WebGPU Atomic Fingerprint: cách card đồ họa trở thành nguồn dữ liệu mới cho hệ thống chống gian lận

Cho đến gần đây, việc nhận dạng GPU trong trình duyệt chủ yếu gắn liền với WebGL: một trang web sẽ buộc trình duyệt phải hiển thị một cảnh nhất định, phân tích kết quả và nhận thêm tín hiệu để xác định thiết bị. Các trình duyệt chống phát hiện từ lâu đã học cách vượt qua các kiểm tra này bằng cách thay đổi các tham số đã khai báo, can thiệp vào quá trình hiển thị, thêm nhiễu hoặc đơn giản là thay đổi kết quả. Với sự ra đời của WebGPU, câu chuyện trở nên thú vị hơn nhiều.

API mới cung cấp cho các trang web quyền truy cập trực tiếp hơn nhiều vào sức mạnh tính toán của GPU—có nghĩa là GPU được chuyển đổi từ một thiết bị để hiển thị hình ảnh thành một công cụ có thể được giao nhiệm vụ và sau đó được theo dõi. Đối với việc chống gian lận, đây là một sự khác biệt cơ bản. Việc hỏi trình duyệt, "Bạn có card đồ họa nào?" là một chuyện, nhưng việc giao cho card đồ họa đó một nhiệm vụ và theo dõi cách phần cứng thực hiện nó lại là chuyện hoàn toàn khác. Đây chính xác là ý tưởng đằng sau WebGPU Atomic Fingerprint, được thảo luận trong hội thảo trực tuyến Vektor T13.

Đối với người dùng thông thường, công nghệ này gần như vô hình. Tuy nhiên, đối với các nhà phát triển trình duyệt chống gian lận, các chuyên gia quản lý nhiều tài khoản và ngày càng nhiều hơn là đối với cơ sở hạ tầng của các tác nhân AI trình duyệt, nó lại có ý nghĩa rất quan trọng. Càng nhiều tự động hóa trình duyệt được chuyển sang VPS, máy ảo và các trung tâm máy chủ, thì khoảng cách giữa những gì trình duyệt tuyên bố đang chạy trên và phần cứng thực tế nó đang chạy càng lớn. WebGPU cung cấp cho việc chống gian lận một cách thức mới để phát hiện ra khoảng cách này.

Cách làm cũ: hỏi trình duyệt xem nó là ai.

Phương pháp nhận dạng dấu vân tay trình duyệt truyền thống chủ yếu dựa trên việc đọc các đặc điểm môi trường: trình duyệt nào, hệ điều hành nào, độ phân giải màn hình nào, phông chữ nào được cài đặt, Canvas hoạt động như thế nào, trình kết xuất WebGL nào có sẵn, khả năng phần cứng mà hệ thống báo cáo là gì. Điểm yếu của phương pháp này rất rõ ràng: nếu dữ liệu được truyền qua API, luôn có một lớp phần mềm nằm giữa trang web và thiết bị thực tế — và lớp đó về mặt lý thuyết có thể bị sửa đổi.

Đây chính xác là những gì các trình duyệt chống phát hiện làm: chúng cố gắng hiển thị cho trang web một tập hợp các đặc điểm nhất quán khác với cấu hình thực tế của máy. Trình duyệt có thể đang chạy trên máy chủ, nhưng trang web lại nhìn thấy cấu hình của một máy tính cá nhân thông thường chạy hệ điều hành Windows và card đồ họa NVIDIA GeForce phổ biến. Ở cấp độ API đơn giản, điều này có vẻ khá thuyết phục. Nhưng nếu bạn đặt một câu hỏi khác—không phải "Đây là loại thiết bị nào?" mà là "Hãy để thiết bị tự tìm ra"—thì mọi chuyện sẽ hoàn toàn thay đổi.

Vì sao mã băm dài vẫn chưa phải là dấu vân tay

Một trong những thông tin hữu ích từ hội thảo trực tuyến liên quan đến một lỗi thường gặp khi làm việc với các công cụ kiểm tra dấu vân tay phần cứng. Nếu một dịch vụ hiển thị một chuỗi mã băm dài bên cạnh nhãn "WebGPU", người ta dễ dàng cho rằng đó là dấu vân tay phần cứng duy nhất. Trên thực tế, sự hiện diện của mã băm không chứng minh được điều gì: mã băm chỉ đơn giản là kết quả của việc biến đổi một tập hợp dữ liệu, và nếu dữ liệu gốc gần như giống hệt nhau trên hàng triệu thiết bị, thì một chuỗi ký tự phức tạp như vậy không thể trở thành một mã định danh kỳ diệu.

Do đó, khi phân tích bất kỳ công cụ kiểm tra nào, sẽ hữu ích hơn nhiều nếu không nhìn vào chuỗi kết quả cuối cùng, mà là dữ liệu được sử dụng để biên dịch chuỗi đó. Nếu một dịch vụ sử dụng một bộ giới hạn và tính năng tiêu chuẩn của WebGPU, hầu hết các tham số này sẽ trùng khớp trên một số lượng lớn máy tính — mã băm như vậy rất tiện lợi để so sánh các cấu hình, nhưng nó không thể tự động được coi là dấu vân tay duy nhất cho một card đồ họa cụ thể. Vì vậy, thói quen đơn giản nhưng quan trọng là: đừng hỏi "công cụ kiểm tra đã hiển thị mã băm nào?" mà hãy hỏi "chính xác thì nó đo lường cái gì?"

Từ tuyên bố đến hành vi

Giá trị của WebGPU nằm ở chỗ nó cho phép chuyển một số thao tác nhận dạng dấu vân tay từ miền khai báo sang miền hành vi. Thay vì đọc thêm một tham số khác, người ta có thể khởi chạy một tác vụ tính toán. Bài kiểm tra đang xét sử dụng các shader tính toán và các phép toán nguyên tử: nhiều luồng song song hoạt động với một bộ đếm được chia sẻ thông qua Atomic Add. Đối với nhà phát triển thông thường, đây chỉ đơn giản là một cơ chế để đồng bộ hóa các phép tính song song. Đối với các nhà nghiên cứu về nhận dạng dấu vân tay, một điều khác đáng quan tâm: GPU tổ chức và lên lịch công việc song song này như thế nào.

Một card đồ họa hiện đại không chỉ đơn thuần là một tập hợp các đơn vị tính toán giống hệt nhau: việc phân bổ nhiệm vụ dựa trên một kiến ​​trúc phần cứng và phần mềm phức tạp, và hành vi kết quả bị ảnh hưởng bởi thế hệ GPU, trình điều khiển, bộ lập lịch tải, cài đặt hiệu năng và các yếu tố môi trường. Đó là một dạng thử nghiệm. Trang web không hỏi, "Bạn có card RTX 2080 không?" – mà chỉ nói, "Đây là nhiệm vụ, hãy chạy nó," và sau đó phân tích hồ sơ thực thi. Đó là điểm mấu chốt: một khai báo có thể được thay thế bằng một chuỗi ký tự, nhưng hành vi của phần cứng thực tế khó có thể làm giả hơn nhiều.

Điều này có ý nghĩa gì đối với các trình duyệt chống phát hiện?

Hãy xem xét một cấu hình điển hình. Hồ sơ cho trang web biết rằng người dùng đang làm việc trên một máy tính cá nhân thông thường với card đồ họa rời NVIDIA, User Agent khớp với trình duyệt Chrome tiêu chuẩn trên Windows, và các tham số khác cũng được lựa chọn cẩn thận. Nhưng trên thực tế, trình duyệt đang chạy trên một VPS, không có card đồ họa như đã nêu. Đến một mức độ nhất định, sự khác biệt này có thể được che giấu ở cấp độ API: truy vấn kiểu GPU trả về giá trị mong muốn, kiểm tra trình kết xuất WebGL trả về kết quả chính xác.

Một bài kiểm tra tính toán đặt ra một câu hỏi khác: nếu phần cứng được tuyên bố thực sự tồn tại, tại sao hành vi tính toán thực tế lại khác biệt đến vậy? Điều này không có nghĩa là một bài kiểm tra WebGPU duy nhất có thể khẳng định chắc chắn "chúng ta đã tìm ra cách chống phát hiện" - phần mềm chống gian lận hầu như không bao giờ hoạt động một cách thô sơ như vậy. Nhưng một tín hiệu mạnh mẽ khác xuất hiện, và đây chính xác là những tín hiệu cần thiết cho các hệ thống đánh giá rủi ro hiện đại. Điều thú vị nhất ở đây không phải là việc xác định kiểu card đồ họa, mà là tìm ra sự mâu thuẫn: trình duyệt tuyên bố một điều, nhưng hành vi của phần cứng lại nói điều khác. Chính những sự không nhất quán nội tại trong định danh kỹ thuật số này ngày càng thu hút sự quan tâm của phần mềm chống gian lận.

Vì sao độ chính xác 70% là rất cao

Buổi hội thảo trực tuyến trích dẫn con số độ chính xác nhận dạng khoảng 70% cho phương pháp này. Nếu không có mô tả về phương pháp luận, con số này không nên được coi là đặc điểm chung của bất kỳ Dấu vân tay nguyên tử WebGPU nào, nhưng cách đặt câu hỏi đã minh họa rõ ràng logic chống gian lận. Người ngoài cuộc có thể nghĩ, "Chỉ 70%? Điều đó có nghĩa là bài kiểm tra không đáng tin cậy." Đối với chống gian lận, đây là một logic sai lầm - nó không cần một tín hiệu duy nhất, hoàn hảo với độ chính xác 100%.

Hãy tưởng tượng một hệ thống đồng thời giám sát các đặc điểm của trình duyệt, User-Agent, loại và uy tín IP, ASN, vị trí địa lý, các thông số hành vi, Canvas, WebGL, WebGPU, hiệu năng CPU và GPU, dấu hiệu ảo hóa và lịch sử tài khoản. Mỗi chỉ số riêng lẻ đều có thể sai, nhưng sự kết hợp của chúng lại cho ra một kết quả hoàn toàn khác. Điều này giống như một cuộc điều tra: một bằng chứng đơn lẻ hiếm khi giải quyết được vụ án, nhưng hàng tá bằng chứng độc lập cùng chỉ ra một hướng lại có trọng lượng hoàn toàn khác. Do đó, ngay cả một tín hiệu phần cứng có độ chính xác tương đối cũng chứng tỏ sự hữu ích thực sự.

Công cụ kiểm tra không phải là công cụ chống gian lận.

Đây là một điểm yếu đặc biệt đối với thị trường trình duyệt chống phát hiện. Người dùng mở một công cụ kiểm tra công khai, thấy các giá trị màu xanh lá cây và kết luận rằng trình duyệt đã vượt qua bài kiểm tra. Nhưng một công cụ kiểm tra và một hệ thống chống gian lận thực sự giải quyết các vấn đề khác nhau. Một công cụ kiểm tra công khai cần cung cấp kết quả thân thiện với người dùng; một hệ thống thực sự thậm chí có thể không tiết lộ những tín hiệu nào nó thu thập và trọng số mà nó gán cho mỗi tín hiệu. Hơn nữa, nó không nhất thiết phải so sánh dấu vân tay của bạn với một tiêu chuẩn "chính xác" nào đó — chỉ cần nhận thấy một sự kết hợp các đặc điểm bất thường về mặt thống kê là đủ.

Do đó, khi kiểm tra môi trường chống phát hiện, câu hỏi đúng không phải là "Tôi đã vượt qua bài kiểm tra chưa?" mà là "Liệu hành vi thực tế của thiết bị có khớp với hồ sơ mà trang web nhìn thấy không?". Sự khác biệt giữa hai câu hỏi này là rất lớn.

Sự ngẫu nhiên hóa cũng để lại dấu ấn.

Khi một dấu vân tay công nghệ mới xuất hiện, phản ứng ban đầu của thị trường là điều dễ đoán: nó cần được ngẫu nhiên hóa. Điều này hiệu quả với một số loại dấu vân tay, nhưng với các đặc điểm tính toán, một vấn đề cơ bản nảy sinh. Nếu sự thay đổi không xảy ra một cách tự nhiên, ở cấp độ phần cứng và trình điều khiển, mà là nhân tạo—bên trong trình duyệt—một lớp hành vi mới sẽ được đưa vào. Và lớp này cũng có thể được khai thác.

Thay vì hỏi "dấu vân tay có giống hệt nhau không?", hệ thống chống gian lận bắt đầu đặt ra những câu hỏi khác: kết quả ổn định đến mức nào, có nhất quán với các đặc điểm phần cứng khác không, liệu nó có khả năng thay đổi giữa các lần chạy không, liệu kiểu GPU được khai báo có khả năng thể hiện hành vi như vậy hay không. Đó là một cuộc đua không hồi kết: chúng ta che giấu một tín hiệu, và hệ thống bắt đầu phân tích chính cơ chế làm giả tín hiệu đó. Đây chính là lý do tại sao phương pháp ngẫu nhiên hóa sơ khai dần dần đi đến ngõ cụt: để có một hồ sơ ổn định, tính nhất quán nội tại của môi trường quan trọng hơn kết quả ngẫu nhiên.

Bài kiểm tra này không nhất thiết phải sử dụng card đồ họa ở mức 100%.

Còn một chi tiết quan trọng nữa. Khi nói đến việc nhận dạng GPU thông qua tính toán, người ta dễ hình dung một bài kiểm tra hiệu năng nặng: quạt quay mạnh, tải card đồ họa tăng vọt lên 100%, và người dùng ngay lập tức cảm thấy có điều gì đó không ổn. Nhưng bài kiểm tra không nhất thiết phải nặng. Trong bản demo hội thảo trực tuyến, Atomic Fingerprint chạy khá nhanh và không gây ra hiện tượng tăng tải đáng kể — và đó là điểm mấu chốt.

Nhận dạng dấu vân tay không yêu cầu đo hiệu năng GPU toàn diện; một tác vụ tính toán nhỏ, được tùy chỉnh có thể đủ để xác định. Điều này thuận tiện cho trang web: bài kiểm tra được tích hợp vào quá trình tải trang thông thường, ngăn chặn việc truy cập vào cửa hàng trực tuyến biến thành việc khởi chạy FurMark, và người dùng có thể không nhận thấy bất cứ điều gì. Đây chính là lý do tại sao WebGPU lại hấp dẫn đối với phần mềm chống gian lận: nó cho phép truy cập vào các phép tính cấp thấp trực tiếp từ trang web, mà không cần cài đặt một ứng dụng riêng biệt.

Từ quản lý nhiều tài khoản đến các tác nhân AI

Vài năm trước, đối tượng chính của loại nghiên cứu này là các nhà phát triển trình duyệt chống phát hiện, các nhà tiếp thị liên kết và các chuyên gia quản lý nhiều tài khoản. Giờ đây, một nhóm lớn khác đã tham gia cùng họ: các tác nhân AI trình duyệt. Các tác nhân này liên tục tương tác với các trang web thông thường: tìm kiếm thông tin, điền biểu mẫu, sử dụng SaaS, quản lý bảng điều khiển và kiểm tra giao diện—thường sử dụng Playwright, Chromium và các khung tự động hóa khác. Và tất cả những điều này thường được chạy không phải trên máy tính xách tay của người dùng, mà là trên đám mây.

Một máy chủ duy nhất có thể lưu trữ hàng chục trình duyệt: trình điều phối tạo và hủy các container, các phiên di chuyển giữa các nút, mỗi trình duyệt được gán một cấu hình riêng và từ bên ngoài, tất cả chúng đều xuất hiện như các thiết bị riêng biệt. Điều này thường đủ cho tự động hóa cổ điển, nhưng không đủ cho việc nhận dạng thiết bị nghiêm túc. Danh tính logic của tác nhân bắt đầu khác biệt với danh tính vật lý của máy: tác nhân tự coi mình là một thiết bị, cấu hình trình duyệt mô tả một thiết bị khác, GPU thuộc về một cơ sở hạ tầng thứ ba, địa chỉ IP đến từ một mạng thứ tư — và tất cả những điều này đều đồng thời có sẵn cho hệ thống đánh giá rủi ro.

Điều này dẫn đến một loại tín hiệu tương quan mới. Hãy tưởng tượng một nền tảng chạy hàng trăm tác nhân trình duyệt song song: mỗi tác nhân có hồ sơ, cookie, bộ nhớ cục bộ và độ phân giải màn hình riêng, vì vậy ở cấp độ ứng dụng, đây là 100 người dùng độc lập. Nhưng về mặt vật lý, tất cả chúng có thể đang chạy trên một số máy chủ giống hệt nhau. Và nếu hàng chục thiết bị được cho là độc lập lại thể hiện hành vi tính toán cấp thấp rất giống nhau, hệ thống có lý do để nghi ngờ về một nguồn cơ sở hạ tầng chung. Đối với việc đa tài khoản, đây là một vấn đề cũ dưới hình thức mới; đối với ngành công nghiệp tác nhân AI, đây là một vấn đề mà quy mô của nó chỉ mới bắt đầu nổi lên. Và nó ảnh hưởng đến cả những người vận hành các tác nhân hoàn toàn hợp pháp: sớm hay muộn, chúng ta sẽ phải hiểu tại sao các trang web lại coi cơ sở hạ tầng như vậy là tự động hóa đáng ngờ.

Ngày càng khó để giả vờ một máy chủ ảo (VPS) là một máy tính cá nhân thông thường.

Máy chủ ảo rất tiện lợi cho hầu hết mọi người: giá cả phải chăng, hoạt động 24/7, dễ dàng sao chép và lý tưởng cho tự động hóa. Nhưng nó không nhất thiết phải trông giống như một máy tính thông thường của người dùng—và càng nhiều thông số kỹ thuật phần cứng có thể truy cập được qua trình duyệt, thì càng khó bỏ qua sự khác biệt này. Trước đây, bạn chủ yếu phải làm việc với những gì hệ thống báo cáo; giờ đây bạn có thể kiểm tra xem nó hoạt động thực tế như thế nào.

WebGPU Performance chỉ thể hiện một khía cạnh của vấn đề—tốc độ thực thi của các thao tác GPU nhất định. Atomic Fingerprint bổ sung thêm một khía cạnh khác—cách thức hoạt động của quá trình thực thi song song. Và những bài kiểm tra như vậy có thể sẽ trở nên phổ biến hơn theo thời gian, không chỉ dành cho card đồ họa: CPU, bộ nhớ, bộ định thời, các tính năng lập lịch, ảo hóa, ngăn xếp đồ họa—một trình duyệt hiện đại cung cấp một diện tích bề mặt rộng lớn để đo lường.

WebGL sẽ tồn tại lâu dài.

Buổi hội thảo trực tuyến ban đầu mô tả việc nhận dạng dấu vân tay phần cứng WebGL như một công nghệ nên được thay thế bằng WebGPU, và điều này cần được làm rõ ở đây. Sự xuất hiện của một tín hiệu mạnh hơn thường không có nghĩa là tín hiệu cũ sẽ ngay lập tức bị ngừng thu thập: một tính năng chống gian lận bổ sung, giá rẻ hầu như luôn hữu ích. Do đó, chính xác hơn là xem WebGPU không phải là một nút "thay thế WebGL", mà là lớp tiếp theo của việc nhận dạng dấu vân tay phần cứng. WebGL cung cấp một tập hợp các tính năng, WebGPU một tập hợp khác, kiểm tra hiệu năng một tập hợp thứ ba, và User-Agent và Client Hints một tập hợp thứ tư. Chống gian lận không cần phải chọn chỉ một; sức mạnh của hệ thống nằm ở sự kết hợp.

Vì lý do tương tự, cách tiếp cận ngược lại—vô hiệu hóa hoàn toàn WebGPU—cũng không hiệu quả. Điều này hữu ích như một kỹ thuật chẩn đoán: bạn có thể so sánh hành vi của một trang web có và không có API và xác định xem có điều gì phụ thuộc vào sự khả dụng của nó hay không. Nhưng như một chiến lược lâu dài, việc vô hiệu hóa nó kém hiệu quả hơn, vì sự thiếu vắng công nghệ cũng là một đặc điểm. Nếu WebGPU trở thành một tính năng tiêu chuẩn của các trình duyệt hiện đại, một hồ sơ với API bị vô hiệu hóa hoàn toàn có thể nổi bật giữa đám đông. Hơn nữa, WebGPU ngày càng cần thiết không phải để nhận dạng dấu vân tay, mà cho đồ họa, tính toán và một số lượng ngày càng tăng các ứng dụng web, bao gồm một số khối lượng công việc AI trực tiếp trong trình duyệt. Điều này dẫn đến một cái bẫy quen thuộc: việc tăng cường quyền riêng tư vô thời hạn bằng cách chỉ đơn giản là vô hiệu hóa API sẽ không hiệu quả—đến một lúc nào đó, chính tập hợp các tính năng bị vô hiệu hóa lại trở thành dấu vân tay.

Hệ thống chống gian lận không tìm kiếm những điều "xấu", mà tìm kiếm những điều kỳ lạ.

Có lẽ đây là bài học quan trọng nhất rút ra từ toàn bộ câu chuyện về WebGPU. Chống gian lận thường được trình bày như một tập hợp các bộ phát hiện: VPN là xấu, proxy là xấu, sự không khớp WebGPU là xấu, tự động hóa là xấu. Các hệ thống thực tế phức tạp hơn nhiều. Một người dùng mạng doanh nghiệp hoàn toàn hợp pháp khi kết nối với VPN; một nhà phát triển đang làm việc bên trong một máy ảo; một dịch vụ chơi game trên đám mây cung cấp GPU từ xa; một tác nhân AI, theo định nghĩa, là tự động hóa. Do đó, chỉ một sự kiện duy nhất là không đủ—hệ thống cố gắng hiểu ngữ cảnh và đánh giá tính khả thi của toàn bộ sự kết hợp. Và đây là nơi các môi trường được lắp ráp kém bắt đầu gặp vấn đề: trình duyệt nói một điều, GPU cho thấy một điều khác, hiệu năng một điều thứ ba, địa chỉ IP kể một câu chuyện thứ tư, và hành vi người dùng một câu chuyện thứ năm. Mỗi đặc điểm riêng lẻ đều có thể chấp nhận được, nhưng khi kết hợp lại, chúng tạo ra một thiết bị khó tìm thấy trong thế giới thực.

Đây chính là lý do tại sao kỷ nguyên của dấu vân tay tĩnh đang dần kết thúc. Thị trường từ lâu đã quen với ý tưởng rằng dấu vân tay là một tập hợp các giá trị: mã băm Canvas, mã băm WebGL, AudioContext, phông chữ, độ phân giải màn hình, khả năng xử lý đồng thời của phần cứng. Thu thập các giá trị này, ghép chúng lại với nhau, và bạn sẽ có được một mã định danh. Xu hướng thú vị hơn hiện nay là nhận dạng dấu vân tay chủ động, trong đó một trang web không chỉ đơn giản hỏi thiết bị về các đặc điểm của nó, mà còn giao cho nó một nhiệm vụ và theo dõi phản hồi của nó. Điều này gần giống với sinh trắc học hành vi hơn, ngoại trừ đối tượng là máy tính chứ không phải con người: tốc độ thực hiện một thao tác, cách phân bổ tải song song, độ ổn định của kết quả, cách hệ thống hoạt động trong điều kiện thay đổi và liệu tất cả những điều này có phù hợp với phần cứng đã khai báo hay không. Làm giả câu trả lời cho những câu hỏi như vậy tương đối dễ dàng. Làm giả toàn bộ quy luật vật lý của hành vi hệ thống thì khó hơn nhiều.

Điều này có ý nghĩa gì đối với thị trường?

Đối với các nhà phát triển trình duyệt chống phát hiện, kết luận khá khó chịu: việc nhận dạng dấu vân tay đang ngày càng dịch chuyển xuống sâu hơn trong kiến ​​trúc hệ thống. Việc chỉ thay đổi API JavaScript không còn đủ nữa—việc đo lường càng gần với hành vi phần cứng thực tế, thì việc xây dựng một mô hình trừu tượng hợp lý càng khó khăn. Đối với các chuyên gia quản lý nhiều tài khoản, điều này có nghĩa là chất lượng của cơ sở hạ tầng đang trở nên quan trọng hơn số lượng các tùy chọn trong giao diện chống phát hiện: chỉ có dấu tích xanh là không đảm bảo điều gì. Các nhóm xử lý vi phạm bản quyền nên đánh giá rủi ro cơ sở hạ tầng một cách riêng biệt với chất lượng của địa chỉ IP và hồ sơ trình duyệt—một máy chủ proxy dân cư đắt tiền không giải quyết được sự không nhất quán ở cấp độ thiết bị.

Đối với các nhà phát triển phần mềm trí tuệ nhân tạo, vấn đề thậm chí còn rộng hơn: họ không chỉ phải thiết kế trí thông minh của phần mềm mà còn cả sự tương tác của nó với môi trường kỹ thuật số bên ngoài. Nếu hàng ngàn trình duyệt tự động hoạt động trên nền tảng đám mây, các trang web chắc chắn sẽ học cách phân biệt cơ sở hạ tầng đó với các thiết bị người dùng thông thường. Điều này không nhất thiết có nghĩa là phải chặn – theo thời gian, các cơ chế phù hợp để xác định các tác nhân hợp pháp hoàn toàn có thể xuất hiện. Nhưng cho đến khi điều đó xảy ra, việc tự động hóa trình duyệt vẫn tồn tại trong một cơ sở hạ tầng vốn được thiết kế cho con người – và phần mềm chống gian lận nhận thấy sự mâu thuẫn này.

WebGPU chỉ là bước khởi đầu.

Bản thân Atomic Fingerprint không nên được coi là một công nghệ mới, phổ quát có thể xóa sổ các trình duyệt chống phát hiện ngay lập tức. Công nghệ chống gian lận phát triển theo cách khác: một tín hiệu mới xuất hiện, nó được phân tích, sau đó các phương pháp chuẩn hóa và bảo vệ xuất hiện, công nghệ chống gian lận học cách phân tích các phương pháp này, và sau đó một nguồn thông tin khác được phát hiện. WebGPU quan trọng hơn với vai trò là một chỉ báo định hướng. Trình duyệt đang trở thành một nền tảng điện toán ngày càng mạnh mẽ, điều đó có nghĩa là một trang web không chỉ có thể đọc thông tin về thiết bị mà còn có thể thử nghiệm với nó.

Đối với các chuyên gia, điều này thay đổi hoàn toàn cách tiếp cận việc nhận dạng dấu vân tay. Câu hỏi chính không còn là "Trình duyệt báo cáo gì về máy tính?" mà là "Hành vi của máy tính có khớp với những gì trình duyệt báo cáo không?" - và sự khác biệt giữa hai điều này là rất lớn. Trong thế giới của dấu vân tay tĩnh, người ta có thể tập trung vào các giá trị chính xác; trong thế giới của nhận dạng dấu vân tay chủ động, người ta phải nghĩ về hành vi chính xác của toàn bộ môi trường. Do đó, WebGPU Atomic Fingerprint rất đáng quan tâm ngay cả đối với những người không bao giờ có kế hoạch tự viết trình kiểm tra GPU của riêng mình: nó chứng minh rõ ràng hướng đi của chống gian lận hiện đại - từ việc kiểm tra các thông số riêng lẻ đến việc kiểm tra tính nhất quán nội bộ của thiết bị. Đối với một nhà tiếp thị liên kết, điều này có nghĩa là chỉ nhìn vào địa chỉ IP và các chỉ báo màu xanh lá cây là không còn đủ; đối với một nhà phát triển phần mềm chống phát hiện, điều này có nghĩa là ranh giới giữa trình duyệt và phần cứng ngày càng trở nên quan trọng; đối với một kỹ sư phát triển tác nhân AI, điều này có nghĩa là chính cơ sở hạ tầng thực thi đang trở thành một phần của bản sắc của tác nhân. Và đối với chống gian lận, đó là một cách khác để hỏi thiết bị một câu hỏi đơn giản: "Bạn có thực sự là máy tính mà bạn tự nhận không?"