如何保护隐私[5]：扫盲“浏览器指纹”
如何保护隐私[5]：扫盲“浏览器指纹”
去年4季度，俺写了4篇《 TrueCrypt 使用经验 》，又写了3篇 Linux 方面的扫盲，导致本系列又中断了几个月。经热心读者提醒，现继续补上。
本系列的前面三篇，咱们聊了浏览器的基本防范。对于“隐私要求不高并且技术水平也不高”的同学，那三篇基本上够了。后面俺要继续聊浏览器方面的问题，面向的是那些“对隐私要求较高，同时也具有一定折腾能力”的同学。今天这篇谈谈浏览器的“指纹”是如何暴露你的隐私，顺便分享一些防范技巧。
看过警匪片或者破案小说的同学，应该都知道“指纹”在刑侦中的作用——警方虽然没有直接看到犯罪现场的作案人员，但可以根据现场留下的指纹来猜测/判断作案人员。
如果你时常接触信息安全领域的一些资料，也会听到“指纹”这个形象的说法（比如：操作系统指纹、网络协议栈指纹、等等）。IT 领域提到的“指纹”一词，其原理跟“刑侦”是类似的——“当你需要研究某个对象的类型/类别，但这个对象你又无法直接接触到。这时候你可以利用若干技术来获取该对象的某些特征，然后根据这些特征来猜测/判断该对象的类型/类别。”
在 IT 领域有各种各样的特征可以用来充当“指纹”。这时候就需要判断，用哪个特征做指纹，效果更好。为了讨论这个问题，就得扫盲一下“指纹的信息量”。
为了帮助大伙儿理解，先举一个例子：
假设你要在学校中定位某个人，如果你光知道此人的性别，你是比较难定位的（只能排除 1/2 的人）；反之如果你不知道性别，但是知道此人的生日，就比较容易定位（可以排除掉大约 364/365 的人，只剩大约 1/365 的人）。为啥捏？因为“生日”比“性别”更加独特，所以“生日”比“性别”能够提供更多的信息量。
从这个例子可以看出：某个特征越独特，则该特征的信息量越大；反之亦然。信息量越大的特征，就可以把对象定位到越小的范围。
（本节涉及到中学数学，数学很差的或者对数学有恐惧感的读者，请直接无视）
在 IT 领域中，可以用【比特数】来衡量某个指纹所包含的信息量。为了通俗起见，先以前面提到的“性别”来说事儿。性别只有两种可能性——“男”或者“女”，并且男女的比例是大致平均的。（那些喜欢抬杠的同学，别跟俺扯啥双性人，俺没空搭理）所以，当你知道了某人的性别，就可以把范围缩小到原先的 1/2。用 IT 的术语来讲，就是：“性别”这个特征只包含“一个比特”的信息量。
以此类推：
当我们说：
当我们说：
再来说“生日”。（不考虑闰年的情况下）生日有365种可能性（并且也是平均分布滴），所以生日包含的比特数大约是 8.51。为啥是 8.51 捏，因为“2 的 8.51 次方”约等于 365。因此，知道了某人的生日就可以把范围缩小到 1/365
通过上述举例，大伙儿对于指纹的信息量，应该有一些粗浅的认识了吧？
如果能同时获取【 互不相关 】的若干个指纹，就可以大大增加定位的精确性。
比如要在某个公司里面定位某人，如果你知道此人的“生日”和“生肖”，那么就可以达到 1/4380（1/4380 = 1/12 * 1/365） 的定位精度。因为综合定位之后，比例之间是【乘法】的关系，所以范围就被急剧缩小了。
为啥俺特别强调“互不相关”捏？假如你同时知道的信息是“生日”和“星座”，那么定位的精度依然是 1/365——因为生日的信息已经包含了星座的信息。所以，只有那些相互独立的特征（所谓的相互独立，数学称为“正交”），在综合定位的时候才可以用【乘法】。
前面说的是预备知识，现在开始进入正题。
当你使用浏览器访问某个网站的时候，浏览器【 必定会暴露 】某些信息给这个网站。为啥俺强调“ 必定 ”捏？因为这些信息中，有些是跟 HTTP 协议相关的（本章节说的 HTTP 协议是广义的，也包括 HTTPS）。只要你基于 HTTP 协议访问网站，浏览器就【必定】会传输这些信息给网站的服务器。
再罗嗦一下：HTTP 协议是 Web 的基石。只要你通过浏览器访问 Web，必定是基于 HTTP 协议的。因此，Web 网站的服务器必定可以获取到跟你的浏览器相关的某些信息（具体是哪些信息，俺下面会聊）。
“浏览器指纹”的机制跟 cookie 有点相似。关于 cookie 的作用，建议那些健忘的同学先去“ 前面的博文 ”复习一下。
对于“浏览器指纹”导致的隐私问题，俺举2个例子来说明其危害。
如果你的浏览器允许记录 cookie，当你第一次访问某网站的时候，网站会在你的浏览器端记录一个 cookie，cookie 中包含某个“唯一性的标识信息”。下次你再去访问该网站，网站服务器先从你的浏览器中读取 cookie 信息，然后就可以根据 cookie 中的“唯一标识”判断出，你之前曾经访问过该网站，并且知道你上次访问该网站时，干了些啥。对付这种 cookie 很简单，你只需要在前后两次访问之间，清空浏览器的 cookie，网站就没法用 cookie 的招数来判断你的身份。
但是“清空 cookie”这招对“浏览器指纹”是无效滴！比如说你的浏览器具有非常独特的指纹，那么当你第一次访问某网站的时候，网站会在服务器端记录下你的浏览器指纹，并且会记录你在该网站的行为；下次你再去访问的时候，网站服务器再次读取浏览器指纹，然后跟之前存储的指纹进行比对，就知道你是否曾经来过，并且知道你上次访问期间干了些啥。
假如网站没有采用“指纹追踪”的技术 ，那么你可以在该网站上注册若干个帐号（马甲）。当你需要切换身份的时候，只需要先注销用户，清空浏览器的 cookie，然后用另一个帐号登录。网站是看不出来的。
一旦网站采用“指纹追踪”的技术 ，即使你用上述方式伪造马甲，但因为你用的是同一个浏览器，浏览器指纹相同。网站的服务器软件可以猜测出，这两个帐号来自同一个人。
刚才对比了“浏览器指纹”和“cookie”两种身份追踪技术。两者的原理类似——都是利用某些特殊的信息来定位你的身份。两者的本质差异在于：
1. cookie 需要把信息保存在浏览器端，所以会被用户发现，也会被用户清除。
2. 而“浏览器指纹”无需在客户端保存任何信息，不会被用户发觉，用户也无法清除（换句话说：你甚至无法判断你访问的网站到底有没有收集浏览器指纹）。
浏览器暴露给网站的信息有很多种，常见的有如下几种：
关于 User Agent 是啥，俺已经在本系列前一篇博文中扫盲过了（请看“ 这里 ”），健忘的同学先去复习一下，再继续往下看。
这个比较通俗易懂。俺稍微补充一下：这一项不仅包括屏幕的尺寸，还包括颜色深度（比如你的屏幕是16位色、24位色、还是32位色）。
这个也比较通俗。对于大部分天朝的网友，你的时区应该都是“东8区”
也就是你的浏览器装了哪些插件。
再罗嗦一次：浏览器的“插件”和“扩展”是两码事儿，别搞混了。本系列前面的博文扫盲了两者的差异，链接在“ 这里 ”。
和浏览器相关的一些字体信息。
如果你的浏览器安装了 Flash 或 Java 插件，有可能会暴露某些字体信息。所以俺在 本系列的第2篇 就警告了浏览器插件的风险。
Canvas 是 HTML5 新增的一个功能。该功能可以让 JavaScript 脚本在页面的 canvas 元素中绘图。由于不同的浏览器类型，不同的浏览器版本，不同的操作系统平台，都会导致“Canvas 绘图”在一些细节方面的差异。因此，该功能也会暴露浏览器信息（成为“浏览器指纹”的一部分）。
要想测试你的浏览器是否暴露“Canvas 绘图指纹”，可以查看“ 这个链接 ”。
如果你用的是 Firefox 浏览器，可以安装“ 这个扩展 ”，来禁用 canvas 绘图功能。该扩展可以针对不同的域名配置“黑名单和白名单”。
这是 HTTP 协议头中的一个字段。考虑到列位看官大都不是搞 IT 技术的，俺就不深入解释这项。
以上就是常见的浏览器指纹。当然啦，还有其它一些信息也可以成为“浏览器指纹”，考虑到篇幅，俺就不一一列举并解释了。有兴趣的同学，请自行阅读 Mozilla 官网的文档（在“ 这里 ”。提醒一下：是洋文）
关于浏览器指纹导致的隐私问题，可能是由“ 电子前哨基金会 ”（简称 EFF）率先在2010年曝光的。后来 EFF 提供了一个页面，帮助网友看自己浏览器的指纹（请猛击“ 这个链接 ”）。
打开此页面之后，当中有一个大大的，红色的“TEST ME”按钮。点一下此按钮，稍等几秒钟，会显示出一个表格，里面包含你当前的浏览器的指纹信息。
在这个表格中会列出每一项指纹的“信息量”以及该指纹的“占比”。关于“信息量”的含义，本文前面已经扫盲过，此处不再罗嗦。你只需记住，某项的信息量越大，就说明该项越独特。而越独特的指纹，对隐私的威胁也就越大。
考虑到篇幅有点长，今天先聊到这里。俺争取明后天发下一篇，聊聊如何防范“浏览器指纹”导致的隐私风险。
回到本系列的目录
本系列的前面三篇，咱们聊了浏览器的基本防范。对于“隐私要求不高并且技术水平也不高”的同学，那三篇基本上够了。后面俺要继续聊浏览器方面的问题，面向的是那些“对隐私要求较高，同时也具有一定折腾能力”的同学。今天这篇谈谈浏览器的“指纹”是如何暴露你的隐私，顺便分享一些防范技巧。
★啥是“指纹”？
看过警匪片或者破案小说的同学，应该都知道“指纹”在刑侦中的作用——警方虽然没有直接看到犯罪现场的作案人员，但可以根据现场留下的指纹来猜测/判断作案人员。
如果你时常接触信息安全领域的一些资料，也会听到“指纹”这个形象的说法（比如：操作系统指纹、网络协议栈指纹、等等）。IT 领域提到的“指纹”一词，其原理跟“刑侦”是类似的——“当你需要研究某个对象的类型/类别，但这个对象你又无法直接接触到。这时候你可以利用若干技术来获取该对象的某些特征，然后根据这些特征来猜测/判断该对象的类型/类别。”
★啥是“指纹”的“信息量”？
在 IT 领域有各种各样的特征可以用来充当“指纹”。这时候就需要判断，用哪个特征做指纹，效果更好。为了讨论这个问题，就得扫盲一下“指纹的信息量”。
为了帮助大伙儿理解，先举一个例子：
假设你要在学校中定位某个人，如果你光知道此人的性别，你是比较难定位的（只能排除 1/2 的人）；反之如果你不知道性别，但是知道此人的生日，就比较容易定位（可以排除掉大约 364/365 的人，只剩大约 1/365 的人）。为啥捏？因为“生日”比“性别”更加独特，所以“生日”比“性别”能够提供更多的信息量。
从这个例子可以看出：某个特征越独特，则该特征的信息量越大；反之亦然。信息量越大的特征，就可以把对象定位到越小的范围。
★“指纹”的“信息量”如何度量——关于指纹的比特数？
（本节涉及到中学数学，数学很差的或者对数学有恐惧感的读者，请直接无视）
在 IT 领域中，可以用【比特数】来衡量某个指纹所包含的信息量。为了通俗起见，先以前面提到的“性别”来说事儿。性别只有两种可能性——“男”或者“女”，并且男女的比例是大致平均的。（那些喜欢抬杠的同学，别跟俺扯啥双性人，俺没空搭理）所以，当你知道了某人的性别，就可以把范围缩小到原先的 1/2。用 IT 的术语来讲，就是：“性别”这个特征只包含“一个比特”的信息量。
以此类推：
当我们说：
某特征包含3比特信息量，意思就是：该特征会有8种大致平均的可能性（8等于2的3次方）。一旦知道该特征，可以把目标定位到八分之一。
当我们说：
某特征包含7比特信息量，意思就是：该特征会有128种大致平均的可能性（128=2^7）。一旦知道该特征，可以定位到 1/128
再来说“生日”。（不考虑闰年的情况下）生日有365种可能性（并且也是平均分布滴），所以生日包含的比特数大约是 8.51。为啥是 8.51 捏，因为“2 的 8.51 次方”约等于 365。因此，知道了某人的生日就可以把范围缩小到 1/365
通过上述举例，大伙儿对于指纹的信息量，应该有一些粗浅的认识了吧？
★多个指纹的综合定位
如果能同时获取【 互不相关 】的若干个指纹，就可以大大增加定位的精确性。
比如要在某个公司里面定位某人，如果你知道此人的“生日”和“生肖”，那么就可以达到 1/4380（1/4380 = 1/12 * 1/365） 的定位精度。因为综合定位之后，比例之间是【乘法】的关系，所以范围就被急剧缩小了。
为啥俺特别强调“互不相关”捏？假如你同时知道的信息是“生日”和“星座”，那么定位的精度依然是 1/365——因为生日的信息已经包含了星座的信息。所以，只有那些相互独立的特征（所谓的相互独立，数学称为“正交”），在综合定位的时候才可以用【乘法】。
★啥是“浏览器的指纹”？
前面说的是预备知识，现在开始进入正题。
当你使用浏览器访问某个网站的时候，浏览器【 必定会暴露 】某些信息给这个网站。为啥俺强调“ 必定 ”捏？因为这些信息中，有些是跟 HTTP 协议相关的（本章节说的 HTTP 协议是广义的，也包括 HTTPS）。只要你基于 HTTP 协议访问网站，浏览器就【必定】会传输这些信息给网站的服务器。
再罗嗦一下：HTTP 协议是 Web 的基石。只要你通过浏览器访问 Web，必定是基于 HTTP 协议的。因此，Web 网站的服务器必定可以获取到跟你的浏览器相关的某些信息（具体是哪些信息，俺下面会聊）。
★“浏览器指纹”如何暴露隐私？
“浏览器指纹”的机制跟 cookie 有点相似。关于 cookie 的作用，建议那些健忘的同学先去“ 前面的博文 ”复习一下。
对于“浏览器指纹”导致的隐私问题，俺举2个例子来说明其危害。
◇对于无需登录的网站
如果你的浏览器允许记录 cookie，当你第一次访问某网站的时候，网站会在你的浏览器端记录一个 cookie，cookie 中包含某个“唯一性的标识信息”。下次你再去访问该网站，网站服务器先从你的浏览器中读取 cookie 信息，然后就可以根据 cookie 中的“唯一标识”判断出，你之前曾经访问过该网站，并且知道你上次访问该网站时，干了些啥。对付这种 cookie 很简单，你只需要在前后两次访问之间，清空浏览器的 cookie，网站就没法用 cookie 的招数来判断你的身份。
但是“清空 cookie”这招对“浏览器指纹”是无效滴！比如说你的浏览器具有非常独特的指纹，那么当你第一次访问某网站的时候，网站会在服务器端记录下你的浏览器指纹，并且会记录你在该网站的行为；下次你再去访问的时候，网站服务器再次读取浏览器指纹，然后跟之前存储的指纹进行比对，就知道你是否曾经来过，并且知道你上次访问期间干了些啥。
◇对于需要登录的网站
假如网站没有采用“指纹追踪”的技术 ，那么你可以在该网站上注册若干个帐号（马甲）。当你需要切换身份的时候，只需要先注销用户，清空浏览器的 cookie，然后用另一个帐号登录。网站是看不出来的。
一旦网站采用“指纹追踪”的技术 ，即使你用上述方式伪造马甲，但因为你用的是同一个浏览器，浏览器指纹相同。网站的服务器软件可以猜测出，这两个帐号来自同一个人。
★“浏览器指纹”比“cookie”更隐蔽，更危险
刚才对比了“浏览器指纹”和“cookie”两种身份追踪技术。两者的原理类似——都是利用某些特殊的信息来定位你的身份。两者的本质差异在于：
1. cookie 需要把信息保存在浏览器端，所以会被用户发现，也会被用户清除。
2. 而“浏览器指纹”无需在客户端保存任何信息，不会被用户发觉，用户也无法清除（换句话说：你甚至无法判断你访问的网站到底有没有收集浏览器指纹）。
★“浏览器指纹”包含哪些信息？
浏览器暴露给网站的信息有很多种，常见的有如下几种：
◇User Agent
关于 User Agent 是啥，俺已经在本系列前一篇博文中扫盲过了（请看“ 这里 ”），健忘的同学先去复习一下，再继续往下看。
◇屏幕分辨率
这个比较通俗易懂。俺稍微补充一下：这一项不仅包括屏幕的尺寸，还包括颜色深度（比如你的屏幕是16位色、24位色、还是32位色）。
◇时区
这个也比较通俗。对于大部分天朝的网友，你的时区应该都是“东8区”
◇浏览器的插件信息
也就是你的浏览器装了哪些插件。
再罗嗦一次：浏览器的“插件”和“扩展”是两码事儿，别搞混了。本系列前面的博文扫盲了两者的差异，链接在“ 这里 ”。
◇字体信息
和浏览器相关的一些字体信息。
如果你的浏览器安装了 Flash 或 Java 插件，有可能会暴露某些字体信息。所以俺在 本系列的第2篇 就警告了浏览器插件的风险。
◇Canvas 绘图的指纹
Canvas 是 HTML5 新增的一个功能。该功能可以让 JavaScript 脚本在页面的 canvas 元素中绘图。由于不同的浏览器类型，不同的浏览器版本，不同的操作系统平台，都会导致“Canvas 绘图”在一些细节方面的差异。因此，该功能也会暴露浏览器信息（成为“浏览器指纹”的一部分）。
要想测试你的浏览器是否暴露“Canvas 绘图指纹”，可以查看“ 这个链接 ”。
如果你用的是 Firefox 浏览器，可以安装“ 这个扩展 ”，来禁用 canvas 绘图功能。该扩展可以针对不同的域名配置“黑名单和白名单”。
◇HTTP ACCEPT
这是 HTTP 协议头中的一个字段。考虑到列位看官大都不是搞 IT 技术的，俺就不深入解释这项。
◇其它
以上就是常见的浏览器指纹。当然啦，还有其它一些信息也可以成为“浏览器指纹”，考虑到篇幅，俺就不一一列举并解释了。有兴趣的同学，请自行阅读 Mozilla 官网的文档（在“ 这里 ”。提醒一下：是洋文）
★如何看自己浏览器的指纹？
关于浏览器指纹导致的隐私问题，可能是由“ 电子前哨基金会 ”（简称 EFF）率先在2010年曝光的。后来 EFF 提供了一个页面，帮助网友看自己浏览器的指纹（请猛击“ 这个链接 ”）。
打开此页面之后，当中有一个大大的，红色的“TEST ME”按钮。点一下此按钮，稍等几秒钟，会显示出一个表格，里面包含你当前的浏览器的指纹信息。
在这个表格中会列出每一项指纹的“信息量”以及该指纹的“占比”。关于“信息量”的含义，本文前面已经扫盲过，此处不再罗嗦。你只需记住，某项的信息量越大，就说明该项越独特。而越独特的指纹，对隐私的威胁也就越大。
考虑到篇幅有点长，今天先聊到这里。俺争取明后天发下一篇，聊聊如何防范“浏览器指纹”导致的隐私风险。
回到本系列的目录
版权声明
本博客所有的原创文章，作者皆保留版权。转载必须包含本声明，保持本文完整，并以超链接形式注明作者 编程随想 和本文原始地址：
https://program-think.blogspot.com/2014/01/privacy-protection-5.html
本博客所有的原创文章，作者皆保留版权。转载必须包含本声明，保持本文完整，并以超链接形式注明作者 编程随想 和本文原始地址：
https://program-think.blogspot.com/2014/01/privacy-protection-5.html
文章版权归原作者所有。
