Tecnología Web Audio API en sistemas antifraude y métodos para identificar usuarios

17.11.24

Web Audio API es una potente herramienta para trabajar con audio en el navegador, que ofrece la posibilidad de procesar, sintetizar y analizar señales de audio. Creada originalmente para crear efectos de sonido interactivos, juegos y aplicaciones musicales, la tecnología ha encontrado aplicación en sistemas antifraude, donde sus capacidades permiten identificar características únicas de los dispositivos.

#### Historia y finalidad de Web Audio API

Web Audio API se introdujo como parte de la especificación HTML5 a principios de 2010. Se desarrolló para sustituir a tecnologías heredadas como Flash, proporcionando un alto rendimiento y versatilidad en la creación de contenidos de audio.

La primera implementación de la tecnología fue introducida por Google en el navegador Chrome en 2011. En 2014, Web Audio API se convirtió en un estándar soportado por todos los navegadores modernos.

El objetivo principal de Web Audio API es crear y procesar audio en tiempo real, incluyendo la generación de sonidos, la adición de efectos y el análisis de datos de audio.

Sin embargo, al igual que con Canvas, una de las aplicaciones inesperadas de Web Audio API es en los sistemas antifraude, donde sus capacidades se utilizan para identificar de forma única los dispositivos de los usuarios.

#### Capacidades tecnológicas de Web Audio API

Web Audio API proporciona a los desarrolladores un amplio conjunto de herramientas para trabajar con sonido:

- **Generación de sonidos.** Creación de sonidos simples y complejos, incluidos efectos de sintetizador.
   - **Procesamiento de audio:** posibilidad de aplicar efectos como reverberación, filtros y ecualización.
   - **Análisis de datos de audio. **Web Audio API permite analizar señales de audio en tiempo real, obteniendo datos de respuesta en frecuencia y amplitud.

Estas capacidades convierten a Web Audio API en una versátil herramienta de desarrollo web para juegos, aplicaciones multimedia e interactivas.

#### Web Audio API y la lucha contra el fraude: protección contra los defraudadores

Los sistemas antifraude utilizan la Web Audio API para crear una huella digital de audio, una huella digital de un dispositivo que ayuda a identificar de forma exclusiva al usuario.

#### ¿Cómo ayuda la API de audio web a identificar a un usuario?

Cuando un navegador genera audio o analiza una señal de audio, cada dispositivo procesa el audio de forma ligeramente diferente. Esto se debe a características de hardware y software:

- Diferencias en los procesadores de señal digital (DSP).
- Uso de distintos controladores de tarjetas de audio.
- Peculiaridades de la implementación de la API de audio web en los navegadores.

Estos factores hacen que el mismo audio procesado por distintos dispositivos contenga características únicas que pueden ser capturadas. Los sistemas antifraude utilizan estas características para crear una huella digital del dispositivo analizando las señales de audio a nivel de características de frecuencia y tiempo.

#### Web Técnicas de suplantación de huellas digitales de audio

Los atacantes que intentan eludir los sistemas antifraude utilizan varios métodos para falsificar la huella digital de audio:
   - **Distorsión de la señal.** Introducir pequeños cambios en la señal de audio para que la huella digital del dispositivo parezca única. Puede ser cambiando la amplitud, la fase o añadiendo ruido.
   - **Uso de datos pregrabados.** Las señales de audio pregrabadas pueden falsear la reproducción real del audio, produciendo datos espurios. Este método dificulta la detección de la suplantación porque las señales parecen correctas.
   - **Emulación de hardware de audio.** Los programas emuladores pueden crear una huella de audio idéntica a la del dispositivo real, eludiendo la verificación.

#### ¿Cómo detectan los sistemas antifraude la suplantación de huellas dactilares?

Los sistemas antifraude utilizan diversos enfoques para detectar la manipulación:

- **Análisis de respuesta en frecuencia.** Mediante la comparación de espectrogramas de señales de audio, los sistemas pueden detectar anomalías características de datos alterados artificialmente.
   - **Generación dinámica de señales.** Creación de señales de audio en tiempo real, seguida del análisis de su procesamiento. Estas pruebas son más difíciles de falsear, ya que requieren una respuesta rápida del dispositivo.
   - **Comparación con datos de referencia.** El sistema compara los resultados del procesamiento de la señal con las características esperadas, evaluando las desviaciones.

#### Señales de audio dinámicas

Las pruebas dinámicas que implican cambios en las características de audio (por ejemplo, frecuencia o amplitud) dificultan aún más la tarea de los defraudadores. Estas pruebas permiten evaluar el rendimiento del dispositivo en tiempo real e identificar incoherencias en el procesamiento de la señal.

#### Análisis de huellas dactilares de WebAudio

Veamos qué datos se pueden obtener sobre un usuario utilizando la API Web Audio abriendo la página <a href="https://browserleaks.com/javascript" target="_blank">browserleaks.com/javascript</a> en nuestro navegador Chrome:

![](/media/mdeditor/1_20241117140341287803.png)

Abramos la página en nuestro navegador antidetección:

![](/media/mdeditor/2_20241117142125218362.png)

Esta página recibe una pequeña cantidad de información utilizando la tecnología Web Audio API.

Abramos nuestra página de prueba <a href="https://test-webapi.tech/audiofull" target="_blank">test-webapi.tech/audiofull</a> en un ordenador Intel en el navegador Chrome:

![](/media/mdeditor/3_20241117142153910276.png)

En esta página, en Dispositivos multimedia, obtenemos información sobre el dispositivo. En la sección Audio Fingerprint (HEX) obtenemos la longitud de los resultados de dos cálculos con diferentes trabajos para comprobar las capacidades del dispositivo (Fingerprint Length) y el resultado MD5 Hash de la codificación de los resultados de los cálculos y los valores de los parámetros del dispositivo. En la sección Audio Context Data podemos ver los parámetros del dispositivo obtenidos usando Web Audio API y sus valores.

Abramos esta página en un navegador antidetección sin aplicar ruido:

![](/media/mdeditor/4_20241117142209973530.png)

Podemos observar que los resultados de Audio Fingerprint (HEX) coinciden, nuestro navegador anti-detect no falsea los resultados del cálculo. Pero resulta extraño que no haya dispositivos de salida de audio en la sección Dispositivos multimedia de nuestro perfil de navegador antidetección.
Repitamos la comprobación con superposición de ruido de audio en el navegador antidetección:

![](/media/mdeditor/5_20241117143228664114.png)

Podemos ver que la longitud de la cadena con los resultados del cálculo ha aumentado significativamente, y el valor Hash MD5 ha cambiado. Podemos concluir que el navegador antidetección está modificando con éxito la huella digital de audio.
Para comprender cómo pueden reaccionar los sistemas antifraude ante un cambio de este tipo, comprobemos los resultados en otros dispositivos de sobremesa.

Ordenador AMD:

![](/media/mdeditor/6_20241117143258848343.png)

Portátil AMD:

![](/media/mdeditor/7_20241117143318096589.png)

Portátil Intel:

![](/media/mdeditor/8_20241117143338284552.png)

Observa que hemos obtenido la misma huella de audio en los dispositivos de sobremesa.
Sigamos comprobando en dispositivos móviles:

![](/media/mdeditor/9_20241117143411565593.jpg)

![](/media/mdeditor/10_20241117143420176965.jpg)

![](/media/mdeditor/11_20241117143448087542.jpg)

En los dispositivos móviles, las diferencias en las huellas de audio son más comunes que en los dispositivos de sobremesa, pero cabe destacar que el valor Longitud de la huella varía poco entre los distintos tipos de dispositivos, a diferencia de la longitud de la cadena de resultados en el navegador antidetección de ruido superpuesto.

#### Detección de ruido de la Web Audio API

Según los resultados de las pruebas que hemos dado anteriormente, podemos observar que cuando se impone ruido, el tamaño de la cadena de resultados aumenta en una cantidad significativa, lo que puede ser considerado por los sistemas antifraude como una discrepancia con los resultados esperados. Intentemos comprender cómo los sistemas antifraude pueden detectar con mayor precisión el uso de ruido en la impresión de audio.
Abramos nuestra página de <a href="https://test-webapi.tech/audiotamper" target="_blank">test-webapi.tech/audiotamper</a> en un ordenador en el navegador Chrome:

![](/media/mdeditor/12_20241117143535538433.png)

Abramos la misma página en un navegador antidetección sin superposición de ruido:

![](/media/mdeditor/13_20241117143553249288.png)

Repitamos la prueba utilizando ruido en la huella de audio:

![](/media/mdeditor/14_20241117143624945466.png)

En esta prueba, utilizamos el siguiente método para determinar el ruido: comprobamos las partes de la huella que no deberían cambiar en distintos dispositivos y las comparamos con los valores de referencia. Cuando se utiliza ruido, algunos de los valores de dichas partes de la huella cambian, y esto facilita la detección del spoofing.

Otra forma de detectar el spoofing es obtener los valores reales de las características de audio y compararlos con las características indicadas en las propiedades del navegador. Intentemos realizar esta prueba, abramos la página <a href="https://test-webapi.tech/audiodetect" target="_blank">test-webapi.tech/audiodetect</a> en el navegador Chrome:

![](/media/mdeditor/15_20241117143658875729.png)

Ejecutemos la prueba

![](/media/mdeditor/16_20241117143723162978.png)

Abramos la misma página en un navegador antidetección sin utilizar ruido:

![](/media/mdeditor/17_20241117143754764661.png)

Repitamos la prueba en el navegador antidetección con ruido aplicado:

![](/media/mdeditor/18_20241117143829993657.png)

Pruebas como esta pueden detectar la suplantación de valores de propiedades de audio midiendo la diferencia de valores y comparándola con los valores aceptables para pruebas específicas.

#### Conclusión

En este artículo hemos visto cómo se utiliza la huella digital de audio en los sistemas antifraude. La API de Web Audio no es única y los sistemas antifraude no pueden identificar con precisión a un usuario que la utilice. Al mismo tiempo, el uso de ruido en la huella digital de audio se detecta de forma bastante sencilla y los sistemas antifraude pueden identificar fácilmente a los usuarios que utilizan la suplantación de identidad.

En el próximo artículo continuaremos con el análisis de las tecnologías de navegación utilizadas en los sistemas antifraude.

*Bannykh M.V.*

Publicación relacionada

Antidetect

Comparación del rendimiento y las capacidades de WebGPU en diferentes dispositivos para tareas antifraude

Tecnología WebGPU en sistemas antifraude y métodos de identificación de usuarios

Este artículo describe cómo la tecnología WebGPU ayuda a los sistemas antifraude en la identificación de usuarios y la lucha contra el fraude mediante la utilización de huellas dactilares gráficas únicas de los dispositivos. Se analizan las capacidades de

_Bannykh M.V._

09.11.24

Antidetect

Gráfico de cambios de tamaño de ventana del navegador y su uso en sistemas antifraude.

Tamaños de ventana del navegador y eventos del navegador, sistemas antifraude y técnicas de identificación de usuarios.

El análisis del tamaño de la ventana del navegador y de los eventos ayuda a los sistemas antifraude a detectar la suplantación de datos y la emulación de acciones.

Bannykh M.V.

05.01.25