So prüfen Sie Canvas-Fingerprinting, bevor Websites Sie blockieren

canvas fingerprinting - How to Check Canvas Fingerprinting Before Sites Block You

Canvas-Fingerprinting zeichnet Text und Formen in ein unsichtbares Canvas, liest die Pixel zurück und hasht das Ergebnis. Ihre GPU, Ihr Grafiktreiber und die Art, wie Ihr Betriebssystem Schriften rastert, beeinflussen diese Pixel jeweils ein wenig, sodass der Hash von Maschine zu Maschine leicht anders ausfällt. Zwei Dinge lohnt es sich zu prüfen, und keines davon ist der Wert selbst: ob Ihr Hash über mehrere Reloads hinweg gleich bleibt, und ob er zu allem passt, was Ihr Browser sonst über sich behauptet. Ein Hash, der sich bei jedem Laden ändert, fällt mehr auf als ein langweiliger.

Was Sie brauchen

  • Ein Browser, in dem Sie die Devtools öffnen können, idealerweise genau der Build, den Ihre Automatisierung steuert, und nicht Ihr täglicher Browser.
  • Ein zweiter Referenzpunkt zum Vergleich, etwa ein gewöhnliches Desktop-Profil auf derselben Maschine.
  • CapSkip muss laufen, im Local-Modus auf der Loopback-Adresse oder im Server-Modus auf einer Maschine, die Ihre Worker erreichen können. Beide werden unter Verbindungseinstellungen beschrieben, und das spielt hier nur eine Rolle, weil die Challenges, die Sie weiterhin bekommen, irgendwohin geschickt werden müssen.

Was Canvas-Fingerprinting tatsächlich misst

Die Technik ist einfach genug, um in einen Absatz zu passen. Ein Script erzeugt ein Canvas-Element, schreibt eine kurze Zeichenkette in einer benannten Schrift, füllt ein paar Formen und ruft dann eine Readback-Methode auf. Mozilla dokumentiert das Auslesen klar: toDataURL gibt eine Data-URL zurück, die das gesamte Bild als base64 enthält. Hashen Sie diese Zeichenkette, und Sie haben eine Zahl, die den Rendering-Stack identifiziert, der sie erzeugt hat.

Was sich zwischen Maschinen unterscheidet, ist kleiner, als man denkt. Anti-Aliasing-Entscheidungen an gekrümmten Zeichenkanten, Sub-Pixel-Positionierung, ob eine angeforderte Schrift lokal existiert oder ersetzt wurde, und die genaue Rundung, die Ihr GPU-Treiber beim Mischen zweier Farben vornimmt. Nichts davon lässt sich von JavaScript aus kontrollieren, und genau deshalb mögen Detection-Anbieter das.

Was daraus folgt, ist der Teil, auf den es ankommt. Echte Hardware erzeugt jedes Mal denselben Hash. Verbreitete Hardware erzeugt einen Hash, den auch Tausende andere Menschen erzeugen. Das Ziel ist also kein seltener oder versteckter Fingerabdruck, sondern ein häufiger und langweilig stabiler.

Schritt 1: Ihren eigenen Canvas-Hash auslesen

Fügen Sie das in die Konsole des Browsers ein, den Sie messen möchten. Es zeichnet dieselben Formen wie ein echtes Fingerprinting-Script und reduziert das Auslesen auf etwas, das Sie mit bloßem Auge vergleichen können.

// no install needed, paste into the devtools console
function canvasHash() {
  const c = document.createElement('canvas');
  const ctx = c.getContext('2d');
  ctx.textBaseline = 'top';
  ctx.font = '16px Arial';
  ctx.fillStyle = '#f60';
  ctx.fillRect(0, 0, 120, 30);
  ctx.fillStyle = '#069';
  ctx.fillText('probe', 4, 20);
  const url = c.toDataURL();
  let h = 0;
  for (let i = 0; i < url.length; i++) h = (h * 31 + url.charCodeAt(i)) | 0;
  return h.toString(16);
}
canvasHash();

Der Wert selbst sagt Ihnen für sich genommen nichts. Es gibt keinen guten und keinen schlechten Hash, und keine öffentliche Liste, gegen die Sie Ihren abgleichen könnten. Er wird erst zu einer Information, wenn Sie ihn mit einem anderen Durchlauf oder mit einem anderen Browser auf derselben Maschine vergleichen.

Schritt 2: prüfen, ob der Hash stabil ist

Führen Sie den Test mehrmals hintereinander aus. In einem unveränderten Browser liefert jeder Durchlauf denselben Wert, weil an diesem Zeichenvorgang nichts zufällig ist.

// run this after the function above is defined
const runs = new Set();
for (let i = 0; i < 5; i++) runs.add(canvasHash());

// 1 means stable. Anything higher means noise is being added.
console.log(runs.size, [...runs]);

Wenn Sie mehr als einen Wert erhalten, mischt etwas Rauschen in die Pixel. Das muss nicht Ihr eigenes Zutun sein. Browser bringen dieses Verhalten inzwischen selbst mit, und Mozilla dokumentiert es bei der Pixel-Readback-Methode: Bei aktiviertem Fingerprinting-Schutz wird dem Ergebnis von getImageData ein zufälliges, feines Rauschen hinzugefügt , sodass eine Website das Rendering-Gerät nicht ableiten kann, was auch bedeutet, dass der Hin- und Rückweg von Schreiben und Lesen nicht mehr übereinstimmt.

Ein instabiler Hash hat also zwei mögliche Quellen, und Sie müssen wissen, mit welcher Sie es zu tun haben. Ein Privacy-Browser, der das absichtlich tut, ist die eine Geschichte. Ein Stealth-Patch, den Sie in Ihrem Automatisierungsstack installiert haben, ist eine andere Geschichte, und das ist die, die wehtut.

Schritt 3: prüfen, ob er zu allem passt, was Sie sonst behaupten

Ein Fingerabdruck wird als Ganzes bewertet, nicht anhand einzelner Werte. Detection-Code vergleicht das Canvas-Ergebnis mit allem anderen, was der Browser über sich selbst behauptet, und Widersprüche wiegen schwerer als jeder einzelne ungewöhnliche Wert.

SignalWie eine stimmige Geschichte aussiehtHäufiger Widerspruch
Canvas-HashStabil über mehrere Reloads hinweg, passend zur behaupteten PlattformNeuer Wert bei jedem Auslesen
WebGL-Renderer-StringEine benannte Consumer-GPUEin Software-Renderer unter einem Desktop-User-Agent
SchriftartersetzungDie Schriftarten, die mit dem behaupteten Betriebssystem mitgeliefert werdenEin Linux-Font-Stack hinter einem Windows-User-Agent
Device Pixel RatioStimmt mit den gemeldeten Bildschirmabmessungen übereinEin gebrochenes Verhältnis bei einem angeblich standardmäßigen Display

Die zweite Zeile ist die, an der Container scheitern. Ein Headless-Browser auf einer Maschine ohne GPU muss auf Software-Rendering zurückfallen, und der Renderer-String sagt das ehrlich, während die Canvas-Pixel stillschweigend zustimmen. Nur den String zu patchen hilft nicht, weil die Pixel, die er erzeugt hat, immer noch da sind, um gehasht zu werden. Der Leitfaden zu Captchas in undetected-chromedriver behandelt die Automation-Flag-Seite desselben Problems.

Das aus dem eigenen Stack heraus zu messen, ist der einzige Weg zu wissen, was Sie tatsächlich ausliefern. Führen Sie den Test über denselben Browser aus, den Ihre Jobs verwenden, statt den Start-Flags zu vertrauen.

# pip install playwright
from playwright.sync_api import sync_playwright

PROBE = """() => {
  const c = document.createElement('canvas').getContext('2d');
  c.font = '16px Arial';
  c.fillText('probe', 2, 16);
  return c.canvas.toDataURL().slice(-32);
}"""

with sync_playwright() as p:
    page = p.chromium.launch(headless=True).new_page()
    page.goto("https://example.com/")
    print(page.evaluate(PROBE))   # compare against your real browser

Führen Sie das headless aus, dann noch einmal mit deaktiviertem Headless-Flag, und vergleichen Sie beide dann mit einem normalen Browserfenster auf derselben Maschine. Drei identische Enden bedeuten, dass nicht das Canvas Sie verrät. Drei unterschiedliche zeigen Ihnen, wo Sie als Nächstes suchen sollten. Die Playwright-Captcha-Solver-Seite behandelt, wie Sie das in einen echten Crawl einbauen.

Warum das Randomisieren des Canvas nach hinten losgeht

Einen Canvas-Fingerprinting-Wert zu randomisieren fühlt sich wie die naheliegende Verteidigung an, macht die Sache aber meist schlimmer. Die Begründung ist kurz. Ein häufiger Hash bringt Sie in eine große Gruppe. Ein seltener, aber fester Hash bringt Sie in eine kleine Gruppe. Ein Hash, der sich bei jedem Auslesen ändert, bringt Sie in eine Gruppe, in der echte Browser fast nie zu finden sind, weil normale Hardware deterministisch ist.

Schlimmer noch, die Instabilität lässt sich trivial billig testen. Das Canvas zweimal in einem Seitenaufruf auszulesen und zu vergleichen, kostet ein Detection-Script nichts, und es macht aus Ihrer Verteidigung ein binäres Signal über den Client. Das ist ein eindeutig schlechterer Tausch als der identifizierende Wert, den Sie verbergen wollten.

Es gibt eine echte Ausnahme. Browser, die pro Origin und pro Sitzung randomisieren statt pro Lesevorgang, halten den Hash innerhalb einer Seitenansicht stabil und brechen gleichzeitig die seitenübergreifende Verknüpfung. Das ist ein durchdachtes Design und wirkt nicht wie Automatisierung. Rauschen pro Lesevorgang aus einem gepatchten Automatisierungsstack ist eine ganz andere Sache, und genau das taucht in Ihren Logs als plötzliche Challenges auf einem Stack auf, der gestern noch funktioniert hat.

Die praktische Regel: Bevorzugen Sie einen echten Browser auf echter Hardware ohne Patches, und akzeptieren Sie einen langweiligen Fingerabdruck. Wenn das nicht möglich ist, halten Sie den Fingerabdruck, den Sie haben, zumindest stabil und in sich konsistent.

Was all das nicht behebt

Arbeit am Canvas-Fingerprinting verändert, wie oft Sie herausgefordert werden. Sie verändert nicht, was passiert, sobald Sie es sind. CapSkip rührt weder Ihren Canvas-Hash noch Ihren WebGL-Renderer noch Ihre Font-Liste an, und das kann auch kein Löser, weil das Eigenschaften der Maschine sind, die die Pixel zeichnet, nicht der Challenge, die Ihnen gestellt wurde.

Behandeln Sie das als zwei getrennte Aufgaben. Konsistenzarbeit senkt die Challenge-Rate. Der Löser übernimmt die Challenges, die trotzdem noch ankommen, was bei einem sauberen Stack eine kleinere Zahl ist, aber nicht null. Alles, was verspricht, beides auf einmal zu lösen, verkauft Ihnen in Wahrheit nur eines davon.

Den Löser stattdessen auf einem Server betreiben

Fingerprint-Tests laufen meist auf einer Workstation mit echter GPU, während der Crawl ganz woanders läuft. Diese Trennung ist unproblematisch, und sie zwingt den Löser nicht auf jeden Worker:

ModusLauscht aufSinnvoll, wenn
Lokal127.0.0.1, nur dieses GerätBrowser und Löser laufen auf einer Maschine
ServerIhre Netzwerkadresse oder öffentliche IPWorker, ein VPS oder eine gehostete Plattform rufen über die API an

Richten Sie den SDK-Host auf die Maschine mit dem Löser, und der Rest Ihres Codes bleibt unverändert, sodass sich eine ganze Flotte von Browsern eine Instanz teilen kann, während jeder sein eigenes Profil behält. Eine statische öffentliche IP ist empfehlenswert, wenn die Aufrufer außerhalb Ihres Netzwerks sitzen. Die Einstellungen finden Sie unter Verbindungseinstellungen, und der Server-Modus bleibt weiterhin Ihre eigene Hardware und bleibt pauschal abgerechnet: Er verändert nur, wo der Löser läuft, niemals, wem er gehört.

FAQ

Kann ich das Canvas-Readback nicht einfach komplett blockieren?

Sie können, und das fällt auf. Ein Canvas, das sich weigert zu rendern, ein leeres Bild zurückgibt oder beim Auslesen einen Fehler wirft, ist seltener als fast jeder echte Fingerabdruck, sodass das Blockieren selbst zum identifizierenden Merkmal wird. Blockieren ergibt Sinn für einen Privacy-Browser, dessen Nutzer alle identisch aussehen. Es ergibt keinen Sinn für einen einzelnen Automatisierungsclient, der unauffällig wirken will.

Hat ein Headless-Browser einen anderen Canvas-Fingerabdruck?

Oft, und meist aus Hardwaregründen, nicht wegen Headless an sich. Ein Container ohne GPU rendert über einen Software-Fallback, und am Ende kommen andere Pixel heraus. Fehlende System-Schriftarten verstärken das noch, weil eine ersetzte Schriftart anders rastert als die eigentlich angeforderte. Der Maschine eine echte GPU und einen normalen Font-Satz zu geben, schließt den größten Teil dieser Lücke.

Reicht Canvas-Fingerprinting allein aus, um mich zu identifizieren?

Nein, und so wird es auch nicht eingesetzt. Es ist nur einer von vielen Faktoren, neben dem WebGL-Renderer, der Font-Liste, dem TLS-Handshake, der IP-Reputation und dem Verhalten der Sitzung. Deshalb rettet ein einzelner perfekter Wert keinen Stack, der sich anderswo selbst widerspricht, und deshalb ändert das isolierte Reparieren eines Signals die Challenge-Rate selten spürbar.

Behebt das Lösen des Captchas meinen Fingerabdruck?

Nein. Das Lösen räumt nur die Challenge vor Ihnen aus dem Weg und ändert nichts daran, warum sie Ihnen überhaupt gezeigt wurde. Wenn Ihre Challenge-Rate steigt, senkt sie die Fingerprint-Arbeit, nicht der Löser. Der Löser hält den Job in der Zwischenzeit am Laufen, und für beides lohnt es sich, getrennt zu budgetieren.

Die kürzeste Fassung

Lesen Sie Ihren Canvas-Hash aus, führen Sie das fünfmal durch, und prüfen Sie, dass Sie einen Wert erhalten und nicht fünf. Prüfen Sie diesen Wert dann gegen den WebGL-Renderer, den Font-Stack und die Plattform, die Ihr User-Agent behauptet, denn Widersprüche kosten Sie mehr als jede einzelne merkwürdige Zahl. Fügen Sie kein Rauschen hinzu: Randomisierung pro Lesevorgang ist in zwei Zeilen erkennbar und bringt Sie in eine Gruppe, in der echte Browser nie zu finden sind. Beheben Sie zuerst den Stack, und hören Sie dann auf, sich um die verbleibenden Challenges zu sorgen. Die Captcha-Solver-Seite für Web Scraping behandelt, wie Sie das im Crawl-Maßstab einsetzen. Bleibt noch die Wirtschaftlichkeit: Captcha-Umgehung , die auf eigener Hardware läuft, kostet nichts pro Lösung, sodass die Challenges, die Sie nicht vermeiden, nie zu einer Rechnung werden.