а край фигуры — сглаживаться иначе. Но совокупность таких различий иногда оказывается достаточно характерной для конкретной конфигурации. Именно поэтому Canvas рассматривают как один из источников энтропии браузерного отпечатка. При этом слово "уникальный" здесь означает статистически редкий, а не гарантированно неповторимый: два одинаково настроенных компьютера с одним железом могут дать один и тот же результат, а в другом случае компьютер может начать выдавать отличающийся результат после обновления программного или аппаратного окружения. 

Полученную сигнатуру антибот-система может сохранить у себя и использовать при следующих обращениях. Обычно Canvas сопоставляется с уже известной сессией, аккаунтом или набором других признаков: cookies, IP-адресом и сетевыми параметрами, характеристиками браузера, WebGL, поведением пользователя и так далее. Поэтому Canvas Fingerprinting — это не самостоятельный идентификатор, а один из важных сигналов. 

Таким образом, ценность Canvas для систем идентификации пользователей связана с сочетанием двух свойств: он доступен странице без установки дополнительного ПО и способен отражать особенности реального графического окружения. 

Эволюция технологий подмены Canvas в антидетект-браузерах 

Как и многие технологии подмен отпечатков в индустрии, которыми вы активно пользуетесь повседневно, подмена Canvas постепенно дорабатывалась. Разработчики антидетект браузеров постоянно искали способ сделать ее менее заметной для антибот-систем. 

Первое поколение подмен работало максимально грубо и топорно. Основным методом изменения отпечатка было добавление пикселей или другого текста на сам холст. Таким образом, помимо запрошенного скриптом контента, туда добавлялись другие детали, что влияло на итоговый хеш результата. Со временем аналитические системы были доработаны, и такой метод подмены стал легко определяться. 

Затем индустрия пришла к методу, который подразумевает наложение шума на изображение. Это, несомненно, лучше, чем предыдущий вариант, однако все равно достаточно часто детектируется мощными антибот-системами, так как в результате картинка все же изменяется. Пусть не так радикально, как это было в прошлых реализациях, однако этого достаточно для того, чтобы обнаружить сам факт применения подмены, что сделает пользователя более подозрительным в глазах антибот-системы. Именно поэтому мы, как и большинство представителей других антидетектов, рекомендовали по возможности не использовать подмену Canvas и прибегать к ней лишь в исключительных случаях. 

Так как подмена осуществляется именно путем наложения шума на реальный результат отрисовки GPU, есть ряд известных ограничений текущего поколения подмены: 

• Невозможность получать произвольный результат Canvas: нельзя взять и заставить профиль отдавать такой же результат, какой выдает желаемая видеокарта. Результат все равно будет на 100% уникальным.
• При смене устройства или GPU отпечаток также изменяется. Запуская один профиль на разных ПК, вы увидите, что отпечаток будет меняться, ведь каждый GPU отрисовывает картинку по-своему. Да, благодаря шуму отпечаток в обоих случаях не будет соответствовать результатам GPU, который реально установлен в ПК. Но и совпадать между разными физическими устройствами он не будет. 

Почему идеальный результат на чекере может быть обманчивым 

За последнее время в попытках улучшить внешний вид своих продуктов на рынке разработчики некоторых популярных антидетект браузеров представили якобы инновационный метод подмены Canvas, который позволяет получать неуникальный Canvas, остающийся постоянным между устройствами, если у них разные GPU (или если его нет вовсе), и даже если у устройств кардинально разные ОС (например, на устройствах с Windows и macOS профиль будет выдавать один и тот же отпечаток). 

И на первый взгляд это звучит как реальный прорыв в индустрии, однако дьявол кроется в деталях. 

Ранее мы затронули два метода, и в обоих случаях для получения другого отпечатка необходимо было изменить контент или метод нанесения глифа на картинку. Но что, если вместо этого просто заменить отрисованную картинку целиком на заранее заготовленную? 

Так как пользователи зачастую проверяют работу подмен на одних и тех же чекерах, которые для отрисовки картинок используют определенный скрипт с одинаковым контентом, остающимся идентичным уже много лет кряду, собрать результаты уже отрисованных картинок с разных GPU и подменять их при проверке — задача достаточно тривиальная. 

Вы заходите на страницу — антидетект видит знакомый ему код для отрисовки определенной картинки и, вместо того чтобы реально ее отрисовать, подменяет ее уже заготовленным рисунком, полученным на нужном GPU. 

Со стороны пользователя по результатам проверки на чекере все выглядит и правда восхитительно: антидетект подменяет Canvas, дает неуникальный хеш, а еще и результат стабилен между разными устройствами. Ну просто идеально, не так ли? 

Однако, если смотреть глубже, такой подход просто нежизнеспособен в реальных условиях. Каждая антибот-система использует свой собственный скрипт для создания картинки через Canvas, с уникальными глифами, размерами и контентом на нем. Причем некоторые системы меняют запрос с каждым новым обращением, генерируя контент для картинки случайным образом. 

Что это значит на практике? 

Помните, что для подмены картинки целиком нужна сама картинка, которая уже была отрисована нужной видеокартой? Значит, для каждого скрипта, который рисует изображение через Canvas, уже должен быть заготовлен результат. 

Задайтесь вопросом: возможно ли подготовить картинки для всех существующих антибот-систем заранее? А если каждое обновление страницы — это абсолютно новый холст с запросом на отрисовку другого контента? 

Если нужно подменить две-три картинки с пары чекеров, код которых не меняется, это сработает и будет выглядеть идеально. Но для реальных задач такой подход просто невозможно реализовать правильно. 

Представители этих продуктов будут утверждать, что подмена изображений на чекерах — это лишь демонстрация того, как работает технология, и что помимо этого они успешно реализовали подмену для реальных антибот-систем, таких как Google, Meta и других крупных решений на рынке. 

Предположим, это и правда так, но тут возникает второй вопрос: что произойдет с вашими аккаунтами, когда система оценки рисков изменит контент, который отрисовывается на изображении? 

Скажем, вместо текста "BestCanvasImage123" попросит устройство отрисовать "bestcanvasimage123". Изменилось всего три символа, но это уже совершенно другая картинка. 

В такой ситуации обычно есть два варианта развития событий в зависимости от выбранного режима и конкретной реализации подмены: 

1. Антидетект уже не видит известный ему код для снятия отпечатка и вместо заготовленной картинки отрисует новую, но используя описанный ранее метод с наложением шума. В результате, новый отпечаток Canvas больше не соответствует ожидаемому. Помимо изменения самого отпечатка антибот-система видит, что новый Canvas искусственный, так как к изображению применен шум.
2. Или, что еще хуже, вместо наложения шума браузер просто отдаст ваш реальный отпечаток Canvas и позволит антибот-системе с легкостью связать все аккаунты, которые вы используете с этого устройства. 

Как самостоятельно проверить реальную работу подмены Canvas

1. Создайте профиль и, используя один ПК, перейдите на browserleaks.com/canvas и запишите Signature. 

2. Во второй вкладке откройте https://coveryourtracks.eff.org/, нажмите кнопку Test your browser и дождитесь результатов. Найдите раздел с canvas fingerprint. Обратите внимание на hash of canvas fingerprint, а также на статистику уникальности отпечатка внизу.
Затем, используя другой ПК или виртуальную машину, снимите аналогичные данные с того же профиля в браузере.

3. Результат с BrowserLeaks у вас останется неизменным вне зависимости от устройства, ведь его картинка была подменена. А вот на CoverYourTracks результат не совпадет, так как здесь подмены картинки уже нет.

Если этого мало, зайдите на coveryourtracks с обычного Chrome на том же ПК и посмотрите, совпадет ли результат с настоящим Canvas вашего ПК. Результат может вас удивить.

Наверняка после выхода статьи эту дыру поправят в ближайшее время и продолжат пускать пыль в глаза юзерам, но фактически суть проблемы не изменится: просто будет на один способ меньше убедиться в ее наличии. Сейчас у вас есть возможность проверить это самостоятельно на своем антидетект-браузере. 

Мы же придерживаемся мнения, что изменения в логике работы подмен отпечатков должны быть действенными, а не косметическими. Иначе какой смысл в красивых результатах на чекерах, если ваши аккаунты все равно улетают в бан? И сегодня мы готовы показать нечто действительно новое. 

Революционный метод подмены Canvas 3.0 в Linken Sphere 

Несколько месяцев плотной работы и исследований, проведенных нашей командой, позволили разработать совершенно новый метод подмены Canvas. Это инновационная технология, которая впервые в индустрии доступна именно в Linken Sphere. 

Принципиальное различие заключается в том, что Canvas 3.0 не модифицирует само изображение, но при этом подменяет отпечаток. 

Для пользователей это значит, что сессии, использующие подмену Canvas, будут в разы менее подозрительными для антибот-систем по сравнению со средними результатами популярных антидетект браузеров на рынке. 

Для использования нового метода подмены достаточно обновить браузер до последней доступной версии и активировать подмену Canvas в настройках сессии или пресета. Никаких дополнительных настроек и чекбоксов: все выглядит как раньше, но работает существенно лучше. 

Как проверить качество подмены Canvas в антидетект-браузере? 

Чтобы наглядно изучить влияние изменений, мы провели серию тестов на реальных системах безопасности, изучая популярные антидетект браузеры в идентичных условиях. 

Среди протестированных систем был антибот FingerprintPro, который наверняка знаком многим из вас и имеет достаточно удобную страницу Playground для ручных проверок. И несмотря на то, что это фактически готовая инструкция по улучшению своих продуктов для других разработчиков на рынке, мы готовы поделиться с вами методологией и результатами наших тестов. Затратив несколько минут, вы можете самостоятельно убедиться в том, что Canvas 3.0 действительно является лучшим из всех доступных решений на данный момент. 

Для объективной оценки мы тестировали все продукты на одном физическом устройстве под управлением Windows 10 и использовали один чистый прокси.

Для анализа нас в первую очередь интересовали два параметра из Server API Response: 

• tampering — показатель того, зафиксировала ли скоринговая система достаточно аномальное поведение, чтобы решить, что пользователь является нежелательным (например, ботом или антидетект браузером). Это булево значение, которое принимает два значения: true и false.
• tampering_ml_score — количественный показатель уверенности системы в том, что пользователь является нежелательным (чем больше, тем хуже). 

И сразу пару слов об этих параметрах: так как tampering — это достаточно грубый индикатор, который не позволяет оценить небольшие изменения в отпечатках и срабатывает лишь тогда, когда tampering_ml_score превышает определенный порог, установленный антибот-системой, мы ориентируемся именно на tampering_ml_score. По нему видно, насколько сильно влияют те или иные изменения в профиле. 

Чтобы минимизировать влияние множества других параметров, которые также подменяются в профилях, мы использовали следующий алгоритм: 

1. Создать профиль со стандартными настройками (убедиться, что подмена Canvas выключена), используя один прокси.
2. Зайти на https://demo.fingerprint.com/playground и снять значение tampering_ml_score из блока Server API Response.
3. Остановить профиль и активировать для него подмену Canvas.
4. Затем снова запустить его и снять новый результат.
5. Дельта между результатами tampering_ml_score при включенной и выключенной подмене Canvas будет показателем влияния подмены Canvas на общий фрод-скор профиля. 

Повторяем процедуру на пяти разных профилях в каждом антидетект браузере, чтобы получить более объективный результат. 

Результаты исследования

Мы провели данный тест в четырех популярных браузерах — вот что у нас получилось. Почему выбрали именно их? На самом деле изначально мы рассматривали больше вариантов, но столкнулись с тем, что подавляющее большинство других известных решений в принципе не могут пройти тест вне зависимости от установленных значений, поэтому добавлять их в это сравнение не имело смысла. Можно сказать, что в таблице собраны лучшие на сегодняшний день продукты с точки зрения качества антидетекта (как минимум, на основе данных популярной системы проверки отпечатков, которые может проверить каждый).

На изображении вы можете увидеть результат по каждому профилю. 

Для более удобного анализа результатов мы рассчитали средний Tampering ML Score по профилям без подмены и с активной подменой Canvas в строке Average Tampering ML Score. 

Также в строке Average ML Score delta рассчитана дельта Tampering ML Score. Это разница между средним значением Tampering ML Score при включенной подмене и средним Tampering ML Score при выключенной подмене. Эта разница наглядно показывает влияние подмены Canvas на результат. Чем ниже разница, тем лучше. 

Помимо этого, для удобства восприятия результаты окрашены по возрастанию значения Score. 

Как вы можете заметить, разница в Score между продуктами есть не только при включенной подмене Canvas, но и при выключенной подмене, что позволяет сделать выводы об общем качестве реализации остальных подмен в рассмотренных продуктах. 

Серия обновлений Linken Sphere, выпущенных за последнее время, содержит достаточно много улучшений и доработок, что позволило значительно поднять планку качества, о чем красноречиво свидетельствует разница между результатами без использования подмены. 

Результаты говорят сами за себя: использование подмены Canvas 3.0 в Linken Sphere практически не влияет на Tampering ML Score, при этом обеспечивает необходимую уникальность отпечатков для сохранения ваших аккаунтов в безопасности. 

В остальных продуктах риск обнаружения профилей с включенной подменой Canvas вырастает многократно, а подмена картинок на чекерах не дает никаких бонусов. 

Заключение 

Проведенное исследование показывает, что красивый результат на чекере еще не доказывает качество подмены Canvas. Заранее подготовленное изображение может обеспечить стабильный отпечаток в ограниченном сценарии, но при реальной проверке технология быстро сталкивается с ограничениями. Важно насколько естественно браузер формирует результат. 

Мы придерживаемся именно такого подхода: изучаем реальные механизмы работы антибот-систем, проверяем решения в практических сценариях и устраняем проблему на уровне самой технологии, а не маскируем ее внешними эффектами. Canvas 3.0 — один из примеров разработки, которая, как мы считаем, со временем станет новым ориентиром для всего рынка. 

Мы постоянно следим за изменениями и привносим инновационные решения, поэтому на сегодняшний день Linken Sphere — это инструмент номер один, в чем можно убедиться самостоятельно. 

В конечном счете конкуренция между продуктами работает на пользу пользователям. Она заставляет разработчиков постоянно повышать качество своих решений и соответствовать новым требованиям систем безопасности. Поэтому важно проверять инструменты, которыми вы пользуетесь, а не доверять только рекламным обещаниям и результатам популярных чекеров. 

Canvas 3.0 — не единственное направление, над которым сегодня работает наша команда. В ближайшее время мы представим новые крупные обновления и решения, которые помогут пользователям эффективнее работать в стремительно меняющихся условиях индустрии. Следите за новостями от нашей команды — знайте больше и используйте лучшее из возможного!