साइट्स आपको ब्लॉक करें उससे पहले Canvas Fingerprinting कैसे जांचें

Canvas fingerprinting एक अदृश्य canvas में टेक्स्ट और शेप्स बनाती है, पिक्सल्स को वापस पढ़ती है, और नतीजे को हैश करती है। आपका GPU, आपका graphics driver और आपका operating system फॉन्ट्स को जिस तरह rasterise करता है, ये सब उन पिक्सल्स को थोड़ा इधर-उधर करते हैं, इसलिए हैश हर मशीन पर थोड़ा अलग निकलता है। दो चीज़ें जांचने लायक हैं, और इनमें से कोई भी वैल्यू खुद नहीं है: क्या आपका हैश reloads में एक जैसा रहता है, और क्या यह उन बाकी सब चीज़ों से मेल खाता है जो आपका ब्राउज़र अपने बारे में दावा करता है। हर लोड पर बदलने वाला हैश एक बोरिंग हैश से कहीं ज़्यादा ज़ोर से बोलता है।
आपको क्या चाहिए
- एक ऐसा ब्राउज़र जिसमें आप devtools खोल सकें, अच्छा हो अगर वह ठीक वही बिल्ड हो जिसे आपका automation चलाता है, न कि आपका रोज़ का ब्राउज़र।
- तुलना के लिए एक दूसरा रेफरेंस पॉइंट, जैसे उसी मशीन पर एक सामान्य desktop profile।
- CapSkip चल रहा होना चाहिए, Local mode में loopback एड्रेस पर या Server mode में किसी ऐसे box पर जहां आपके workers पहुंच सकें। दोनों का विवरण कनेक्शन सेटिंग्स में मिलता है, और यह यहां सिर्फ़ इसलिए मायने रखता है क्योंकि जो challenges अब भी आपको मिलते हैं उन्हें कहीं न कहीं जाना ही होता है।
Canvas fingerprinting असल में क्या मापती है
यह तकनीक इतनी सरल है कि एक पैराग्राफ में समा जाए। एक स्क्रिप्ट एक canvas एलिमेंट बनाती है, किसी नामित फॉन्ट में एक छोटी स्ट्रिंग लिखती है, कुछ शेप्स भरती है, फिर एक readback मेथड कॉल करती है। Mozilla readback को साफ़ तौर पर बताता है: toDataURL एक data URL लौटाता है जिसमें पूरी इमेज base64 के रूप में होती है। उस स्ट्रिंग को हैश करें और आपके पास एक ऐसा नंबर होगा जो उस rendering stack की पहचान करता है जिसने इसे बनाया।
मशीनों के बीच जो फर्क आता है वह लोगों की उम्मीद से कहीं छोटा है। घुमावदार glyph किनारों पर anti-aliasing के फैसले, sub-pixel पोज़िशनिंग, चाहा गया फॉन्ट लोकल पर मौजूद है या बदल दिया गया, और दो रंगों को मिलाते समय आपका GPU driver जो सटीक rounding करता है। इनमें से कुछ भी JavaScript से आपके कंट्रोल में नहीं है, और यही वजह है कि detection वेंडर इसे पसंद करते हैं।
इससे जो निकलता है वही असल में काम की चीज़ है। असली हार्डवेयर हर बार एक ही हैश देता है। लोकप्रिय हार्डवेयर एक ऐसा हैश देता है जो हज़ारों और लोग भी देते हैं। इसलिए लक्ष्य कोई दुर्लभ या छिपा हुआ फिंगरप्रिंट नहीं है, बल्कि एक आम और उबाऊ हद तक स्थिर फिंगरप्रिंट है।
स्टेप 1: अपना canvas हैश पढ़ें
इसे उस ब्राउज़र के console में पेस्ट करें जिसे आप मापना चाहते हैं। यह वही शेप्स बनाता है जो एक असली fingerprinting स्क्रिप्ट बनाती, और readback को कुछ ऐसा बना देता है जिसे आप आंखों से देख सकें।
// 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();वैल्यू खुद अपने आप में कुछ नहीं बताती। न कोई अच्छा हैश होता है न कोई बुरा हैश, और न ही कोई पब्लिक लिस्ट होती है जिससे आप अपना मिला सकें। यह जानकारी तभी बनती है जब आप इसे किसी दूसरे रन से, या उसी मशीन पर किसी दूसरे ब्राउज़र से मिलाएं।
स्टेप 2: जांचें कि हैश स्थिर है या नहीं
probe को कई बार लगातार चलाएं। बिना बदले हुए ब्राउज़र पर हर रन एक ही वैल्यू लौटाता है, क्योंकि उस ड्रॉइंग ऑपरेशन में कुछ भी रैंडम नहीं है।
// 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]);
अगर आपको एक से ज़्यादा वैल्यू मिलती है, तो कुछ पिक्सल्स में शोर डाल रहा है। यह ज़रूरी नहीं कि आपकी अपनी गलती हो। ब्राउज़र्स अब खुद यह व्यवहार करते हैं, और Mozilla इसे पिक्सल readback मेथड पर दर्ज करता है: fingerprinting protection ऑन होने पर, getImageData रिज़ल्ट में हल्का सा रैंडम शोर जोड़ा जाता है ताकि कोई साइट रेंडरिंग डिवाइस का अंदाज़ा न लगा सके, जिसका मतलब यह भी है कि लिखने और पढ़ने का राउंड ट्रिप अब मेल नहीं खाता।
तो एक अस्थिर हैश की दो संभावित वजहें हो सकती हैं, और आपको पता होना चाहिए कि आप किसे देख रहे हैं। जानबूझकर ऐसा करने वाला privacy ब्राउज़र एक बात है। आपके automation स्टैक में इंस्टॉल किया गया कोई stealth पैच बिल्कुल अलग बात है, और वही आपको नुकसान पहुंचाती है।
स्टेप 3: जांचें कि यह बाकी हर दावे से मेल खाता है
एक फिंगरप्रिंट को अलग-अलग वैल्यू के रूप में नहीं बल्कि एक सेट के रूप में परखा जाता है। Detection कोड canvas नतीजे की तुलना उन बाकी चीज़ों से करता है जो ब्राउज़र अपने बारे में बताता है, और विरोधाभास किसी भी अकेली असामान्य वैल्यू से ज़्यादा भारी पड़ते हैं।
| सिग्नल | एक सुसंगत कहानी कैसी दिखती है | आम विरोधाभास |
|---|---|---|
| Canvas हैश | reloads में स्थिर, और जो platform दावा किया गया है उससे मेल खाता हुआ | हर read पर नई वैल्यू |
| WebGL renderer स्ट्रिंग | एक नामित consumer GPU | desktop user agent के तहत एक software renderer |
| फॉन्ट सब्स्टिट्यूशन | वे फॉन्ट्स जो दावा किए गए OS के साथ आते हैं | Windows user agent के पीछे एक Linux फॉन्ट स्टैक |
| डिवाइस पिक्सल रेशियो | रिपोर्ट की गई स्क्रीन डायमेंशन से मेल खाता है | एक standard डिस्प्ले होने के दावे पर एक fractional रेशियो |
दूसरी रो वही है जहां containers फेल होते हैं। बिना GPU वाली मशीन पर हेडलेस ब्राउज़र को software rendering पर वापस जाना पड़ता है, और renderer string इसे ईमानदारी से बता देती है जबकि canvas पिक्सल्स चुपचाप इससे सहमत होते हैं। सिर्फ़ string को पैच करने से मदद नहीं मिलती, क्योंकि जो पिक्सल्स उसने बनाए वे अब भी हैश होने के लिए मौजूद हैं। undetected-chromedriver में कैप्चा की गाइड इसी समस्या के automation-flag वाले पहलू को कवर करती है।
इसे अपने ही स्टैक के अंदर से मापना ही यह जानने का इकलौता तरीका है कि आप असल में क्या भेज रहे हैं। launch flags पर भरोसा करने की बजाय probe को उसी ब्राउज़र से चलाएं जिसे आपकी jobs इस्तेमाल करती हैं।
# 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 browserइसे हेडलेस में चलाएं, फिर हेडलेस फ्लैग बंद करके दोबारा चलाएं, फिर दोनों की तुलना उसी मशीन पर एक सामान्य ब्राउज़र विंडो से करें। तीन एक जैसे नतीजे मतलब canvas वह चीज़ नहीं है जो आपको पकड़वा रही है। तीन अलग-अलग नतीजे बताते हैं कि आगे कहां देखना है। Playwright कैप्चा सॉल्वर पेज इसे असली क्रॉल में जोड़ने का तरीका कवर करता है।
canvas को रैंडमाइज़ करना उल्टा क्यों पड़ता है
canvas fingerprinting वैल्यू को रैंडमाइज़ करना जाहिर बचाव जैसा लगता है, और यह आमतौर पर चीज़ों को और बिगाड़ देता है। वजह छोटी सी है। एक आम हैश आपको एक बड़े ग्रुप में डालता है। एक दुर्लभ लेकिन फिक्स्ड हैश आपको एक छोटे ग्रुप में डालता है। हर read पर अलग हैश आपको उस ग्रुप में डाल देता है जिसमें असली ब्राउज़र लगभग कभी नहीं होते, क्योंकि सामान्य हार्डवेयर डिटरमिनिस्टिक होता है।
और बुरी बात यह है कि इस अस्थिरता को जांचना बेहद सस्ता है। एक ही page load में canvas को दो बार पढ़कर तुलना करने में detection स्क्रिप्ट का कुछ भी खर्च नहीं होता, और यह आपके बचाव को client के बारे में एक boolean सिग्नल में बदल देता है। यह उस पहचान वाली वैल्यू से भी बुरा सौदा है जिसे आप छिपाने की कोशिश कर रहे थे।
एक असली अपवाद भी है। जो ब्राउज़र per read की बजाय per origin और per session रैंडमाइज़ करते हैं, वे एक page view के अंदर हैश को स्थिर रखते हुए cross-site लिंकेज तोड़ देते हैं। यह एक सोचा-समझा डिज़ाइन है और यह automation जैसा नहीं दिखता। किसी पैच किए गए automation स्टैक से आने वाला per read शोर बिल्कुल अलग चीज़ है, और यही वह चीज़ है जो आपके logs में अचानक challenges के रूप में दिखती है, उस स्टैक पर जो कल तक काम कर रहा था।
व्यावहारिक नियम: असली हार्डवेयर पर एक असली ब्राउज़र को तरजीह दें जिसमें कुछ भी पैच न हो, और एक बोरिंग फिंगरप्रिंट स्वीकार करें। अगर यह मुमकिन नहीं है, तो आपके पास जो भी फिंगरप्रिंट है उसे स्थिर और अंदर से सुसंगत बनाए रखें।
इनमें से कोई भी चीज़ जो ठीक नहीं करती
Canvas fingerprinting पर किया गया काम यह बदलता है कि आपको कितनी बार challenge मिलता है। यह यह नहीं बदलता कि challenge मिलने के बाद क्या होता है। CapSkip आपके canvas हैश, आपके WebGL renderer या आपकी फॉन्ट लिस्ट को छूता नहीं है, और कोई सॉल्वर छू भी नहीं सकता, क्योंकि ये उस मशीन के गुण हैं जो पिक्सल्स बना रही है, न कि उस challenge के जो आपको दिखाया गया।
इन्हें दो अलग-अलग काम मानें। consistency पर काम challenge रेट को कम करता है। सॉल्वर उन challenges को संभालता है जो फिर भी आते हैं, जो एक सही व्यवहार वाले स्टैक पर एक छोटी संख्या होती है, शून्य नहीं। जो भी चीज़ दोनों को एक साथ ठीक करने का वादा करती है, वह असल में आपको इनमें से सिर्फ़ एक ही बेच रही है।
सॉल्वर को उसकी जगह सर्वर पर चलाना
फिंगरप्रिंट टेस्टिंग आमतौर पर एक असली GPU वाले workstation पर होती है, जबकि क्रॉल कहीं बिल्कुल अलग जगह चलता है। यह बंटवारा ठीक है, और यह सॉल्वर को हर worker पर थोपता नहीं है:
| मोड | किस पर सुनता है | कब इस्तेमाल करें |
|---|---|---|
| लोकल | 127.0.0.1, केवल उसी डिवाइस पर | ब्राउज़र और सॉल्वर एक ही मशीन पर चलते हैं |
| सर्वर | आपका नेटवर्क पता या पब्लिक IP | Workers, कोई VPS या होस्टेड प्लेटफ़ॉर्म API के ज़रिए कॉल करते हैं |
SDK host को सॉल्वर मशीन पर पॉइंट करें और आपके बाकी कोड में कुछ नहीं बदलता, इसलिए browsers की एक पूरी फ्लीट एक ही instance शेयर कर सकती है जबकि हर एक अपनी प्रोफाइल बनाए रखता है। जब callers आपके नेटवर्क के बाहर हों तो एक static public IP की सलाह दी जाती है। सेटिंग्स कनेक्शन सेटिंग्स में मिलती हैं, और Server mode फिर भी आपका अपना हार्डवेयर है और फिर भी unmetered है: यह सिर्फ़ यह बदलता है कि सॉल्वर कहां चलता है, कभी यह नहीं कि उसका मालिक कौन है।
FAQ
क्या मैं canvas readback को पूरी तरह ब्लॉक कर सकता हूं?
कर सकते हैं, लेकिन यह ज़ोर से बोलता है। एक canvas जो render करने से मना कर दे, खाली इमेज लौटाए, या readback पर एरर फेंके, यह लगभग किसी भी असली फिंगरप्रिंट से ज़्यादा दुर्लभ है, इसलिए ब्लॉक करना खुद ही पहचान बनाने वाली चीज़ बन जाता है। ब्लॉकिंग एक privacy ब्राउज़र के लिए ठीक है जिसके सारे users एक-दूसरे जैसे दिखते हैं। यह एक अकेले automation client के लिए कोई मतलब नहीं रखता जो सामान्य दिखने की कोशिश कर रहा है।
क्या हेडलेस ब्राउज़र का canvas फिंगरप्रिंट अलग होता है?
अक्सर, और आमतौर पर हेडलेस होने की वजह से नहीं बल्कि हार्डवेयर की वजह से। बिना GPU वाला container एक software fallback के ज़रिए render करता है, और दूसरी तरफ से अलग पिक्सल्स निकलते हैं। गायब system फॉन्ट्स इसे और आगे बढ़ा देते हैं, क्योंकि बदला हुआ फॉन्ट उस फॉन्ट से अलग तरीके से rasterise होता है जो मांगा गया था। मशीन को एक असली GPU और एक सामान्य फॉन्ट सेट देने से यह फर्क ज़्यादातर मिट जाता है।
क्या canvas fingerprinting अकेले ही मुझे पहचानने के लिए काफ़ी है?
नहीं, और इसे उस तरह इस्तेमाल भी नहीं किया जाता। यह कई इनपुट्स में से एक है, जो WebGL renderer, फॉन्ट लिस्ट, TLS handshake, IP reputation और session के व्यवहार के साथ मिलकर काम करता है। यही वजह है कि एक अकेली परफेक्ट वैल्यू उस स्टैक को नहीं बचाती जो कहीं और खुद का खंडन करता हो, और यही वजह है कि किसी एक सिग्नल को अलग से ठीक करने से challenge रेट पर शायद ही कोई बड़ा फर्क पड़ता है।
क्या कैप्चा हल करने से मेरा फिंगरप्रिंट ठीक हो जाएगा?
नहीं। हल करना सिर्फ़ सामने वाले challenge को साफ़ करता है और यह नहीं बदलता कि आपको वह क्यों दिखाया गया। अगर आपका challenge रेट बढ़ रहा है, तो फिंगरप्रिंट पर किया गया काम ही उसे नीचे लाएगा। सॉल्वर इस बीच काम को चलता रखता है, और दोनों के लिए अलग-अलग बजट बनाना समझदारी है।
सबसे छोटा जवाब
अपना canvas हैश पढ़ें, इसे पांच बार चलाएं, और जांचें कि आपको पांच की बजाय एक ही वैल्यू मिलती है। फिर उस वैल्यू को WebGL renderer, फॉन्ट स्टैक, और आपके user agent के दावा किए गए platform से मिलाकर जांचें, क्योंकि विरोधाभास किसी भी अकेले अजीब नंबर से ज़्यादा महंगे पड़ते हैं। शोर मत जोड़ें: per read रैंडमाइज़ेशन दो लाइनों में पकड़ में आ जाता है और आपको उस ग्रुप में डाल देता है जिसमें असली ब्राउज़र्स कभी नहीं होते। पहले स्टैक ठीक करें, फिर बचे हुए challenges की चिंता करना बंद करें। वेब स्क्रैपिंग के लिए कैप्चा सॉल्वर पेज इसे क्रॉल स्केल पर चलाने का तरीका कवर करता है। इसके बाद बचता है अर्थशास्त्र: कैप्चा बायपास आपके अपने हार्डवेयर पर चलने का मतलब है कि हर हल पर कुछ भी खर्च नहीं होता, इसलिए जिन challenges से आप बच नहीं पाते वे कभी बिल नहीं बनते।
