Технология Web Audio API в Антифрод-системах и методы идентификации пользователей

17.11.24

Web Audio API — это мощный инструмент для работы со звуком в браузере, предоставляющий возможности обработки, синтеза и анализа аудиосигналов. Изначально созданная для создания интерактивных звуковых эффектов, игр и музыкальных приложений, технология нашла применение в антифрод-системах, где её возможности позволяют выявлять уникальные характеристики устройств.

#### История создания и предназначение Web Audio API

Web Audio API была представлена как часть спецификации HTML5 в начале 2010-х годов. Её разработка велась для замены устаревших технологий, таких как Flash, обеспечивая высокую производительность и универсальность в создании аудиоконтента.

Первую реализацию технологии представила компания Google в браузере Chrome в 2011 году. К 2014 году Web Audio API стала стандартом, поддерживаемым всеми современными браузерами.

Основное назначение Web Audio API — это создание и обработка аудио в реальном времени, включая генерацию звуков, добавление эффектов и анализ звуковых данных.

Однако, как и в случае с Canvas, одна из неожиданных сфер применения Web Audio API — это антифрод-системы, где её возможности используются для уникализации устройств пользователей.

#### Технологические возможности Web Audio API

Web Audio API предоставляет разработчикам обширный набор инструментов для работы со звуком:

- **Генерация звуков.** Создание простых и сложных звуковых сигналов, включая синтезаторные эффекты.
   - **Обработка аудио.** Возможность применять эффекты, такие как реверберация, фильтры и эквализация.
   - **Анализ звуковых данных.** Web Audio API позволяет анализировать аудиосигналы в реальном времени, получая данные о частотных характеристиках и амплитуде.

Эти возможности делают Web Audio API универсальным инструментом для веб-разработки, используемым в играх, мультимедиа и интерактивных приложениях.

#### Web Audio API и антифрод: защита от мошенников

Антифрод-системы используют Web Audio API для создания аудиофингерпринта (audio fingerprinting) — цифрового отпечатка устройства, который помогает уникализировать пользователя.

#### Как Web Audio API помогает идентифицировать пользователя?

Когда браузер генерирует звук или анализирует аудиосигнал, каждое устройство обрабатывает звук немного по-разному. Это связано с особенностями аппаратного и программного обеспечения:

- Различия в цифровых сигнальных процессорах (DSP).
   - Использование разных драйверов аудиокарт.
   - Особенности реализации Web Audio API в браузерах.

Эти факторы приводят к тому, что одно и то же аудио, обработанное разными устройствами, содержит уникальные характеристики, которые можно зафиксировать. Антифрод-системы используют эти особенности для создания отпечатка устройства, анализируя аудиосигналы на уровне частотных и временных характеристик.

#### Методы подмены отпечатков Web Audio

Злоумышленники, пытаясь обойти антифрод-системы, применяют различные методы для подмены аудиофингерпринта:
   - **Искажение сигналов.** Встраивание небольших изменений в аудиосигнал, чтобы отпечаток устройства выглядел уникальным. Это может быть изменение амплитуды, фазы или добавление шума.
   - **Использование предзаписанных данных.** Заранее подготовленные аудиосигналы могут подменить реальный рендеринг звука, выдавая поддельные данные. Такой подход усложняет выявление подмены, так как сигналы выглядят корректными.
   - **Эмуляция аудиооборудования.** Программы-эмуляторы могут создавать аудиофингерпринт, идентичный настоящему устройству, обходя проверку.

#### Как антифрод-системы выявляют подмену отпечатков?

Антифрод-системы применяют различные подходы для выявления фальсификаций:

- **Анализ частотных характеристик.** Сравнивая спектрограммы аудиосигналов, системы могут выявить аномалии, характерные для искусственно изменённых данных.
   - **Генерация динамических сигналов.** Создание аудиосигналов в реальном времени, с последующим анализом их обработки. Такие тесты сложнее подделать, так как они требуют быстрой реакции от устройства.
   - **Сравнение с эталонными данными.** Система сравнивает результаты обработки сигнала с ожидаемыми характеристиками, оценивая отклонения.

#### Динамические аудиосигналы

Динамические тесты, включающие изменение звуковых характеристик (например, частоты или амплитуды), усложняют задачу для мошенников. Эти тесты позволяют оценить производительность устройства в реальном времени и выявить несовпадения в обработке сигнала.

#### Анализ отпечатка WebAudio

Посмотрим, какие данные можно получить о пользователе с помощью Web Audio API, откроем на страницу <a href="https://browserleaks.com/javascript" target="_blank">browserleaks.com/javascript</a> в нашем браузере Chrome:

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

Откроем страницу в нашем антидетект-браузере:

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

Этот сайт получает небольшое количество информации с помощью технологии Web Audio API.

Откроем нашу тестовую страницу <a href="https://test-webapi.tech/audiofull" target="_blank">test-webapi.tech/audiofull</a> на компьютере Intel в браузере Chrome:

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

На этой странице в разделе Media Devices мы получаем информацию об устройстве. В разделе Audio Fingerprint (HEX) мы получаем длину результатов двух вычислений с разными заданиями для проверки возможностей устройства (Fingerprint Length) и результат MD5 Hash от кодирования результатов вычислений и значений параметров устройства. В разделе Audio Context Data мы видим параметры устройства, полученные с помощью Web Audio API и их значения.

Откроем эту страницу в антидетект-браузере без применения шума:

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

Можем заметить, что результаты Audio Fingerprint (HEX) совпадают, наш антидетект-браузер не подменяет результаты вычислений. Но оказывается странным, что в нашем профиле антидетект-браузера нет устройств для вывода звука в разделе Media Devices.
Повторим проверку с наложением шума аудио в антидетект-браузере:

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

Мы видим, что длина строки с результатами вычислений значительно увеличилась, а значение MD5 Hash изменилось. Можем сделать вывод: антидетект-браузер успешно изменяет отпечаток Аудио.
Чтобы понять как Антифрод системы могут реагировать на такое изменение, проверим результаты на других десктоп устройствах.

Компьютер AMD:

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

Ноутбук AMD:

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

Ноутбук Intel:

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

Отметим, что на десктоп устройствах мы получили одинаковый отпечаток Аудио.
Продолжим проверку на мобильных устройствах:

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

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

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

Для мобильных устройств отличия в отпечатках Аудио встречаются чаще, чем на десктоп устройствах, но стоить заметить, что длина значения Fingerprint Length для разных типов устройств изменяется незначительно, в отличии от длины строки результатов в антидетект-браузере с наложением шума.

#### Определение шума Web Audio API

По результатам тестов, которые мы привели ранее, можно заметить, что при наложении шума размер строки с результатами увеличивается на значительную величину, что уже может быть расценено антифрод-системами, как несоответствие ожидаемым результатам. Попробуем разобраться, какими способом антифрод-системы могут более точно определять использование шума в отпечатке Аудио.
Откроем нашу тестовую страницу <a href="https://test-webapi.tech/audiotamper" target="_blank">test-webapi.tech/audiotamper</a> на компьютере в браузере Chrome:

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

Откроем эту же страницу в антидетект-браузере без наложения шума:

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

Повторим тест с использованием шума в отпечатке аудио:

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

В этом тесте мы использовали следующий метод определения шума: мы проверяем части отпечатка, которые не должны изменяться на разных устройствах и сравниваем их с эталонными значениями. При использовании шума, изменяется часть значений таких участков в отпечатке, и это делает определение подмены отпечатка простой задачей.

Ещё одним способом определения подмены может служить получение реальных значений характеристик аудио и сравнение с заявленными характеристиками в свойствах браузера. Попробуем провести этот тест, откроем страницу <a href="https://test-webapi.tech/audiodetect" target="_blank">test-webapi.tech/audiodetect</a> в браузере Chrome:

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

Запустим тест

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

Откроем эту же страницу в антидетект-браузере без использования шума:

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

Повторим тест в антидетект-браузере с наложением шума:

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

Подобные тесты позволяют выявить подмену значений свойств аудио с помощью измерения разницы значений и сравнения с допустимыми значениями для конкретных тестов.

#### Заключение

В этой статье мы рассмотрели каким образом отпечаток Аудио используется в антифрод-системах. Web Audio API не является уникальным, и с его помощью антифрод-системы не могут точно идентифицировать пользователя. В то же время использование шума в отпечатке Аудио определяется достаточно просто и пользователей, использующих подмену, антифрод-системы могут легко идентифицировать.

В следующей статье мы продолжим разбор технологий браузера, используемых в антифрод-системах.

*Bannykh M.V.*

Еще не с нами?

Зарегистрируйтесь, чтобы получить доступ ко всем возможностям сайта.

Регистрация

Технология WebGPU в Антифрод-системах и методы идентификации пользователей

Эта статья описывает, как технология WebGPU помогает антифрод-системам в идентификации пользователей и борьбе с фродом, используя уникальные графические отпечатки устройств. Рассматриваются возможности WebGPU в создании точных цифровых отпечатков и выявле

_Bannykh M.V._

09.11.24

Антидетект

Анализ браузерного профиля по таймингам Audio Context, производительности CPU, WebGL и признакам виртуальной среды

Audio Fingerprint: почему подмена «аудиоотпечатка» палит профиль, а не прячет

Почему подмена Audio Fingerprint может выдать профиль и почему тайминги и согласованность среды важнее.

Antidetect

12.09.26

Технология Web Audio API в Антифрод-системах и методы идентификации пользователей

Похожие посты

Технология WebGPU в Антифрод-системах и методы идентификации пользователей

Audio Fingerprint: почему подмена «аудиоотпечатка» палит профиль, а не прячет