探索未来追踪技术:CSS指纹识别与超cookies的革命
在Web安全和隐私保护领域,新的挑战不断涌现。今天,我们将引入一个令人深思的开源项目:CSS Fingerprinting。这个实验性方法揭示了一种基于CSS的跟踪技术和纯CSS "超级cookies"的概念,它可能会改变我们对网络匿名性的理解。
项目简介
CSS Fingerprinting是一个巧妙利用CSS特性的技术,用于收集访客浏览器和设备的信息,以进行身份识别或跟踪。无需JavaScript或cookies,仅通过媒体查询和样式选择器,就能获取到访问者的大量信息。
技术解析
项目的工作原理是发送一系列针对特定浏览器特征的媒体查询。浏览器会选择适用的样式,并将这些信息以背景图片URL的形式回传给服务器。然后,服务器通过返回410( Gone)状态码,防止后续请求中重复传输这些信息。
例如,检测用户的输入设备类型:
.pointer {
background-image: url('/some/url/pointer=none');
}
@media (any-pointer: coarse) {
.pointer {
background-image: url('/some/url/pointer=coarse');
}
}
@media (any-pointer: fine) {
.pointer {
background-image: url('/some/url/pointer=fine');
}
}
对于字体检测,如果某字体未安装,浏览器会发送请求到相应的URL。
应用场景
CSS Fingerprinting和纯CSS超级cookies可以跨源追踪访客,而无需担心NoScript、VPNs或浏览器扩展等反追踪手段。此外,当即将发布的CSS规范允许在URL中使用自定义变量时,这种方法的效率和精度都将显著提高。
项目特点
- 无痕追踪:不依赖JavaScript或Cookies,绕过许多反追踪工具。
- CSS超级cookies:通过服务器308重定向实现,持久存储于浏览器缓存,无法轻易清除。
- 高信息量:通过检测各种浏览器特性,提供详细的设备指纹。
示例与研究
本项目包含一个旧方法的实现以及如何使用的示例。你也可以在CSS-Fingerprint-Study中找到更详细的研究。
讨论与改进
进一步的研究方向包括:NoScript检测、属性细化、异步加载和JS交互优化、操作系统和浏览器识别,以及XSS攻击防范。项目的贡献者们正致力于提升性能和准确性。
结语
尽管目前CSS Fingerprinting可能仍存在一些局限,但它展示了未来网络追踪技术的可能性。了解并研究这样的技术,可以帮助我们更好地应对隐私挑战,推动网络安全的发展。如果你对此感兴趣,不妨参与进来,一起探索这个开源项目!
许可证:MIT - 教育目的使用。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0134
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00