WebAssembly Fingerprinting против антидетектов: почему WASM может изменить правила игры

Canvas, WebGL, WebRTC, AudioContext, User-Agent — вокруг этих параметров годами крутилась гонка между антифрод-системами и разработчиками антидетект-браузеров. Пользователь старается выглядеть как обычное устройство, антидетект согласует видимые сайту характеристики, антифрод ищет несоответствия. Теперь у этой гонки появляется новый фронт, и для антидетектов он потенциально куда неприятнее прежних: WebAssembly Fingerprinting.

Проблема здесь не в очередном параметре, который можно добавить в настройки профиля. WASM позволяет подобраться к характеристикам реального выполнения кода на конкретном устройстве — а это принципиально меняет саму задачу. Современные антидетекты — Multilogin, AdsPower, Dolphin Anty, Octo Browser, GoLogin, Kameleo, Incogniton, Linken Sphere — уже уверенно работают с большим количеством классических fingerprint-параметров. Но независимые исследования показывают, что даже продвинутые продукты выдают себя по совокупности несоответствий, артефактам вмешательства в браузер и другим сигналам. WebAssembly добавляет к этому ещё один слой.

Что такое WebAssembly и почему антифроду он так интересен

WebAssembly, или WASM, — низкоуровневый бинарный формат инструкций для выполнения кода в браузере. Его ключевые козыри — высокая производительность и возможность компилировать в него код из C/C++ и других языков. Если сильно упростить: JavaScript работает на довольно высоком уровне абстракции, а WebAssembly выполняет вычислительные задачи гораздо ближе к нативному коду. И вот здесь для фингерпринтинга начинается самое интересное. Классический отпечаток обычно спрашивает браузер: «что ты о себе рассказываешь?». WASM позволяет добавить второй вопрос: «а как ты на самом деле выполняешь вычисления?» — и подменить ответ на него значительно сложнее.

В демонстрации Vektor T13 используется компактный одностраничный WebAssembly Fingerprint Checker — всего 447 строк вместе с оформлением. Он построен на связке JavaScript и WebAssembly: JS вызывает WASM-функцию, WebAssembly обращается обратно к JavaScript, и так много раз подряд. Получается своеобразный вычислительный пинг-понг — JavaScript → WASM → JavaScript → WASM, — и по характеристикам выполнения серии таких операций формируется набор измерений, из которого затем выводится идентификатор устройства; в показанной реализации — в виде SHA-256.

Почему User-Agent здесь почти бесполезен

Возьмём антидетект-профиль. На уровне браузерных параметров он сообщает: Windows, Chrome нужной версии, конкретное оборудование. User-Agent соответствует профилю, Canvas выглядит правдоподобно, WebGL согласован, WebRTC настроен, остальное вопросов не вызывает. Но затем сайт запускает вычислительный тест. И если характеристики выполнения кода статистически не сходятся с заявленным окружением, возникает совершенно другой класс сигнала.

Именно поэтому применительно к этому виду анализа Vektor T13 называет обычную подмену User-Agent практически устаревшим приёмом. Антифрод больше не обязан верить рассказу браузера о себе — он может измерять его поведение. В этом и есть фундаментальная проблема.

Самое неприятное: WASM-отпечаток может зависеть от реального железа

В вебинаре отдельно подчёркивается зависимость результатов от аппаратных ресурсов: несмотря на то что код выполняется внутри браузера, характеристики вычислений зависят от среды, на которой браузер реально работает. В перспективе это позволяет строить классификаторы, различающие реальный ПК, виртуальную машину, VDS/VPS и серверное оборудование. Vektor T13 отдельно обращает внимание на серверные CPU: особенности вычислений потенциально позволяют отличать серверную инфраструктуру от типичного пользовательского компьютера.

Здесь важно не переоценивать метод. Это не значит, что WebAssembly даёт JavaScript команду вроде getRealCPUModel(). Речь о другом: собираются косвенные вычислительные характеристики, которые затем статистически сравниваются с накопленными профилями известных сред. И чем больше данных накопит антифрод, тем сильнее работает такой подход.

Почему это особенно неприятно для виртуальных машин

Виртуализация давно используется для разделения окружений, но с новым подходом возникает нюанс: виртуальная машина должна не только сообщать характеристики реального компьютера, но и достаточно похоже вести себя при вычислениях. В демонстрации утверждается, что WASM-тест способен выявлять признаки виртуализированной среды. Но тут же звучит важная оговорка самого Vektor T13: обнаружение VM не является обязательным результатом — он прямо говорит, что знает способ влиять на итог, выделяя браузеру пиковое количество ресурсов. То есть никакой магии: WASM fingerprinting не равно гарантированному обнаружению любой виртуалки. Это новый высокоинформативный сигнал, который можно объединять с другими признаками, — и именно в таком виде он особенно интересен антифроду.

Что это значит для Multilogin, AdsPower, Octo и других

Здесь и начинается главная проблема индустрии. Антидетекты давно конкурируют не числом переключателей в интерфейсе, а качеством согласования fingerprint: под контролем современных продуктов — десятки параметров, от Canvas и WebGL/WebGPU до AudioContext и аппаратных характеристик. Но WASM ставит вопрос иначе: можно ли заставить реальное выполнение кода соответствовать синтетической личности браузерного профиля? И для разных архитектур ответ может оказаться разным.

Multilogin традиционно относят к наиболее технологически развитым продуктам категории — он использует собственные браузерные движки. Однако даже глубокая модификация Chromium или Firefox сама по себе не решает проблему аппаратно-зависимых измерений. Если профиль заявляет одно окружение, а WASM-бенчмарк стабильно показывает характеристики другого, антифрод получает дополнительный сигнал согласованности. Задача при этом превращается из «правильно подменить fingerprint» в «правильно воспроизвести вычислительное поведение устройства, которому этот fingerprint должен соответствовать», — а это заметно сложнее.

С Chromium-based продуктами — AdsPower, Dolphin Anty, Octo Browser, GoLogin, Incogniton, Kameleo — логика та же. Можно изменить Canvas, согласовать WebGL, выставить hardwareConcurrency, но если измеряемое поведение среды конфликтует с заявленным профилем, у антифрода появляется основание поднять risk score, и чем больше независимых WASM-тестов, тем труднее задача. Причём это не абстрактные рассуждения: независимое исследование антидетектов 2026 года уже вычисляло AdsPower и ряд конкурентов по комбинациям вроде prototype integrity и global-scope, а академическая работа Browser Polygraph отдельно тестировала изменённые браузеры — Linken Sphere, Incogniton, GoLogin, Octo Browser, AdsPower и другие — и всё это без WASM. WebAssembly лишь расширяет набор доступных характеристик ещё дальше. И вопрос не в том, что какой-то конкретный антидетект «плохой», — проблема архитектурная, для всей категории сразу.

Почему один WASM-тест ещё не уничтожает антидетекты

Это принципиально важная оговорка. Если просто прогнать бенчмарк и получить «ваш WASM выполнился за 137 миллисекунд» — это ещё плохой отпечаток. Производительность зависит от массы факторов: нагрузки на CPU, энергосбережения, температуры, фоновых процессов, планировщика браузера, количества выделенных ресурсов и десятков других условий. Настоящая сила подхода рождается не из одного числа, а из серии разных тестов, повторных измерений, статистической нормализации и большой базы эталонных устройств.

Именно поэтому Vektor T13 говорит о необходимости накапливать много статистики. В вебинаре заявляется возможность различать пользователей с погрешностью менее 1%, но это стоит воспринимать как результат конкретно представленного подхода, а не как доказанную универсальную точность любого WASM-фингерпринтинга на любом сайте. Разница принципиальная.

JavaScript и WASM как новый источник энтропии

Особенно любопытна идея измерять не только чистую производительность WASM. В демонстрации граница между двумя средами пересекается постоянно — JS → WASM → JS → WASM, — и каждый такой переход добавляет характеристики исполнения. Можно измерять разные типы операций, число итераций, время переходов между контекстами, особенности вычислений и стабильность результатов. Вместо одного параметра получается целый вектор характеристик — условно F = {t1, t2, t3, … tn}, — который после нормализации сравнивается с известными устройствами или классами оборудования. Поэтому перспективный WASM-отпечаток — это не очередной Canvas hash, а скорее поведенческий отпечаток вычислительной среды.

От Canvas Fingerprinting к Computational Fingerprinting

В этом, пожалуй, и заключается главный переход. Первое поколение фингерпринтинга спрашивало: что сообщает браузер? Следующее: что браузер рисует? Canvas и WebGL стали способом измерить результат работы графического стека, WebGPU ушёл глубже — в сторону GPU. WASM позволяет задать следующий вопрос: как устройство вычисляет? А это уже гораздо ближе к идее computational fingerprinting. В таком мире антидетекту мало подменить navigator.userAgent, navigator.hardwareConcurrency, WebGLRenderer, Canvas, AudioContext и ещё десяток API — все эти значения должны быть физически согласованы с наблюдаемым поведением системы.

Новый уровень проверки согласованности

Представим профиль: Windows 11, Chrome, Intel Core i5, обычный домашний ПК, свои Canvas, WebGL и WebGPU. Но WASM-профиль показывает вычислительные характеристики, статистически свойственные серверному окружению. Сам по себе этот факт ещё не означает фрод. Однако теперь антифрод может сложить воедино репутацию IP, TLS-отпечаток, браузерный fingerprint, Canvas, WebGL, WebGPU, профиль выполнения WASM и поведенческие сигналы — и получить куда более сильную модель риска. Это ровно то направление, в котором развиваются современные системы обнаружения: эффективны именно комбинации сигналов, а не надежда на один «магический» отпечаток.

А что насчёт Cybersource, PerimeterX и Microsoft

В вебинаре Vektor T13 утверждает, что подобные технологии уже применяются в антифрод-инфраструктуре Cybersource и PerimeterX, причём Cybersource — на более зрелой стадии внедрения. В качестве ещё одного примера он приводит регистрацию в Microsoft Partner, где, по его наблюдениям, WASM-фингерпринтинг используется для отсева подозрительных регистраций, включая виртуальные машины, VPS и удалённые серверы.

Здесь стоит быть аккуратным: это заявления и наблюдения автора вебинара, а не публично подтверждённые технические спецификации этих компаний, и превращать их в тезис «Microsoft точно блокирует VPS именно этим алгоритмом» без дополнительной проверки было бы неверно. Но сама тенденция вполне реалистична: браузерный fraud detection уже вовсю использует многослойную классификацию окружений, а академические работы показывают, что модифицированные браузеры выявляются по совокупности сигналов.

Уничтожит ли WebAssembly Fingerprinting антидетекты?

Если понимать «уничтожит» буквально — нет. Но он вполне способен уничтожить старую модель антидетекта, в которой считалось достаточным аккуратно подменить набор популярных browser fingerprint-параметров. И это куда интереснее. Multilogin, AdsPower, Dolphin Anty, Octo Browser, GoLogin, Linken Sphere, Incogniton, Kameleo, MoreLogin, Undetectable и остальным придётся учитывать не только то, какие значения видит сайт, но и то, соответствует ли этим значениям реальное поведение среды. Фактически стартует новый этап гонки: fingerprint spoofing → fingerprint consistency → hardware & computational consistency.

Canvas можно изменить. User-Agent — переписать. WebGL — согласовать. Но заставить один компьютер вычислительно вести себя как совершенно другой — задача принципиально иного уровня. Поэтому WebAssembly Fingerprinting стоит воспринимать не как ещё одну строку в огромной таблице антифрода, а как потенциальный переход от «что браузер говорит о себе» к «чем браузер является на самом деле». И если антифрод-системы соберут достаточно большие датасеты реальных устройств, виртуальных машин, серверных CPU и разных браузерных движков, именно эта разница может стать для индустрии антидетектов одной из главных проблем ближайших лет.

Хотите первыми получать такие разборы и свежие исследования? Зарегистрируйтесь на Detect Expert и подпишитесь — все новые статьи и исследования будут приходить вам в подписки. Ведь знания — лучший антидетект сегодня!