025.指纹浏览器-WebGPU指纹的攻防实战与随机化编译

原创于 2026-03-09 06:37:11 发布 · 493 阅读

本内容遵循CC 4.0 BY-SA版权协议

1. 从“显卡身份证”到“指纹追踪”：WebGPU指纹到底是什么？

如果你用过指纹浏览器，肯定知道浏览器指纹这回事。简单说，就是网站通过你浏览器暴露的各种信息，比如屏幕分辨率、安装的字体、时区、语言等等，像拼图一样拼出一个几乎能唯一标识你的“指纹”。这玩意儿在风控和广告追踪里用得可太广了。

那WebGPU指纹又是啥新花样？你可以把它理解成你电脑里那块显卡（GPU）的“身份证”。以前，网页里的JavaScript想用GPU干点重活（比如3D游戏、AI计算），只能通过一个叫WebGL的老接口，能获取的信息比较有限。但现在，一个更强大、更现代的新标准来了，它就是WebGPU。

WebGPU的初衷是好的，它让网页应用能更高效、更直接地调用你设备的GPU能力，带来媲美原生应用的图形和计算性能。但就像任何新技术一样，它一出现，就被“有心人”盯上了。因为为了和你的GPU正确通信，浏览器必须向网页JavaScript暴露一系列关于GPU的详细信息：比如GPU的型号、驱动版本、支持哪些高级特性、各种性能参数的上限是多少……这些信息组合起来，经过哈希（一种不可逆的加密计算）处理，就生成了所谓的WebGPU指纹。

我实测过，用同一台电脑、同一个Chrome浏览器，这个指纹值在短时间内是稳定不变的。这就意味着，网站可以通过这个值，在你清除Cookie、甚至使用无痕模式后，依然认出“哦，又是你”。不过，目前WebGPU指纹的“杀伤力”还相对有限。主要原因有两个：一是还有很多用户的浏览器不支持WebGPU（特别是某些旧版本或移动端），采集不到；二是不同用户如果用的是同型号显卡、同版本驱动，生成的指纹可能相同，唯一性没有传统浏览器指纹那么高。所以目前在一些风控系统里，它的权重可能还不算顶级。但作为搞技术对抗的我们，必须得有前瞻性，等它普及开来、算法优化后再动手，可能就晚了。

2. 攻防第一课：网站如何采集你的WebGPU指纹？

有攻才有防，咱们先得摸清楚“敌人”是怎么出招的。网站采集WebGPU指纹的代码其实非常直接，全是标准的JavaScript API调用，没有任何黑魔法。下面我带你一步步拆解，你甚至可以自己打开浏览器的开发者工具（F12），在Console（控制台）里亲手运行一下，看看自己的“显卡身份证”长啥样。

整个流程就像查户口：先问浏览器“你支持WebGPU吗？”，如果支持，就找到GPU适配器（Adapter），再通过适配器请求一个逻辑设备（Device）。最关键的信息，就藏在这个设备对象里。

async function getWebGPUFingerprint() {
  // 第一步：检查浏览器是否支持WebGPU
  if (!navigator.gpu) {
    console.log("很遗憾，您的浏览器不支持WebGPU。");
    return null;
  }

  // 第二步：请求GPU适配器（可以理解为显卡的抽象接口）
  const adapter = await navigator.gpu.requestAdapter();
  if (!adapter) {
    console.log("未能获取到GPU适配器。");
    return null;
  }

  // 第三步：通过适配器请求一个逻辑设备（用于执行具体任务）
  const device = await adapter.requestDevice();

  // 第四步：收集关键指纹信息
  // 1. 收集支持的扩展特性列表（比如是否支持某种特殊的纹理压缩格式）
  const supportedFeatures = Array.from(adapter.features.values());
  console.log("GPU支持的特性扩展:", supportedFeatures);

  // 2. 收集设备的限制参数（这是指纹的核心！）
  const limits = {};
  for (const key in device.limits) {
    limits[key] = device.limits[key];
  }
  console.log("GPU硬件限制参数:", limits);

  // 第五步：生成指纹
  // 将上面收集的信息序列化成字符串
  const dataString = JSON.stringify({
    features: supportedFeatures,
    limits: limits
  });
  console.log('待哈希的原始数据:', dataString);

  // 使用SHA-256算法对字符串进行哈希，得到最终指纹（一串固定长度的十六进制数）
  const hashBuffer = await crypto.subtle.digest('SHA-256', new TextEncoder().encode(dataString));
  const hashArray = Array.from(new Uint8Array(hashBuffer));
  const fingerprint = hashArray.map(b => b.toString(16).padStart(2, '0')).join('');
  console.log("您的WebGPU指纹是:", fingerprint);
  return fingerprint;
}

// 执行函数
await getWebGPUFingerprint();

运行这段代码，你会看到一串类似 ffa2f3d7b37fd10b2c2eb8c7bb973462443ec1d10040191a399c68fab4d812ee 的64位十六进制字符串。这就是你的WebGPU指纹。网站后台拿到这个字符串，就可以存入数据库。下次你再来访问，即使换了IP、清了Cookie，只要再生成一次指纹一对比，大概率就能匹配上，从而实现跨会话的追踪。

这里面的 limits 对象是重中之重，它包含了GPU的各种能力上限，比如最大纹理尺寸、最大绑定组数量、最大计算工作组大小等等。这些值是由你的显卡硬件型号、驱动版本、以及浏览器对WebGPU的实现共同决定的，所以具有相当高的辨识度。

3. 防御的核心思路：让指纹“动”起来

知道了采集原理，防御思路就清晰了：我们不能让网站每次采集到的指纹值都一样。理想的状态是，每次浏览器实例启动，甚至每次刷新页面，这个指纹值都能发生变化，让网站无法建立有效的追踪。

怎么实现呢？最根本、最彻底的方法，就是修改浏览器源码。我们不是要伪造一个假的GPU信息（那可能导致WebGPU功能异常），而是要对那些影响指纹生成、但又不太影响普通网页应用正常使用的关键参数进行“随机化处理”。打个比方，你的身份证号码（GPU型号）不能改，但身份证上的签发日期（某些限制参数）可以稍微变一变，只要在合理的范围内变动，不影响你坐高铁住酒店（使用WebGPU功能），但足以让只看签发日期来认人的系统搞糊涂。

在WebGPU的 limits 里，有很多参数值非常大（比如 maxTextureDimension2D 可能是16384），是给极端专业应用准备的。绝大多数普通网页应用，比如一个3D产品展示页或者一个简单的AI推理demo，根本用不到这么高的极限。这就给了我们操作空间：我们可以把这些参数的值，在每次浏览器启动时，在一个合理的范围内随机化。

比如，一个参数标准值是65535，我们可以在编译浏览器时，让它每次返回一个介于60000到65535之间的随机数。这样，对于绝大多数网站功能毫无影响，但采集到的指纹却彻底变了。这就是“随机化编译”的核心思想——在浏览器构建（编译）阶段，就注入随机性，生成一个独一无二、且动态变化的二进制执行文件。

4. 实战：修改Chromium源码，实现参数随机化

光说不练假把式，接下来我手把手带你进入硬核实战环节。这里假设你已经按照我之前文章里教的方法，成功搭建了Chromium的编译环境。如果还没搞定，那得先去把基础打好，因为编译一次Chromium确实挺耗时间的。

我们的目标很明确：找到Chromium源码中定义WebGPU限制参数的地方，并修改它，让其中一个关键参数——maxComputeWorkgroupsPerDimension（它表示GPU在每个维度上能处理的最大计算工作组数量）——每次查询时返回一个随机值。

第一步：定位关键源码文件

用你的代码编辑器打开Chromium源码目录，找到这个文件： /third_party/blink/renderer/modules/webgpu/gpu_supported_limits.cc 这个文件就是定义所有WebGPU限制参数具体值的地方。

第二步：添加必要的头文件

我们需要用到Chromium的命令行工具来传递随机种子。在文件顶部，找个已有 #include 的地方，加上下面这行：

#include "base/command_line.h"

同时，为了生成随机数，我们可能还需要用到时间戳，可以加上：

#include <chrono>
#include <ctime>
#include <sstream>

第三步：注释掉原有的参数定义

在这个文件中，你会看到一个宏定义 SUPPORTED_LIMITS，它像列表一样枚举了所有参数。我们要找到 maxComputeWorkgroupsPerDimension 这一行，并把它注释掉。这意味着我们不再使用系统查询到的固定值。

#define SUPPORTED_LIMITS(X) \
  X(maxTextureDimension1D) \
  X(maxTextureDimension2D) \
  ... // 其他很多参数
  X(maxComputeWorkgroupSizeZ) \
  //X(maxComputeWorkgroupsPerDimension) // 我们注释掉这一行！

第四步：实现自定义的随机化函数

在同一个 .cc 文件的某个函数定义区域后面（比如文件末尾），添加我们自己的函数实现。这里我提供两个更健壮的方案：

方案A：基于启动命令的随机种子（推荐，更可控）

unsigned GPUSupportedLimits::maxComputeWorkgroupsPerDimension() const {
  // 尝试从命令行参数获取种子
  base::CommandLine* command_line = base::CommandLine::ForCurrentProcess();
  static int seed = 0; // 使用静态变量，确保一次浏览器生命周期内值固定
  static bool seed_initialized = false;

  if (!seed_initialized) {
    if (command_line->HasSwitch("webgpu-seed")) {
      // 如果启动Chrome时带了 --webgpu-seed=12345 参数，则使用这个值
      std::string seed_str = command_line->GetSwitchValueASCII("webgpu-seed");
      seed = std::abs(std::hash<std::string>{}(seed_str)) % 128;
    } else {
      // 否则，使用当前时间戳的毫秒部分作为随机源
      auto now = std::chrono::system_clock::now();
      auto duration = now.time_since_epoch();
      auto millis = std::chrono::duration_cast<std::chrono::milliseconds>(duration).count();
      seed = static_cast<int>(millis % 128);
    }
    seed_initialized = true;
  }
  // 返回一个介于64和seed+64之间的值，确保不会太小导致兼容性问题
  return 64 + (seed % 64);
}

方案B：纯随机生成（每次查询都变，但可能影响性能）

unsigned GPUSupportedLimits::maxComputeWorkgroupsPerDimension() const {
  // 使用高质量的随机数引擎，以进程ID和时间戳为种子
  static std::mt19937 generator(static_cast<unsigned>(
      std::chrono::system_clock::now().time_since_epoch().count() ^ getpid()));
  static std::uniform_int_distribution<unsigned> distribution(64, 127); // 合理范围
  return distribution(generator);
}

我推荐使用方案A。因为它允许你通过启动参数来控制随机值，这在批量管理指纹浏览器 profiles 时非常有用。你可以为每个profile设置不同的种子，从而保证它们拥有不同且稳定的WebGPU指纹。

第五步：重新编译Chromium

保存文件后，回到你的编译输出目录，执行编译命令：

ninja -C out/Default chrome

这个过程会花费一些时间，取决于你的电脑性能。编译成功后，在 out/Default 目录下就会生成新的 chrome.exe（Windows）或 chrome（Linux/Mac）可执行文件。

5. 效果验证与高级对抗策略

编译好了，赶紧打开我们新编译的浏览器测试一下。再次访问之前那个指纹检测网站，或者运行我们第二章里的采集代码。多刷新几次页面，你会发现 maxComputeWorkgroupsPerDimension 的值变了，从而导致整个WebGPU指纹的哈希值彻底改变。恭喜你，第一步对抗成功了！

但是，真正的攻防哪有这么简单。一个成熟的指纹采集系统，不会只依赖一个参数。它们可能会检查多个参数的一致性和合理性。比如，一个消费级显卡却返回了类似专业计算卡才有的极限值，这就会引起怀疑。因此，我们的随机化策略需要更聪明：

多参数联动随机化：不要只改一个参数。可以挑选5-10个对普通应用影响小、但不同硬件间差异明显的参数（如 maxStorageBufferBindingSize, maxComputeInvocationsPerWorkgroup 等）进行批量修改。它们的随机值可以关联起来，比如基于同一个种子生成，这样能保证参数间看起来是“自洽”的。
范围合理化：随机不是乱来。每个参数都有其合理的范围。你需要查询WebGPU标准文档或参考主流显卡的实际值，为每个参数设置一个最小值和最大值（例如，maxComputeWorkgroupsPerDimension 常见值是65535，我们可以让它在32768到65535之间随机）。我建议建立一个参数-合理范围映射表。
指纹稳定性与可变性的权衡：对于指纹浏览器，有时你需要指纹在单次使用会话中保持稳定（避免同一个标签页内刷新就变），但每次全新启动浏览器时发生变化。这可以通过将随机种子与浏览器Profile的某个持久化标识（如一个本地文件的内容）绑定来实现，而不是单纯用时间戳。
特征模拟：更高级的做法是模拟某一类常见显卡的参数组合。你可以收集一批常见显卡（如 NVIDIA GTX 1060, AMD RX 580, Intel Iris Xe）的WebGPU limits 真实数据，建立数据库。然后你的修改代码不是随机生成，而是从这个数据库中随机选取一套数据来返回。这样生成的指纹，不仅动态，而且“真实”。

验证网站方面，除了代码测试，你可以使用一些专业的在线指纹检测服务进行全方位验证，例如 browserleaks.com/webgpu 和 abrahamjuliot.github.io/creepjs/。它们会从多个维度检测你的浏览器指纹，观察WebGPU指纹项是否已成功“隐身”或“变化”。

最后必须提个醒，修改浏览器源码是底层且有效的方案，但需要一定的技术门槛和持续的维护（Chromium源码更新后需要合并修改）。对于大多数用户，使用成熟的、已集成此类对抗技术的指纹浏览器（如某些商业产品）是更便捷的选择。但了解其背后的原理，能让你更好地理解风险，并能在需要时进行深度定制。对抗指纹追踪是一场持续的技术博弈，核心思路就是：增加噪声，打破唯一性，让追踪的成本高于收益。

标签

#指纹浏览器 #WebGPU #浏览器指纹 #隐私保护