什么是浏览器指纹？

本帖最后由 空谷幽兰 于 2020-6-5 15:45 编辑

今天谈谈浏览器的“指纹”是如何暴露你的隐私，顺便分享一些防范技巧。

一、啥是“指纹”
🖕💈🍊🆘🦋‏

看过警匪片或者破案小说的同学，应该都知道“指纹”在刑侦中的作用——警方虽然没有直接看到犯罪现场的作案人员，但可以根据现场留下的指纹来猜测/判断作案人员。

如果你时常接触信息安全领域的一些资料，也会听到“指纹”这个形象的说法（比如：操作系统指纹、网络协议栈指纹、等等）。IT 领域提到的“指纹”一词，其原理跟“刑侦”是类似的——“当你需要研究某个对象的类型/类别，但这个对象你又无法直接接触到。这时候你可以利用若干技术来获取该对象的某些特征，然后根据这些特征来猜测/判断该对象的类型/类别。”🧒‌📮😅🤛

二、啥是“指纹”的“信息量”

在 IT 领域有各种各样的特征可以用来充当“指纹”。这时候就需要判断，用哪个特征做指纹，效果更好。为了讨论这个问题，就得扫盲一下“指纹的信息量”。
👨‍⚕️‎👗💳🤬🦷
为了帮助大伙儿理解，先举一个例子：

假设你要在学校中定位某个人，如果你光知道此人的性别，你是比较难定位的（只能排除 1/2 的人）；反之如果你不知道性别，但是知道此人的生日，就比较容易定位（可以排除掉大约 364/365 的人，只剩大约 1/365 的人）。为啥捏？因为“生日”比“性别”更加独特，所以“生日”比“性别”能够提供更多的信息量。

从这个例子可以看出：某个特征越独特，则该特征的信息量越大；反之亦然。信息量越大的特征，就可以把对象定位到越小的范围。👨‍🚒‌🩰📐😔🖕


三、“指纹”的“信息量”如何度量——关于指纹的比特数

（本节涉及到中学数学，数学很差的或者对数学有恐惧感的读者，请直接无视）
🧳🍼🚭🐒‏
在 IT 领域中，可以用比特数来衡量某个指纹所包含的信息量。为了通俗起见，先以前面提到的“性别”来说事儿。性别只有两种可能性——“男”或者“女”，并且男女的比例是大致平均的。（那些喜欢抬杠的同学，别跟我扯啥双性人，我没空搭理）所以，当你知道了某人的性别，就可以把范围缩小到原先的 1/2。用 IT 的术语来讲，就是：“性别”这个特征只包含“一个比特”的信息量。

以此类推。

👮‍♂️‏🧦📥🤐✋

当我们说：某特征包含3比特信息量，意思就是：该特征会有8种大致平均的可能性（8等于2的3次方）。一旦知道该特征，可以把目标定位到八分之一。

当我们说：某特征包含7比特信息量，意思就是：该特征会有128种大致平均的可能性（128=2^7）。一旦知道该特征，可以定位到 1/128
再来说“生日”。（不考虑闰年的情况下）生日有365种可能性（并且也是平均分布滴），所以生日包含的比特数大约是 8.51。为啥是 8.51 捏，因为“2 的 8.51 次方”约等于 365。

🤝🔥🫑🆗🐝‏因此，知道了某人的生日就可以把范围缩小到 1/365。

通过上述举例，大伙儿对于指纹的信息量，应该有一些粗浅的认识了吧？

四、多个指纹的综合定位

🧑‍🍳‌👒✒🙄👍

如果能同时获取互不相关的若干个指纹，就可以大大增加定位的精确性。

比如要在某个公司里面定位某人，如果你知道此人的“生日”和“生肖”，那么就可以达到 1/4380（1/4380 = 1/12 * 1/365） 的定位精度。因为综合定位之后，比例之间是乘法的关系，所以范围就被急剧缩小了。

🖐🚈🥩🈳🦋‍

为啥我特别强调“互不相关”捏？假如你同时知道的信息是“生日”和“星座”，那么定位的精度依然是 1/365——因为生日的信息已经包含了星座的信息。所以，只有那些相互独立的特征（所谓的相互独立，数学称为“正交”），在综合定位的时候才可以用乘法。


五、啥是“浏览器的指纹”

🦷🌕🌰✔🐶‍前面说的是预备知识，现在开始进入正题。

当你使用浏览器访问某个网站的时候，浏览器必定会暴露某些信息给这个网站。为啥我强调“必定”捏？因为这些信息中，有些是跟 HTTP 协议相关的（本章节说的 HTTP 协议是广义的，也包括 HTTPS）。只要你基于 HTTP 协议访问网站，浏览器就必定会传输这些信息给网站的服务器。

再罗嗦一下：HTTP 协议是 Web 的基石。只要你通过浏览器访问 Web，必定是基于 HTTP 协议的。因此，Web 网站的服务器必定可以获取到跟你的浏览器相关的某些信息（具体是哪些信息，我下面会聊）。
👎🗼🍧♾🦊‌
“浏览器指纹”的机制跟 cookie 有点相似。

对于“浏览器指纹”导致的隐私问题，我举2个例子来说明其危害。

🖕🏦🦀ℹ🐥‌1.对于无需登录的网站

如果你的浏览器允许记录 cookie，当你第一次访问某网站的时候，网站会在你的浏览器端记录一个 cookie，cookie 中包含某个“唯一性的标识信息”。

下次你再去访问该网站，网站服务器先从你的浏览器中读取 cookie 信息，然后就可以根据 cookie 中的“唯一标识”判断出，你之前曾经访问过该网站，并且知道你上次访问该网站时，干了些啥。对付这种 cookie 很简单，你只需要在前后两次访问之间，清空浏览器的 cookie，网站就没法用 cookie 的招数来判断你的身份。
🖐⛴🥑❌🕊‏
但是“清空 cookie”这招对“浏览器指纹”是无效滴！比如说你的浏览器具有非常独特的指纹，那么当你第一次访问某网站的时候，网站会在服务器端记录下你的浏览器指纹，并且会记录你在该网站的行为；下次你再去访问的时候，网站服务器再次读取浏览器指纹，然后跟之前存储的指纹进行比对，就知道你是否曾经来过，并且知道你上次访问期间干了些啥。

2.对于需要登录的网站
🧑‍💻‎👑🧯😍👂
假如网站没有采用“指纹追踪”的技术，那么你可以在该网站上注册若干个帐号（马甲）。当你需要切换身份的时候，只需要先注销用户，清空浏览器的 cookie，然后用另一个帐号登录。网站是看不出来的。

一旦网站采用“指纹追踪”的技术，即使你用上述方式伪造马甲，但因为你用的是同一个浏览器，浏览器指纹相同。网站的服务器软件可以猜测出，这两个帐号来自同一个人。

刚才对比了“浏览器指纹”和“cookie”两种身份追踪技术。两者的原理类似——都是利用某些特殊的信息来定位你的身份。两者的本质差异在于：🧑‍⚕️‏👚📱😡👏

1. cookie 需要把信息保存在浏览器端，所以会被用户发现，也会被用户清除。
2. 而“浏览器指纹”无需在客户端保存任何信息，不会被用户发觉，用户也无法清除（换句话说：你甚至无法判断你访问的网站到底有没有收集浏览器指纹）。

👨‍🎨‏👒📐🤩👂

六、“浏览器指纹”包含哪些信息

浏览器暴露给网站的信息有很多种，常见的有如下几种：

1.User Agent
👌🛑🍇🅱🦕‏
关于 User Agent 是啥，简单来说就是服务器识别用户用什么浏览器、操作系统、等内容的一个字符串。

例如这个就是微信浏览器的 UA

🖐🚐🍟♑🦦‍

2.屏幕分辨率

这个比较通俗易懂。我稍微补充一下：这一项不仅包括屏幕的尺寸，还包括颜色深度（比如你的屏幕是16位色、24位色、还是32位色）。
👍🏦🍍♑🦬‌
3.时区

这个也比较通俗。对于大部分国内的网友，你的时区应该都是“东8区”

🤟⛄🥚♑🐞‍4.浏览器的插件信息

也就是你的浏览器装了哪些插件。再罗嗦一次：浏览器的“插件”和“扩展”是两码事儿，别搞混了。

5.字体信息

✌⛄🎂🚭🦄‏

和浏览器相关的一些字体信息。如果你的浏览器安装了 Flash 或 Java 插件，有可能会暴露某些字体信息。

6.Canvas 绘图的指纹

👀🚤🌶🆎🐢‎Canvas 是 HTML5 新增的一个功能。该功能可以让 JavaScript 脚本在页面的 canvas 元素中绘图。由于不同的浏览器类型，不同的浏览器版本，不同的操作系统平台，都会导致“Canvas 绘图”在一些细节方面的差异。因此，该功能也会暴露浏览器信息（成为“浏览器指纹”的一部分）。

要想测试你的浏览器是否暴露“Canvas 绘图指纹”，可以查看“这个链接”。

如果你用的是 Firefox 浏览器，可以安装“这个扩展”，来禁用 canvas 绘图功能。该扩展可以针对不同的域名配置“黑名单和白名单”。

🦴⛄🍍💲🐴‌

7.HTTP ACCEPT

这是 HTTP 协议头中的一个字段。考虑到列位看官大都不是搞 IT 技术的，我就不深入解释这项。

👂💈🥑🅱🐖‌8.其它

以上就是常见的浏览器指纹。当然啦，还有其它一些信息也可以成为“浏览器指纹”，考虑到篇幅，我就不一一列举并解释了。有兴趣的同学，请自行阅读 Mozilla 官网的文档