Технологія Web Audio API в Антифрод-системах і методи ідентифікації користувачів

17.11.24

Web Audio API - це потужний інструмент для роботи зі звуком у браузері, що надає можливості обробки, синтезу та аналізу аудіосигналів. Спочатку створена для створення інтерактивних звукових ефектів, ігор і музичних додатків, технологія знайшла застосування в антифрод-системах, де її можливості дозволяють виявляти унікальні характеристики пристроїв.

#### Історія створення та призначення Web Audio API

Web Audio API було представлено як частину специфікації HTML5 на початку 2010-х років. Її розробка велася для заміни застарілих технологій, таких як Flash, забезпечуючи високу продуктивність і універсальність у створенні аудіоконтенту.

Першу реалізацію технології представила компанія Google у браузері Chrome у 2011 році. До 2014 року Web Audio API стала стандартом, підтримуваним усіма сучасними браузерами.

Основне призначення Web Audio API - це створення та обробка аудіо в реальному часі, включно з генерацією звуків, додаванням ефектів і аналізом звукових даних.

Однак, як і у випадку з Canvas, одна з несподіваних сфер застосування Web Audio API - це антифрод-системи, де її можливості використовуються для унікалізації пристроїв користувачів.

#### Технологічні можливості Web Audio API

Web Audio API надає розробникам великий набір інструментів для роботи зі звуком:

- **Генерація звуків.** Створення простих і складних звукових сигналів, включно з синтезаторними ефектами.
   - **Обробка аудіо.** Можливість застосовувати ефекти, такі як реверберація, фільтри та еквалізація.
   - **Аналіз звукових даних.** Web Audio API дає змогу аналізувати аудіосигнали в реальному часі, отримуючи дані про частотні характеристики та амплітуду.

Ці можливості роблять Web Audio API універсальним інструментом для веб-розробки, використовуваним в іграх, мультимедіа та інтерактивних додатках.

#### Web Audio API та антифрод: захист від шахраїв

Антифрод-системи використовують Web Audio API для створення аудіофінгерпринта (audio fingerprinting) - цифрового відбитка пристрою, який допомагає унікалізувати користувача.

#### Як Web Audio API допомагає ідентифікувати користувача?

Коли браузер генерує звук або аналізує аудіосигнал, кожен пристрій обробляє звук трохи по-різному. Це пов'язано з особливостями апаратного та програмного забезпечення:

- Відмінності в цифрових сигнальних процесорах (DSP).
- Використання різних драйверів аудіокарт.
- Особливості реалізації Web Audio API в браузерах.

Ці фактори призводять до того, що одне й те саме аудіо, оброблене різними пристроями, містить унікальні характеристики, які можна зафіксувати. Антифрод-системи використовують ці особливості для створення відбитка пристрою, аналізуючи аудіосигнали на рівні частотних і часових характеристик.

#### Методи підміни відбитків Web Audio

Зловмисники, намагаючись обійти антифрод-системи, застосовують різні методи для підміни аудіофінгерпринта:
   - **Спотворення сигналів.** Вбудовування невеликих змін в аудіосигнал, щоб відбиток пристрою виглядав унікальним. Це може бути зміна амплітуди, фази або додавання шуму.
   - **Використання попередньо записаних даних.** Заздалегідь підготовлені аудіосигнали можуть підмінити реальний рендеринг звуку, видаючи підроблені дані. Такий підхід ускладнює виявлення підміни, оскільки сигнали виглядають коректними.
   - **Емуляція аудіообладнання.** Програми-емулятори можуть створювати аудіофінгерпринт, ідентичний справжньому пристрою, обходячи перевірку.

#### Як антифрод-системи виявляють підміну відбитків?

Антифрод-системи застосовують різні підходи для виявлення фальсифікацій:

- **Аналіз частотних характеристик.** Порівнюючи спектрограми аудіосигналів, системи можуть виявити аномалії, характерні для штучно змінених даних.
   - **Генерація динамічних сигналів.** Створення аудіосигналів у реальному часі, з подальшим аналізом їх обробки. Такі тести складніше підробити, оскільки вони вимагають швидкої реакції від пристрою.
   - **Порівняння з еталонними даними.** Система порівнює результати обробки сигналу з очікуваними характеристиками, оцінюючи відхилення.

#### Динамічні аудіосигнали

Динамічні тести, що включають зміну звукових характеристик (наприклад, частоти або амплітуди), ускладнюють завдання для шахраїв. Ці тести дають змогу оцінити продуктивність пристрою в реальному часі та виявити розбіжності в обробці сигналу.

#### Аналіз відбитка WebAudio

Подивимося, які дані можна отримати про користувача за допомогою Web Audio API, відкриємо сторінку <a href="https://browserleaks.com/javascript" target="_blank">browserleaks.com/javascript</a> у нашому браузері Chrome:

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

Відкриємо сторінку в нашому антидетект-браузері:

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

Цей сайт отримує невелику кількість інформації за допомогою технології Web Audio API.

Відкриємо нашу тестову сторінку <a href="https://test-webapi.tech/audiofull" target="_blank">test-webapi.tech/audiofull</a> на комп'ютері Intel у браузері Chrome:

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

На цій сторінці в розділі Media Devices ми отримуємо інформацію про пристрій. У розділі Audio Fingerprint (HEX) ми отримуємо довжину результатів двох обчислень із різними завданнями для перевірки можливостей пристрою (Fingerprint Length) і результат MD5 Hash від кодування результатів обчислень і значень параметрів пристрою. У розділі Audio Context Data ми бачимо параметри пристрою, отримані за допомогою Web Audio API та їхні значення.

Відкриємо цю сторінку в антидетект-браузері без застосування шуму:

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

Можемо помітити, що результати Audio Fingerprint (HEX) збігаються, наш антидетект-браузер не підміняє результати обчислень. Але виявляється дивним, що в нашому профілі антидетект-браузера немає пристроїв для виведення звуку в розділі Media Devices.
Повторимо перевірку з накладенням шуму аудіо в антидетект-браузері:

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

Ми бачимо, що довжина рядка з результатами обчислень значно збільшилася, а значення MD5 Hash змінилося. Можемо зробити висновок: антидетект-браузер успішно змінює відбиток Аудіо.
Щоб зрозуміти як Антифрод системи можуть реагувати на таку зміну, перевіримо результати на інших десктоп-пристроях.

Комп'ютер AMD:

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

Ноутбук AMD:

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

Ноутбук Intel:

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

Зазначимо, що на десктоп-пристроях ми отримали однаковий відбиток Аудіо.
Продовжимо перевірку на мобільних пристроях:

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

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

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

Для мобільних пристроїв відмінності у відбитках Аудіо трапляються частіше, ніж на десктоп-пристроях, але варто зауважити, що довжина значення Fingerprint Length для різних типів пристроїв змінюється незначно, на відміну від довжини рядка результатів в антидетект-браузері з накладенням шуму.

#### Визначення шуму Web Audio API

За результатами тестів, які ми навели раніше, можна помітити, що під час накладення шуму розмір рядка з результатами збільшується на значну величину, що вже може бути розцінено антифрод-системами, як невідповідність очікуваним результатам. Спробуємо розібратися, якими способом антифрод-системи можуть більш точно визначати використання шуму у відбитку Аудіо.
Відкриємо нашу тестову сторінку <a href="https://test-webapi.tech/audiotamper" target="_blank">test-webapi.tech/audiotamper</a> на комп'ютері в браузері Chrome:

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

Відкриємо цю саму сторінку в антидетект-браузері без накладення шуму:

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

Повторимо тест із використанням шуму у відбитку аудіо:

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

У цьому тесті ми використовували наступний метод визначення шуму: ми перевіряємо частини відбитка, які не повинні змінюватися на різних пристроях і порівнюємо їх з еталонними значеннями. При використанні шуму, змінюється частина значень таких ділянок у відбитку, і це робить визначення підміни відбитка простим завданням.

Ще одним способом визначення підміни може слугувати отримання реальних значень характеристик аудіо та порівняння із заявленими характеристиками у властивостях браузера. Спробуємо провести цей тест, відкриємо сторінку <a href="https://test-webapi.tech/audiodetect" target="_blank">test-webapi.tech/audiodetect</a> у браузері Chrome:

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

Запустимо тест

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

Відкриємо цю саму сторінку в антидетект-браузері без використання шуму:

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

Повторимо тест в антидетект-браузері з накладенням шуму:

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

Подібні тести дозволяють виявити підміну значень властивостей аудіо за допомогою вимірювання різниці значень і порівняння з допустимими значеннями для конкретних тестів.

#### Висновок

У цій статті ми розглянули яким чином відбиток Аудіо використовується в антифрод-системах. Web Audio API не є унікальним, і з його допомогою антифрод-системи не можуть точно ідентифікувати користувача. Водночас використання шуму у відбитку Аудіо визначається досить просто і користувачів, які використовують підміну, антифрод-системи можуть легко ідентифікувати.

У наступній статті ми продовжимо розбір технологій браузера, що використовуються в антифрод-системах.

*Bannykh M.V.*

Ще не з нами?

Зареєструйтеся, щоб отримати доступ до всіх можливостей сайту.

Зареєструватися

Пов'язані публікації

Антидетект

Порівняння продуктивності та можливостей WebGPU на різних пристроях для антифрод-завдань

Технологія WebGPU в Антифрод-системах і методи ідентифікації користувачів

Ця стаття описує, як технологія WebGPU допомагає антифрод-системам в ідентифікації користувачів і боротьбі з фродом, використовуючи унікальні графічні відбитки пристроїв. Розглядаються можливості WebGPU у створенні точних цифрових відбитків і виявленні сп

_Bannykh M.V._

09.11.24

Антидетект

Аналіз браузерного профілю за таймінгами Audio Context, продуктивністю CPU, WebGL і ознаками віртуального середовища

Audio Fingerprint: чому підміна «аудіовідбитка» викриває профіль, а не приховує його

Чому підміна Audio Fingerprint може видати профіль і чому таймінги та узгодженість середовища важливіші.

Antidetect

12.09.26