Коли медіабаєр бачить повідомлення про блокування нового рекламного кабінету відразу після старту кампанії, перша підозра зазвичай падає на неякісний проксі або проблеми з акаунтом. Проте рекламні платформи та антифрод-рішення можуть оцінювати значно ширший набір технічних, мережевих і поведінкових сигналів ще до запуску кампанії.
Один із таких наборів сигналів – цифровий відбиток пристрою (Digital Fingerprint). Він формується з десятків апаратних і системних параметрів браузера, комп'ютера та операційної системи. Збіги або аномалії в цих параметрах можуть використовуватися як додаткові фактори під час оцінки сесії та пошуку зв'язків між акаунтами.
Повний цифровий відбиток може включати такі компоненти:
- Мережеві параметри: IP-адреса, геолокація, інтернет-провайдер, таймзона та дані, доступні через WebRTC.
- Апаратні показники: кількість логічних ядер процесора (Hardware Concurrency), доступна оперативна пам'ять (Device Memory), характеристики відеокарти та параметри WebGL.
- Графічний рендеринг: відбитки Canvas, підтримка шрифтів і роздільна здатність екрана.
- Медіасистема: AudioContext та інформація про доступні медіаможливості пристрою.
- Браузерне середовище: User-Agent, мовні пакети, заголовки HTTP Client Hints, підтримувані формати медіа та інші характеристики браузера.
Canvas Fingerprinting: як графічний рендеринг допомагає розрізняти пристрої
Механіка отримання Canvas-хешу
Технологія HTML5 Canvas призначена для малювання 2D- та 3D-графіки безпосередньо у вікні браузера. Водночас результати такого рендерингу можуть використовуватися як один із сигналів для fingerprinting.
Скрипт може попросити браузер відрендерити невеликий тестовий об'єкт: наприклад, фрагмент тексту з різними шрифтами, градієнтами, фігурами або тінями.
Результат залежить від багатьох параметрів: графічного процесора, драйверів, операційної системи, браузера та механізмів рендерингу шрифтів. Через це навіть однаковий графічний сценарій на різних конфігураціях може давати трохи різний результат.
Отримане зображення можна перетворити на числове значення або хеш і використовувати разом з іншими параметрами середовища. При цьому однаковий Canvas-хеш сам по собі не доводить, що акаунти працюють з одного фізичного пристрою. Значення має сукупність сигналів та їхня узгодженість.
Чому штучна зміна Canvas також може створювати аномалії
Деякі інструменти змінюють результат Canvas за допомогою додавання штучного шуму. Такий підхід покликаний ускладнити стабільне визначення пристрою, але водночас може створювати іншу проблему – непослідовність результатів.
Наприклад, якщо одна й та сама браузерна сесія при повторних зверненнях до Canvas демонструє суттєво різні характеристики, це може виглядати нетипово.
Тому для систем оцінки ризику важливий не лише конкретний Canvas-хеш, а й те, наскільки він узгоджується з WebGL, операційною системою, браузером, моделлю пристрою та іншими параметрами середовища.
WebRTC: звідки можуть з'являтися додаткові мережеві дані
Як WebRTC взаємодіє з мережею
WebRTC (Web Real-Time Communication) – набір вебтехнологій для передачі аудіо, відео та інших даних безпосередньо між браузерами.
Під час встановлення такого з'єднання браузер може використовувати ICE, STUN і TURN для визначення доступних мережевих маршрутів.
Залежно від браузера, мережевої конфігурації, типу проксі та налаштувань WebRTC вебсторінці можуть бути доступні додаткові відомості про мережеве середовище.
Якщо ці дані не узгоджуються з IP-адресою основного з'єднання, GEO або іншими параметрами сесії, така невідповідність може стати додатковим сигналом під час оцінки ризику.
Як антидетект-браузери працюють із WebRTC
Різні браузери та інструменти приватності можуть по-різному обробляти WebRTC: залишати стандартну поведінку, обмежувати доступ до окремих мережевих даних або змінювати доступні вебсторінці значення.
Сам по собі конкретний режим WebRTC не можна назвати універсально «безпечним» або «небезпечним». Значно важливішою є консистентність середовища: IP-адреса, GEO, таймзона, мова, браузерні характеристики та інші сигнали не повинні суперечити один одному.
Додаткові вектори fingerprinting: WebGL, AudioContext та поведінкові сигнали
Аудіовідбиток і системні шрифти
Метод AudioContext працює за схожим із Canvas принципом, але аналізує особливості обробки аудіосигналів браузером і системою.
Скрипт може згенерувати тестовий сигнал, обробити його через Web Audio API та отримати числовий результат. Він залежить від браузера, операційної системи та інших особливостей середовища й тому може використовуватися як додатковий компонент fingerprint.
Ще один параметр – системні шрифти. За допомогою CSS, Canvas та вимірювання розмірів тексту можна визначати доступність окремих гарнітур.
Нетиповий набір шрифтів або його невідповідність заявленій операційній системі також може допомогти звузити набір можливих конфігурацій пристрою.
Поведінковий фактор
У ширшій сфері antifraud та bot detection можуть аналізуватися не лише технічні параметри пристрою, а й особливості взаємодії користувача з інтерфейсом.
До таких сигналів можуть належати:
- характер руху курсора;
- інтервали між натисканнями клавіш;
- спосіб заповнення форм;
- швидкість виконання послідовних дій;
- час перебування на сторінці до взаємодії з її елементами.
Окремий поведінковий сигнал зазвичай не визначає результат сам по собі. Значення має загальний контекст сесії.
Які параметри допомагають системам оцінювати консистентність середовища
| Параметр системи | Що може аналізуватися | Що створює невідповідність | На що варто звернути увагу |
|---|---|---|---|
| Canvas | Особливості 2D/3D-рендерингу | Нестабільні або суперечливі результати | Узгодженість Canvas з ОС, браузером і GPU |
| WebRTC | Додаткові мережеві дані | Розбіжності між мережевими сигналами | Консистентність IP, GEO та мережевого середовища |
| WebGL | Вендор, renderer та можливості GPU | Невідповідність заявленій платформі | Узгодженість GPU, ОС і браузера |
| Шрифти | Набір доступних гарнітур | Нетиповий набір для конкретної ОС | Відповідність системному середовищу |
| Таймзона / Мова | Відповідність регіональним параметрам | GEO, IP і системні налаштування суперечать одне одному | Узгоджені регіональні параметри |
Кластеризація: як платіжні дані можуть створювати зв'язки між акаунтами
Чому браузерне середовище – лише частина загальної картини
Навіть стабільне браузерне та мережеве середовище не означає, що платформа оцінюватиме акаунт ізольовано від інших сигналів.
Платіжна інформація також може бути частиною загального контексту акаунта. Наприклад, зв'язки можуть виникати через:
- використання одного платіжного інструменту в кількох рекламних кабінетах;
- повторні проблеми зі списаннями або високий рівень declines;
- невідповідність платіжних даних загальному профілю акаунта;
- повторне використання однакових реквізитів у великій кількості робочих профілів.
Це не означає, що один збіг автоматично призведе до блокування всіх акаунтів. Але повторювані платіжні реквізити можуть створювати додатковий технічний зв'язок між ними.
Розподіл платіжних інструментів у команді
Для команд, які ведуть кілька рекламних кабінетів або проєктів, окремі платіжні інструменти допомагають зменшувати операційну залежність від однієї картки.
У Pay2.House можна випускати окремі віртуальні картки під різні рекламні кабінети та встановлювати для них власні ліміти.
Такий підхід спрощує розподіл витрат і контроль бюджетів: проблема з окремою карткою або конкретним кабінетом не означає, що вся команда залишається без робочого платіжного інструменту.
Водночас окремі картки самі по собі не гарантують відсутність зв'язків між акаунтами – рекламні та антифрод-системи можуть враховувати набагато ширший набір сигналів.
Рівні інфраструктури, які варто контролювати
| Рівень | Що використовується | Потенційна проблема | Що контролювати |
|---|---|---|---|
| Мережевий | Проксі та мережеве з'єднання | Різкі зміни IP, GEO або таймзони | Стабільність і консистентність мережевих параметрів |
| Браузерний | Браузерне середовище | Суперечності між WebRTC, Canvas, WebGL та ОС | Узгодженість характеристик профілю |
| Платіжний | Банківські та віртуальні картки | Повторне використання реквізитів, declines, проблеми зі списаннями | Розподіл карток, ліміти та контроль платежів |
| Поведінковий | Історія та активність акаунта | Нетипова або різко змінена поведінка | Стабільність робочого сценарію |
Що перевірити перед запуском реклами
- Мережеве середовище. Переконайтеся, що IP-адреса, GEO та регіональні параметри не суперечать один одному.
- Браузерний профіль. Перевірте, чи узгоджуються User-Agent, операційна система, WebGL, Canvas, мова та інші характеристики.
- WebRTC. Переконайтеся, що браузер не передає несподівані мережеві дані, які конфліктують з основним з'єднанням.
- Стабільність fingerprint. Різкі зміни параметрів одного й того самого профілю можуть виглядати нетипово.
- Платіжна інфраструктура. Заздалегідь розподіліть платіжні інструменти, перевірте доступні ліміти та працездатність карток.
- Операційна стабільність. Уникайте хаотичних змін критичних параметрів акаунта без необхідності.
Часті запитання (FAQ)
Чи достатньо змінити User-Agent, щоб змінити цифровий відбиток?
Ні. User-Agent – лише один із багатьох параметрів браузерного середовища. WebGL, Canvas, AudioContext, шрифти, характеристики пристрою та інші сигнали залишаються доступними окремо. Якщо вони суперечать User-Agent, це може створити додаткову аномалію.
Які сервіси можна використовувати для аналізу браузерного fingerprint?
Для технічної діагностики браузерного середовища часто використовують BrowserLeaks, Pixelscan та CreepJS. Вони показують різні компоненти fingerprint і допомагають побачити суперечності між параметрами браузера, мережі та пристрою.
При цьому результат стороннього чекера не означає, що рекламна платформа оцінює акаунт за ідентичною моделлю.
Чи є вимкнений WebRTC автоматично підозрілим сигналом?
Не обов'язково. Різні браузери, корпоративні середовища та інструменти приватності можуть по-різному обмежувати WebRTC. Тому коректніше оцінювати не один конкретний параметр, а загальну узгодженість браузерного та мережевого середовища.
Чи може використання однієї картки в кількох рекламних кабінетах створити між ними зв'язок?
Платіжні реквізити можуть бути одним із сигналів, що пов'язують акаунти між собою. Однак немає універсального правила, за яким використання однієї картки автоматично призводить до блокування всіх пов'язаних кабінетів.
Для команд із кількома проєктами розділення платіжних інструментів насамперед спрощує контроль витрат, лімітів та операційних ризиків.
Висновок
Fingerprint – це не один магічний хеш, за яким система миттєво визначає користувача. Це сукупність мережевих, браузерних, апаратних, платіжних та іноді поведінкових сигналів, які можуть аналізуватися разом.
Саме тому варто дивитися на інфраструктуру комплексно: контролювати консистентність браузерного середовища, мережеві параметри та платіжний процес, а не намагатися знайти один «безпечний» Canvas, WebRTC-режим або BIN.
У платіжній частині Pay2.House допомагає командам розподіляти витрати між окремими віртуальними картками, встановлювати власні ліміти та зменшувати залежність від одного платіжного інструменту. Для масштабування це дає більш контрольовану інфраструктуру без необхідності тримати весь рекламний бюджет на одній картці.
Telegram
Email
Станьте першим, хто поділиться думкою!
Ми цінуємо ваші відгуки — поділіться своєю думкою.