基于跨浏览器指纹的设备识别研究

作     者：庞仁宇 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：芦效峰

授予年度：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：跨浏览器指纹 设备识别 时钟指纹 机器学习 

摘      要：设备识别主要用对用户和设备的识别,增强系统的认证能力与安全性。浏览器指纹被用于设备识别,浏览器指纹方便快捷。但是在网络攻防的演变与进化过程中,攻击者越来越容易绕开传统的浏览器指纹识别。由此,跨浏览器指纹技术应运而生。跨浏览器指纹可以使用设备硬件信息生成指纹,用于设备认证、场景识别、轨迹追踪等。不同于浏览器指纹易被修改的缺陷,跨浏览器指纹具有更好的识别效果和更强的鲁棒性。但很多跨浏览器指纹的研究仍主要使用硬件的静态信息,给到攻击者修改硬件静态信息的可能性。针对以上问题,本文提出一种有效的基于时钟频率信息的跨浏览器指纹,弥补目前跨浏览器指纹中的一些不足。本文的主要工作如下:(1)提出一种基于自适应帕累托法则的时钟指纹模型CFMAP(Clock Fingerprint Model Based on Adaptive Pareto Principle)。时钟指纹是基于时钟偏差理论生成的。CPU时钟和GPU时钟中包含石英晶体振荡器,这些晶体中的微小变化会导致时钟频率产生微小但可测量的差异。本文以函数执行时间作为CPU时钟偏差的基础表达,以3D模型渲染的帧率作为GPU时钟偏差的基础表达,根据负载对时钟数据的影响,提出根据CPU负载和GPU负载进行自适应调整的帕累托法则,进而构造出识别效果更优秀,鲁棒性更强的时钟指纹模型。(2)提出一种基于KNN算法的CFMAP识别算法。相比于以前研究中提出的基于众数的时钟指纹识别算法,采用机器学习的分类方法更符合目前计算机学科的研究发展方向。同时,KNN算法是一种基于距离的算法,能很好的与CFMAP相结合。本文通过展开对多种机器学习算法与其他研究者方法的对比试验,验证了 KNN算法与CFMAP结合的有效性。同时,本文研究本文模型与方法的时间稳定性和温度稳定性。(3)提出针对时钟指纹的威胁模型,进行安全性分析。本文从攻击者角度出发,研究针对时钟指纹可能存在的安全威胁。展开虚拟机攻击和长时间高CPU负载加压攻击实验,通过与其他研究者的模型与方法的对比,验证了本文方法与模型的安全性。