OC
浏览器只算一个 `tanh`,就可能猜出你用的是 Windows、macOS 还是 Linux
科技 · 2026-07-13 · 安全 · 阅读 19

浏览器只算一个 `tanh`,就可能猜出你用的是 Windows、macOS 还是 Linux

作者:韩启明

据 Scrapfly Engineering 的实验,在 Chrome 148 之后,同一句 Math.tanh(0.8) 在 Linux、macOS 和 Windows 上可能返回末尾略有不同的浮点数。差异小到人眼几乎看不见,却足够让反爬虫系统把它当作操作系统指纹。

一句话结论: 浏览器指纹不只藏在字体、Canvas 和显卡里,浮点数最后一位也可能暴露系统;但这项结论目前主要来自 Scrapfly 的工程测试,不能理解成任何网站都能靠一次计算可靠识别每台电脑。

文章给出的结果是:Linux 上约为 0.6640367702678491,macOS 少一位,Windows 又略低一点。问题不在 JavaScript 标准忽然变了,而在 tanh 本来就是近似计算。IEEE 754 规定了浮点数怎么存,却没有要求每个平台的双曲正切函数必须以完全相同的方式舍入。glibc、Apple 的 libsystem_m 和 Windows UCRT 使用不同算法,最后几比特因此可能不同。

真正值得注意的是版本变化。原文称,Chrome 147 及以前的 V8 自带一套实现,各系统结果一致;从 Chrome 148 开始,V8 的 Math.tanh 转而调用宿主系统的 std::tanh,操作系统差异才浮了出来。CSS 三角函数和 Web Audio 还会走另外的计算路径,多个微小信号组合起来,识别能力会比单独一项强得多。

三种系统返回值的解释图

普通用户最容易问:我把 User-Agent 改成 Mac,不就行了吗?恰恰相反,如果浏览器自称 macOS,算出的却是 Linux 数学库的比特模式,这种自相矛盾更显眼。随便给结果加随机噪声也不理想,因为真实浏览器的计算是稳定的,随机变化本身又成了新指纹。

本站编辑韩启明认为,这项技术最有价值的地方不是教网站“抓机器人”,而是提醒开发者:隐私表面并不是几个显眼 API 的清单。浏览器越多地借用操作系统能力,越可能在边界处泄露平台特征。反过来,Scrapfly 本身销售反检测浏览器,文中的大规模验证、覆盖范围和“已经做到完全一致”等表述,仍应视为厂商自测,而不是独立审计。

关键事实

  • 原始实验覆盖 Chrome 150 的 Linux、macOS 与 Windows 真机。
  • Math.tanh 的差异通常只有 1 至 2 ULP,即浮点表示的最后几位。
  • 原文称 Chrome 148 起出现这一信号;其他多数 Math.* 函数仍由 V8 自带实现。
  • CSS 三角函数、Web Audio 和 CPU 架构还会形成其他信号。

OC 判断

单一 tanh 不是可靠身份证,但它适合成为反爬系统的一票。隐私保护真正困难的地方,是让所有可观察信号彼此一致,而不是只改一个 User-Agent。

为什么重要

  • 对开发者:做跨平台数值测试时,不应默认所有数学库末位完全相同。
  • 对企业:反欺诈系统可把它作为辅助信号,但不应单独据此封禁用户。
  • 对用户:所谓“无痕”或修改浏览器标识,并不等于抹掉系统指纹。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

你为什么不移民?

<p>我是一定要移了,在这里连正常呼吸都不行了。以前正常呼吸指的是言论自由,现在是生物学意义的正常呼吸问题了。</p> <p>你为什么不移民?</p>

tinyfool 741 48

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89