Canvas, WebGL e Audio: i tre fingerprint che sopravvivono a ogni riavvio del browser

Perché proprio questi tre

Uno script di fingerprinting moderno sonda circa 40 vettori su una pagina tipica: User-Agent, dimensione dello schermo, header di lingua, elenco dei font, plugin installati, offset del fuso orario, precisione del puntatore, hardware concurrency. Quasi tutti questi valori sono interi o stringhe brevi e in pratica ognuno vale fra uno e cinque bit di entropia. Servono da collante, non da identificatori.

Canvas, WebGL e AudioContext giocano un altro campionato. Ognuno fa passare un carico deterministico attraverso il dispositivo e ne calcola l'hash. L'hash dipende dal silicio della GPU, dalla versione del driver, dal rasterizzatore dei font del sistema operativo, dalla strategia di anti-aliasing e dall'implementazione in virgola mobile del sottosistema audio. Per questo un'installazione nuova di Chrome sulla stessa macchina restituisce il giorno dopo quasi gli stessi tre hash, mentre la stessa macchina con un driver GPU diverso li cambia in modo visibile.

I numeri del dataset Cover Your Tracks dell'EFF e del corpus AmIUnique di Inria collocano l'hash canvas attorno ai dieci bit di entropia, le informazioni del renderer WebGL fra sei e otto bit, AudioContext a quattro o cinque. Una sessione che espone tutti e tre supera comodamente i diciotto bit, di che tirarti fuori da un bacino di un quarto di milione di utenti. Più che abbondante per ad targeting, fraud scoring e quasi tutte le pipeline di analytics.

Il fingerprinting Canvas nel dettaglio

Un fingerprint canvas è l'hash di un'immagine che il tuo browser ha disegnato senza mai mostrartela. Lo script crea un <canvas> fuori schermo, ci mette qualche forma e una stringa in due o tre font, chiama toDataURL() e calcola l'hash dei byte del PNG. Tu non vedi niente, e tutto si esaurisce in pochi millisecondi.

Su una data macchina l'hash rimane stabile perché il percorso di rendering è deterministico. Stessa GPU, stesso driver, stesso rasterizzatore dei font, stessa modalità di anti-aliasing: stesso PNG, byte per byte. Cambia una sola di queste variabili e l'hash salta. È anche il motivo per cui un feature update di Windows può far sembrare nuovo, agli occhi di un tracker, un utente fino a quel momento stabile, e per cui le macchine aziendali con driver bloccati si assomigliano quasi tutte.

L'ossatura dell'attacco è questa:

const c = document.createElement("canvas");
const ctx = c.getContext("2d");
ctx.textBaseline = "alphabetic";
ctx.font = "14px 'Arial'";
ctx.fillStyle = "#069";
ctx.fillText("Cwm fjordbank glyphs vext quiz, ", 2, 15);
ctx.fillStyle = "rgba(102,204,0,0.7)";
ctx.fillText("Cwm fjordbank glyphs vext quiz, ", 4, 17);
const png = c.toDataURL();
// hash(png) diventa il tuo fingerprint canvas

Non c'è nulla di esotico. È in sostanza la routine che FingerprintJS, ThreatMetrix e Cloudflare Bot Management eseguono al primo contatto, con piccole varianti. Brave e uBlock Origin si difendono iniettando un rumore di sessione prima della lettura, così l'hash cambia ogni volta. Contro aggregatori ingenui funziona, però la protezione stessa è rilevabile: un hash che non si ripete mai è di per sé un segnale, e i tracker ti etichettano come «utente con randomizzazione canvas».

Il fingerprinting WebGL nel dettaglio

WebGL dà alla pagina accesso diretto alla tua GPU attraverso un wrapper JavaScript dell'API OpenGL ES. Saltano subito all'occhio due cose. Primo, una piccola estensione chiamata WEBGL_debug_renderer_info espone alla lettera il vendor della GPU e la stringa del renderer. Sulla maggior parte dei desktop si legge qualcosa come ANGLE (NVIDIA, GeForce RTX 4070, OpenGL 4.5.0) o di altrettanto specifico. Quella sola stringa può portare più di dieci bit di entropia, perché include il ramo del driver e a volte persino un hash di build.

Secondo, anche con l'estensione mascherata o disabilitata, il risultato del rendering di una scena 3D moderatamente complessa (un toro texturizzato, una sfera sfumata, qualche triangolo ruotato) resta comunque hashable. Compilatori di shader, impostazioni di precisione e implementazioni di blending diversi spostano i pixel di quantità piccole ma costanti. Lo script rilegge il framebuffer con readPixels(), lo hashea e salva il risultato.

Disabilitare del tutto WebGL è la difesa più pulita e la più costosa. Google Maps, la maggior parte dei giochi nel browser, metà degli strumenti SaaS moderni che disegnano grafici sulla GPU e un numero sorprendente di viewer 3D di e-commerce smettono di funzionare. Firefox espone la preferenza webgl.disabled per chi accetta il compromesso. Tor Browser tiene WebGL attivo ma normalizza la stringa del renderer su un unico valore per tutte le installazioni Tor di una stessa piattaforma, ed è il motivo per cui due utenti Tor su hardware completamente diverso restituiscono alla pagina la stessa firma WebGL.

Il fingerprinting AudioContext nel dettaglio

Il fingerprinting AudioContext è il più silenzioso dei tre, in tutti i sensi. Lo script istanzia un OfflineAudioContext, genera un'onda triangolare o sinusoidale a frequenza fissa, la fa passare in un compressore dinamico con parametri fissi e rilegge i campioni come Float32Array. Agli altoparlanti non arriva nessun suono. Il dispositivo non deve essere riattivato, le cuffie non c'entrano. Quello che conta è la matematica in virgola mobile con cui lo stack audio ha generato quei campioni.

All'orecchio umano l'uscita audio sembra identica (e anche a qualsiasi analizzatore di spettro che guardi solo al contenuto udibile), ma i valori float32 sottostanti cambiano da un'implementazione all'altra del compressore. Build di browser, motori audio del sistema operativo e perfino certe revisioni del microcodice della CPU spostano i bit meno significativi secondo pattern stabili. Calcolare l'hash del buffer o sommarlo produce un numero che sopravvive a riavvii, reset del profilo e quasi tutte le estensioni.

AudioContext porta meno entropia del canvas (tipicamente quattro o cinque bit), quindi da solo non identifica nessuno. Il suo valore reale per un tracker è che quasi nessuno lo difende. Canvas e WebGL si prendono l'attenzione rumorosa degli strumenti di privacy, l'audio resta sotto. Uno script che trova hash canvas e audio uguali su due sessioni ha sul match una confidenza ben più alta di quanto il solo canvas giustificherebbe, perché il numero audio difficilmente coincide per caso.

I tre a confronto

Messi uno accanto all'altro, i tre vettori hanno punti di forza diversi. La tabella che segue riassume cosa ciascuno porta a un tracker, quanto ti costa difenderti e quanto la difesa stessa salta all'occhio.

Il pattern non cambia. Ogni vettore preso da solo è duro da battere, e le difese che funzionano si vedono. Un tracker che legge canvas normale, WebGL normale e una flag AudioContext mancante sta guardando una fetta minoritaria della popolazione, e anche questo basta a identificare.

Perché Tor ne lascia trapelare uno

Tor Browser è la difesa consumer più aggressiva contro il fingerprinting statico. Di default, le letture sul canvas restituiscono un'immagine bianca uniforme (all'utente viene chiesto il consenso prima di rilasciare dati veri). WebGL resta attivo, ma la stringa del renderer viene normalizzata su un solo valore in tutte le installazioni Tor della stessa piattaforma, e il rendering finale viene arrotondato per smussare la varianza dei driver. Due dei tre vettori dentro Tor sono praticamente morti.

AudioContext è il filo che resta fuori. Il modello di minaccia del Tor Project lo prevede (il ticket tor-browser#13017 e i report di bug Mozilla collegati risalgono a parecchi anni fa), ma l'uscita in virgola mobile di un OfflineAudioContext dipende ancora dalla catena di build. Un Tor Browser su Linux x86_64 contro un Tor Browser su macOS arm64 produce hash audio misurabili e diversi, anche quando entrambi dichiarano la stessa stringa di piattaforma. Sono stati pubblicati più volte distinguisher AudioContext funzionanti per Tor, dal lavoro originario di AmIUnique fino a follow-up accademici più recenti.

Sistemare la cosa è complicato, perché l'alternativa sarebbe disabilitare del tutto OfflineAudioContext, e questo manderebbe in tilt qualsiasi webapp che decodifica audio in background (player di podcast, videoconferenze, giochi da browser, strumenti di accessibilità). Il Tor Project, su quel cambio, è rimasto prudente. Risultato: perfino il browser consumer più rinforzato continua a esporre uno dei tre vettori.

Cosa funziona davvero contro questi hash

I tre vettori condividono una proprietà: derivano tutti dal comportamento dell'hardware fisico. Le difese solo software aiutano, ma le uniche risposte complete cambiano ciò che la pagina vede della tua macchina, non ciò che la macchina è davvero.

FAQ

Il quadro finale

Canvas, WebGL e AudioContext, messi insieme, superano i diciotto bit di entropia in una sessione tipica. Tanto basta a isolare un utente in un bacino di oltre 250 000, e tutti gli strumenti pensati per l'era cookie (incognito, VPN, gran parte delle estensioni di privacy) li lasciano intatti tutti e tre. Gli hash arrivano dalla tua GPU, dai tuoi driver, dai tuoi font e dal tuo stack audio: è esattamente lo strato che quegli strumenti non raggiungono mai.

Difendere un vettore alla volta si vede. Randomizzazione del canvas, mascheramento di WebGL e rumore audio producono anomalie rilevabili, e i tracker raccolgono così gli utenti «difesi» in un gruppo più piccolo e probabilmente più interessante. Tor chiude due dei tre in modo convincente e continua a lasciar trapelare la firma audio. L'unico fix che chiude tutti e tre cambia l'hardware e lo stack software che la pagina ha il diritto di vedere. In pratica significa un'altra macchina fisica, un'altra installazione di sistema operativo o un browser remoto containerizzato come Browser.lol.