Web Fingerprinting é o processo no qual um usuário é, com alta probabilidade,
identificado de forma única a partir das características extraídas de seu dispositivo,
gerando uma chave identificadora (fingerprint). Para um método que gere
um fingerprint ser eficaz é necessário obter respostas estáveis, o que implica em
empregar atributos discriminatórios com baixa volatilidade. Em outras palavras,
atributos capazes de fornecer as mesmas características sobre os dispositivos ao
longo do tempo. Há uma diversidade de técnicas propostas na literatura, mas
nem todas são capazes de gerar um fingerprint estável. Nesta dissertação é proposto,
projetado e avaliado um método de Web Fingerprinting que busca utilizar
características relacionadas ao hardware dos dispositivos. Uma das formas de
alcançar esse objetivo é empregar HTML5 Canvas e Web Audio API, tecnologias
promissoras por serem capaz de fornecer características relacionadas ao hardware
do dispositivo, o que reduz a mutabilidade do fingerprint extraído e aumenta o
número de dispositivos-alvo em que o método pode ser aplicado. Como resultado,
constatou-se que o emprego do HTML5 Canvas e da Web Audio API, em
conjunto como outros atributos cujas características são relativas ao hardware do
dispositivo, permite identificar, de forma única, com 90,34% de precisão, diversos
usuários. Além disso, percebeu-se que agrupamento de atributos mais fracos
com os mais discriminatórios permite extrair mais características do que utilizar
atributos discriminatórios de forma isolada.
|
