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。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









