Как сайты узнают вас после смены IP: Browser Fingerprint, TLS и антифрод

Вы сменили IP с помощью VPN, подключили мобильный прокси, удалили cookies и открыли сайт в новом окне. Кажется, для сервера вы стали новым посетителем. Однако сеть, браузер и сам сценарий взаимодействия по-прежнему оставляют десятки сигналов.

Browser fingerprint - не магический серийный номер и не одна строка с хешем Canvas. Это набор наблюдений, который сайты могут использовать для вероятностного связывания сессий, защиты аккаунтов, аналитики или отслеживания пользователей.

Мы разберём процесс от первого сетевого пакета до антифрод-оценки: IP, ASN, TLS/JA4, HTTP Client Hints, Canvas, WebGL, WebGPU, WebAssembly, WebRTC, cookies и поведенческие данные. Затем проведём безопасный эксперимент и построим архитектуру снижения отслеживания.

Видеоматериалы Vektor T13 о CPU/GPU Canvas, WebAssembly и сетевых отпечатках помогли определить интересные вопросы. Но далее мы используем собственные объяснения и проверяем утверждения по MDN, Cloudflare, Tor Project, EFF и исследованиям. Там, где технология экспериментальна, это будет сказано прямо.

Представьте ноутбук с Chrome. Сначала он обращается к сайту напрямую, потом через домашний VPN, затем через мобильный прокси. Во всех трёх случаях удалённый сервис может видеть разные IP и провайдеров. Но набор доступных шрифтов, характеристики рендеринга, поддерживаемые браузерные API и часть настроек может почти не измениться.

Если человек входит в прежний аккаунт, связывание становится прямым: у сайта уже есть устойчивый идентификатор аккаунта. Если входа нет, остаётся статистическая задача: насколько похожи новые запросы на прежнюю сессию и достаточно ли признаков для решения?

Смена IP - это смена одного сигнала, а не сброс всей цифровой идентичности. И наоборот, похожий набор сигналов ещё не означает, что сайт нашёл конкретного человека. Миллионы пользователей могут делить распространённые конфигурации.

Идентификатор - значение, присвоенное пользователю или устройству: аккаунт, cookie с ID сессии или токен приложения. Оно может однозначно связывать действия внутри соответствующей системы, пока действительно сохраняется.

Fingerprint - набор измеренных свойств среды. Он может быть редким или распространённым, относительно стабильным или изменчивым. Его хеш является удобным представлением наблюдений, но не доказывает уникальность человека.

Risk score - оценка вероятности определённого события. Например, насколько запрос похож на автоматизированный. Оценка ботоподобности не равна доказательству мошенничества и тем более не доказывает личность посетителя.

Это важно для понимания антифрода: одна система может использовать fingerprint для корреляции, другая для выявления аномалий, третья только как один из вспомогательных факторов.

Упрощённая последовательность выглядит так. Сеть: сервер или CDN получает подключение и его сетевые характеристики. TLS и HTTP: анализируются параметры рукопожатия и запросов. Браузер: после загрузки страницы разрешённый JavaScript может изучать свойства веб-платформы. Приложение: сервер сопоставляет полученное с авторизацией, историей запросов и признаками поведения.

В реальном мире это не обязательно один линейный процесс. Некоторые сигналы доступны до выполнения JavaScript, другие появляются лишь после взаимодействия, а третьи не собираются вовсе. Работающая через CDN площадка и собственный сервер получают разные уровни детализации.

Одну и ту же технологию можно применять для разных целей: аналитики совместимости, противодействия ботам или скрытого межсайтового трекинга. Назначение определяется тем, кто собирает данные, какие данные объединяет и сколько их хранит.

IP помогает определить точку сетевого выхода. ASN описывает автономную систему, через которую анонсируется адрес: это может быть мобильный оператор, домашний провайдер, дата-центр или VPN-инфраструктура. Геолокация по IP является оценкой и может ошибаться, особенно для мобильных сетей и туннелей.

Домашний IP может менятьcя, за одним мобильным IP могут одновременно находиться многие абоненты из-за CGNAT, а серверный прокси может обслуживать множество клиентов. Поэтому один IP не доказывает одного человека, и один человек не обязан иметь один IP.

Антифрод может учитывать тип сети, известные истории злоупотреблений и резкие изменения маршрута. Однако нельзя утверждать, что любой датацентровый IP автоматически означает бота, а мобильный IP - реального человека. Это лишь признаки для контекста.

При установке TLS-соединения клиент обычно отправляет ClientHello с набором поддерживаемых версий, шифров, расширений и других параметров. По характеристикам такого начала соединения можно построить групповой отпечаток клиента.

JA3 и JA4 - подходы к представлению части этих параметров. JA4 нормализует некоторые изменчивые детали, в том числе порядок расширений, чтобы удобнее группировать похожие клиенты. Cloudflare документирует JA3/JA4 как сигналы для Bot Management.

Важно: это не уникальный аппаратный ID. Тысячи экземпляров одной версии браузера могут иметь совпадающий отпечаток. Отпечаток зависит от TLS-реализации, конфигурации и точки, где наблюдается рукопожатие. Прокси, завершающий TLS от имени клиента, может изменить то, какой ClientHello видит конечный сервер.

Честный вывод: смена IP сама по себе не обязана менять JA4, но совпадение JA4 ещё не идентифицирует конкретное устройство.

Поверх TLS и транспортного соединения существуют дополнительные особенности: согласование протоколов, порядок и параметры некоторых сообщений, поведение HTTP/2 и QUIC. Эти признаки могут помогать различать реализации клиентов и особенности промежуточных сетевых устройств.

Вектор Т13 обсуждал M1D/M1D1 как подходы к анализу сетевых характеристик TCP, UDP и QUIC. Это интересная тема, но не следует выдавать конкретные имена экспериментальных или проприетарных отпечатков за общедоступный стандарт с доказанной точностью во всех сетях.

Особенно важно местоположение наблюдателя. При VPN сеть сайта видит соединение через выходной сервер, но не обязательно все характеристики исходного TCP-сокета устройства. HTTP-прокси, SOCKS, TCP-туннель и конечный TLS-прокси могут менять наблюдаемые свойства по-разному.

Антифрод анализирует то, что действительно доступно в конкретной точке инфраструктуры, а не весь сетевой стек компьютера на расстоянии.

Если у сайта есть действующая cookie сессии, он может узнать возвращение браузера без Canvas, WebGL или анализа TLS. LocalStorage и другие веб-хранилища также могут удерживать идентификаторы в пределах доступной им области.

При входе в один и тот же аккаунт задача вообще меняется: сервис узнаёт аккаунт, даже если устройства, IP и браузер различаются. Отпечаток может помогать отличать привычную среду входа от незнакомой, но не требуется для самого связывания.

Удаление cookies может убрать один устойчивый идентификатор, но не обнулить все остальные сигналы. И наоборот, два одинаковых fingerprint не означают, что cookie или личность пользователя совпадают.

User-Agent традиционно сообщает название и версию браузера, платформу и часть сведений об ОС. Современные браузеры сокращают детализацию строки UA, потому что слишком подробный User-Agent сам способствует fingerprinting.

В Chromium часть сведений передаётся через User-Agent Client Hints: например, Sec-CH-UA, Sec-CH-UA-Platform и дополнительные значения, которые могут запрашиваться сайтом. Набор доступных полей зависит от реализации, политик разрешений и контекста.

Сама строка UA легко изменяется, но подмена одного поля не делает всю среду похожей на заявленную. На практике сервер может сопоставлять UA с набором поддерживаемых функций браузера. Несогласованность полезна как сигнал, но сама по себе не является доказательством злонамеренности.

Canvas позволяет странице рисовать текст, линии и фигуры. Затем код может считывать пиксели и вычислять хеш результата. Результат зависит от браузерного движка, шрифтов, графической библиотеки, масштабирования, ОС и пути рендеринга.

Важный нюанс из разборов Vektor T13: Canvas не всегда означает GPU. Часть операций выполняется программно на CPU или через библиотеку рендеринга, часть может задействовать GPU. Изменение аппаратного ускорения и графического окружения способно изменить результат, но не обязано менять его всегда.

Сам по себе Canvas hash не является серийным номером видеокарты. Один хеш встречается на нескольких устройствах, а на одном устройстве может измениться после обновления или смены настроек. Поэтому его полезность определяется статистикой по группе пользователей и стабильностью во времени.

WebGL предоставляет сайту информацию о доступных графических функциях. В некоторых браузерах расширение WEBGL_debug_renderer_info может раскрывать строковые сведения о производителе и модели графического адаптера. Настройки приватности способны ограничивать этот доступ.

WebGPU предоставляет другой набор возможностей, в том числе вычисления на GPU и сведения об адаптере через GPUAdapterInfo, где это поддерживается. Браузеры могут ограничивать детализацию и возвращать пустые или обобщённые значения. Поддержка WebGPU отличается между платформами.

Можно исследовать особенности выполнения вычислений, но такие измерения зависят от драйвера, нагрузки, температуры, питания и реализации. Это не прямой доступ к серийному номеру устройства. В некоторых исследованиях GPU-сигналы помогают группировать среды, однако точность нельзя обещать без контролируемой валидации.

Веб-страница может оценивать наличие некоторых шрифтов косвенно, сравнивая размеры отрисованного текста с эталонным шрифтом. CSS, ClientRects, размеры окна, devicePixelRatio, язык и временная зона могут добавлять наблюдаемые различия.

Но не стоит преувеличивать: сайт не получает полный системный список шрифтов и все сведения об ОС автоматически. Браузеры ограничивают API, а разные методы измеряют разный объём информации.

Редкий набор параметров может выделять сессию сильнее, чем один необычный параметр. При этом признаки коррелированы: определённые ОС обычно идут вместе с определёнными шрифтами и API. Поэтому нельзя просто сложить энтропию всех полей и объявить получившееся число уникальным идентификатором.

AudioContext может использоваться для вычислений со звуковыми сигналами и сравнения результатов цифровой обработки. WebAssembly позволяет выполнять код с иным профилем производительности, чем обычный JavaScript. Это даёт дополнительные возможности измерения различий среды.

У этих методов есть ограничения. Нагрузка процессора, энергосбережение, обновления движка, планировщик ОС и политика браузера вносят шум. Совпадающий результат не гарантирует одно устройство, а разные результаты не гарантируют разные устройства.

Исследования WebAssembly fingerprinting интересны, включая демонстрации Vektor T13, но нельзя утверждать, что любой WASM-тест способен без разрешения прочитать MAC-адрес, серийник диска или аппаратный UUID. Стандартный код веб-страницы не обладает такими полномочиями.

WebRTC использует механизмы поиска сетевых путей, включая ICE candidates. В зависимости от браузера, разрешений и сетевой конфигурации это может раскрывать локальные или внешние сетевые адреса. Современные браузеры применяют защитные механизмы, в том числе mDNS-обфускацию локальных адресов.

Важно различать утечку реального IP, локальную адресацию и обычный fingerprint браузера. Это разные классы информации. WebRTC не является универсальным API для получения MAC-адреса сетевой карты.

Аналогично, DNS-запросы могут обходить предполагаемую сетевую политику, но DNS-утечка не равна уникальному идентификатору человека. Для профилей с прокси и устройств с VPN проверки проводятся отдельно на уровне браузера и хоста.

Представьте интернет-магазин. Он получает запросы, оценивает сеть, историю сессии, признаки автоматизации и состояние аккаунта. Он может использовать собственные правила, внешний сервис защиты от ботов или сочетание нескольких систем.

Cloudflare документирует Bot Score как численную оценку вероятности автоматизированного запроса, а не как вердикт о личности. При соответствующих настройках такой сигнал может использоваться для разрешения, дополнительной проверки или блокировки. В крупных системах используются эвристики, браузерные проверки и машинное обучение.

Антифрод платежей и защита от ботов - пересекающиеся, но разные задачи. Платёжный риск включает контекст операции и признаки злоупотребления, не сводится к fingerprint.

Профессиональная система должна учитывать ложные срабатывания: VPN, доступность браузера, корпоративные прокси и нестандартное оборудование могут выглядеть необычно, не будучи вредоносными.

История переходов внутри одного сервиса, интервал между запросами, повторное использование URL, последовательность действий и динамика сессии могут быть использованы для оценки риска. Однако каждое поле имеет ограничения, а предсказуемость поведения не должна приравниваться к идентичности.

Сайт может видеть поведение в собственной системе. Третья сторона увидит данные только там, где ей действительно доступны события, скрипты или журналы. Поэтому утверждение «любая антифрод-система видит вас на всех сайтах» некорректно.

Для приватности важны границы передачи данных, разрешения сторонних скриптов и минимизация межсайтовых идентификаторов. Для владельцев сайтов важны объяснимость решений, срок хранения и возможность исправить ошибочное срабатывание.

Антидетект-браузер может создавать отдельные профили, управлять cookies, частью API-значений и назначать конкретному профилю прокси. Это полезно для разделения рабочих контекстов, если сервисы разрешают такую организацию.

Но это не полноценная изоляция ОС. Профили могут пользоваться одним ядром, диском, общими библиотеками и сетевыми службами. Подмена свойств браузера может создавать внутренние несоответствия либо редкие комбинации, не встречающиеся на обычных устройствах.

Главная ошибка - проверять только «Canvas hash изменился». Изменение одного поля не доказывает, что меняется набор остальных сигналов. Обратная ошибка - считать любое совпадение гарантированным детектом.

Для повышенной безопасности рабочие контексты разумно разносить по отдельным VM или устройствам. Для конфиденциального веб-сёрфинга следует сравнивать защиту от fingerprinting, в том числе Tor Browser, а не полагаться на рекламное обещание «невидимого профиля».

Мобильный прокси может направлять соединение через 4G/5G-инфраструктуру. В некоторых системах оператор использует CGNAT, а внешние IP динамически меняются. При этом ваш Chrome по-прежнему работает на том же ноутбуке и использует те же браузерные API.

Сменился внешний IP, возможно изменились сеть, география и характеристики задержки. Но cookies, поддерживаемые шрифты, свойства рендеринга и часть TLS-поведения могут сохраниться, если их не меняет промежуточный узел.

Вывод: прокси управляет маршрутом подключения. Браузерная изоляция управляет состоянием приложения. Изоляция виртуальной машины управляет более сильной границей окружения. Эти уровни не взаимозаменяемы.

Представим, что два пользователя получили одинаковые Canvas hashes. Это может быть коллизия среди типичных конфигураций. Если их WebGL, UA и язык тоже совпадают, уверенность в похожести увеличится, но часть этих свойств зависима друг от друга.

Исследования оценивают информативность признаков через энтропию и статистические распределения. При этом независимое сложение показателей может сильно переоценивать реальную различимость. Исследование Assessing Web Fingerprinting Risk (2024) специально подчёркивает необходимость учитывать корреляции между API.

Существуют две ошибки: ложное совпадение разных пользователей и потеря связи с тем же пользователем после обновления системы. Поэтому качественная модель оценивает не только редкость, но и устойчивость, размер выборки и долю ошибок.

Публичный checker показывает то, что видит именно его тест. Он не может доказать, какие данные собирает любой другой сайт.

Эксперимент можно провести на своём устройстве, без обхода чужих антифрод-систем и без публикации чужих данных.

Сеанс A. В обычном браузере откройте EFF Cover Your Tracks и собственный проверочный сервис. Запишите видимый IP, версию браузера, факт наличия cookies, набор полей теста и время проверки.

Сеанс B. Не меняя браузер и профиль, подключите разрешённый VPN или прокси. Повторите измерение. Сравните только собственные данные: какие сетевые поля изменились, какие браузерные сохранились.

Сеанс C. Откройте чистый профиль или другой браузер, не авторизуйтесь в личных аккаунтах, повторите сравнение. Затем по возможности проверьте стандартный Tor Browser, не модифицируя его произвольными расширениями.

Это не соревнование «обмануть антифрод». Цель - увидеть, какие сигналы связаны с сетью, профилем и браузерным движком. Не публикуйте полный fingerprint вместе с личными идентификаторами и учитывайте политику хранения данных тестового сайта.

Для повседневной защиты используйте актуальный браузер, ограничивайте сторонние трекеры, очищайте ненужные site data и не связывайте разные контексты единым аккаунтом без необходимости. Разделяйте личную и рабочую активность в разных профилях или средах.

Tor Browser специально уменьшает различимость параметров: letterboxing, ограничение информации о шрифтах, нормализация UA и другие механизмы защиты от fingerprinting. Его не следует беспорядочно «улучшать» расширениями и случайными подменами.

Для задач, где одна сессия не должна иметь доступ к данным другой, выбирайте VM или отдельные устройства. Для защиты сетевого маршрута применяйте VPN и корректную DNS/IPv6-политику, но не путайте это с гарантией незаметности браузера.

Эффективная конфигурация - та, где ясно, от какого наблюдателя вы защищаетесь и что именно проверили.

Если вы управляете сервисом, отделяйте предотвращение злоупотреблений от неограниченного отслеживания пользователей. Сведите собираемые признаки к необходимым, используйте ограниченные сроки хранения, контролируйте доступ к телеметрии и заранее определите допустимые действия по каждому risk score.

Вместо автоматического наказания за «подозрительный fingerprint» лучше применять последовательные меры: контекстную проверку, дополнительную аутентификацию при повышенном риске, лимиты запросов и процедуры ручного разбора спорных случаев.

Системы антифрода неизбежно ошибаются. Адаптивные модели изменяются со временем, поэтому нужны контроль ложных срабатываний и проверка влияния правил на реальных пользователей. Юридические требования к трекингу и информированию различаются по юрисдикции.

Чем прозрачнее цель каждого сигнала и короче жизненный цикл данных, тем проще защищать и пользователя, и собственную инфраструктуру.

«Сменил IP - стал другим человеком». Нет, аккаунты и браузерные сигналы могут сохраняться.

«Canvas hash уникален всегда». Нет, бывают совпадения и изменения на одном устройстве.

«JA4 раскрывает серийник ноутбука». Нет, он описывает характеристики TLS-клиента.

«WebAssembly считывает всё железо». Нет, действует песочница браузера, а измерения вероятностны.

«Мобильный IP невозможно распознать». Нет, тип сети - лишь один из факторов.

«Антидетект-профиль равен виртуальной машине». Нет, уровень изоляции принципиально иной.

«Антифрод всегда знает личность по отпечатку». Нет, оценка риска и достоверная идентификация - разные процессы.

Если строить систему приватности как инженерный проект, разделите её на четыре зоны ответственности.

Сеть: IP, DNS, TLS, прокси, VPN и маршрутизация. Браузер: cookies, разрешённые API, кросс-сайтовые трекеры, ограничения fingerprinting. Окружение: ОС, VM, отдельные устройства, обмен файлами. Поведение: аккаунты, повторное использование идентификаторов, публикуемые данные и операционные процедуры.

Часть характеристик неизбежно остаётся видимой для работы интернета. Задача не в тотальной подмене всех полей, а в сокращении ненужной наблюдаемости и недопущении слияния независимых контекстов.

Сайт не обязательно знает вас по одному признаку. Он может делать выводы из сочетания слабых сигналов. Поэтому и защита должна состоять из согласованных границ, а не из одной кнопки «сменить IP».

Перед оценкой приватности браузера ответьте на вопросы: известен ли сайту ваш аккаунт или session cookie? Изменился ли только IP или всё окружение? Какие поля доступны через JavaScript? Кто наблюдает TLS и транспорт? Применяется ли сторонняя аналитика? Сколько сохраняются собранные идентификаторы? Что происходит при смене профиля, браузера и устройства?

Для самостоятельной диагностики проведите три безопасных сравнения из раздела 19, а затем попробуйте объяснить каждое изменение без предположений про «невидимость». Это даст больше пользы, чем стремление получить уникально случайный fingerprint.

Для дальнейшего изучения Signal рекомендует материалы о мобильных прокси и архитектуре цифровой приватности. Они объясняют сетевые маршруты и изоляцию, которые дополняют эту статью.

Cloudflare - JA3/JA4 fingerprint
Cloudflare - Bot Score
Cloudflare - Bot detection engines
MDN - User-Agent Client Hints
MDN - WEBGL_debug_renderer_info
MDN - GPUAdapterInfo
MDN - WebRTC ICE candidate address
Tor Project - Fingerprinting protections
EFF - Cover Your Tracks
Research - Assessing Web Fingerprinting Risk (2024)
Vektor T13 - CPU vs GPU Canvas webinar
Vektor T13 - WebAssembly fingerprinting
Vektor T13 - M1D/M1D1 network fingerprints