FORESIGHT: как мы связываем сессии сквозь время и IP

Опубликовано: февраль 2026 | WHOX Research | R7

Коротко: FORESIGHT связывает сессии по 18 сигналам в 4 категориях. Сетевые сигналы весят 40%. Тайминг GPU переживает очистку куки и держится месяцами.

Вы очистили куки. Молодцы. Это было бесполезно.

Каждый гайд по приватности в интернете твердит одно и то же: чисти куки, включай инкогнито, ставь блокировщик рекламы. Ты чувствуешь себя чистым. Невидимым. Ты не то и не другое.

Куки были технологией слежки нулевых. Индустрия давно ушла вперёд. Ты нет.

Современный веб опознаёт возвращающихся посетителей по сигналам, которые переживают удаление куки, перезапуск браузера, смену VPN и даже апгрейд железа. Твой GPU рисует пиксели способом, который измеримо твой. Твоё TLS-рукопожатие выдаёт браузер до того, как завершится первый HTTP-запрос. Мышь двигается с ритмом, который статистически настолько же персонален, как почерк.

Система фингерпринтинга способна построить детальный слепок любого браузера за один визит. Но слепок это лишь полдела. Сложнее другое: видели мы этого человека раньше или нет?

Этим и занимается FORESIGHT.

Эта статья впервые публично описывает алгоритм FORESIGHT, его двухэтапную систему Mosaic Linking, конструируемый профиль Digital Shadow и конвейер машинного обучения, который питается результатами. Мы публикуем это, потому что прозрачность не слабость. Это конкурентное преимущество. Любой может заявить, что его система работает. Мы показываем, как работает наша.

Краткая история нежелания отпускать

Рекламная индустрия никогда не смирялась с тем, что пользователь может уйти и не быть опознанным при возвращении. История кросс-сессионного трекинга это история всё более изобретательных отказов забывать.

Evercookies: тараканы трекинга

В 2010 году исследователь безопасности Сэми Камкар выпустил evercookie > JavaScript-библиотеку, которая эксплуатировала больше десятка механизмов хранения для поддержания постоянного идентификатора: HTTP-куки, Flash Local Shared Objects, Silverlight Isolated Storage, HTML5 localStorage, sessionStorage, IndexedDB, PNG-куки через canvas, HTTP ETags, Java Jnlp PersistenceService, Web SQL Database, IE userData, window.name, CSS history, веб-кеш и HSTS pinning. Версия 0.4 beta использовала 17 механизмов. Если пользователь чистил все кроме одного, выживший механизм регенерировал все остальные.

Аналогичные техники воскрешения куки обнаружили на hulu.com, foxnews.com и spotify.com через сторонние аналитические сервисы вроде KISSmetrics, которые использовали Flash-куки и ETags для реанимации удалённых идентификаторов. Урок, который индустрия извлекла, был не про то, чтобы перестать следить, а про то, чтобы найти методы, которые пользователь не способен обнаружить.

HSTS-суперкуки: слежка через безопасность

HTTP Strict Transport Security указывает браузеру всегда использовать HTTPS для данного домена. Сообразительные разработчики поняли, что HSTS-статус каждого поддомена может представлять один бит бинарного идентификатора. Зайди на страницу, и 32 поддомена избирательно получают флаги, кодируя уникальный 32-битный ID прямо в политику безопасности браузера. Как документирует Wikipedia: HSTS can be used to near-indelibly tag visiting browsers with recoverable identifying data.

HSTS-состояние переживало режим инкогнито в некоторых браузерах и не очищалось стандартной функцией очистки данных. Пользователи, которые думали, что действуют осторожно, таскали на себе маячок слежки, вшитый в защитные механизмы их собственного браузера.

TLS Session Tickets: рукопожатие помнит

TLS session resumption позволяет серверу выдать сессионный тикет, который браузер хранит и предъявляет при последующих подключениях, пропуская дорогое криптографическое рукопожатие. Этот тикет сохраняется между HTTP-запросами и прекрасно работает как идентификатор слежки. Он не удаляется при очистке куки. Он не виден ни в одном интерфейсе настроек приватности. Он связывает сессии даже при заблокированных куки. Существенная оговорка: TLS-сессионные тикеты хранятся в TLS-кеше браузера и уничтожаются при закрытии процесса браузера. Между перезапусками они не выживают, но внутри одной браузерной сессии работают безупречно.

У этих трёх механизмов общий стержень: они эксплуатируют функции браузера, спроектированные для производительности или безопасности, и перепрофилируют их под идентификацию. Каждый из них был обнаружен, предан огласке и в конце концов смягчён разработчиками браузеров. И каждый раз, когда закрывалась одна дверь, открывались три новых.

Стабильность отпечатков: что живёт, а что гибнет

Вопрос, на который должен отвечать FORESIGHT: когда сигнал меняется между сессиями, это новый пользователь или тот же самый с обновлённым браузером?

Лонгитюдное исследование, опубликованное в PoPETs 2020 под названием Long-Term Observation on Browser Fingerprinting, отслеживало отдельных пользователей на протяжении длительных периодов и обнаружило, что средняя стабильность полного браузерного отпечатка составляет примерно 1.8 недели. После этого что-то меняется. Обновление браузера. Новый шрифт, установленный вместе с приложением. Изменение разрешения экрана.

Но средняя стабильность маскирует колоссальный разброс между типами сигналов. Одни эфемерны, как строка версии браузера. Другие приварены к железу намертво.

Сигналы, стабильные месяцами и годами:

Canvas fingerprint. Привязан к GPU и драйверу. Пока не заменишь видеокарту или не обновишь драйвер GPU, хеш canvas остаётся константой. На том же железе этот сигнал стабилен весь срок жизни машины.
WebGL renderer и vendor. Привязаны к железу. GPU представляется по имени. Переход с Nvidia RTX 3080 на AMD RX 7900 меняет этот сигнал. Больше ничто не меняет.
Audio fingerprint. Определяется конвейером обработки звука, который является функцией звукового оборудования и аудиоподсистемы ОС. Меняется только при обновлении ОС или замене аудиодрайвера.
Hardware concurrency и device memory. Сообщают количество ядер CPU и объём RAM. Меняются при покупке нового компьютера.

Сигналы, которые меняются часто:

User-Agent. Обновляется с каждым релизом браузера, примерно раз в четыре недели для Chrome.
Список шрифтов. Меняется при установке софта, который тащит за собой шрифты, а это обычное дело для творческих приложений.

Ключевой вывод: аппаратные сигналы живут несоизмеримо дольше программных. Пользователь, который чистит куки каждый день, меняет VPN каждую неделю и обновляет браузер в момент выхода новой версии, всё равно будет носить тот же canvas-хеш, тот же WebGL-рендерер и тот же audio fingerprint месяцами и годами.

Cao et al. продемонстрировали на NDSS 2017, что функции уровня ОС вроде WebGL-рендеринга, обработки звука и перечисления шрифтов способны идентифицировать пользователей даже при смене браузера. GPU плевать, запущен ли Chrome или Firefox. Он рисует одинаково.

На этом фундаменте и строится FORESIGHT. Не все сигналы равны. Одни мимолётны. Другие гранитные.

Mosaic Linking: двухэтапный алгоритм

FORESIGHT использует систему под названием Mosaic Linking. Название выбрано осознанно. Ни один сигнал не достаточен сам по себе. Но сложи достаточно частичных совпадений в мозаику, и проступает картина.

Этап 1: сигнальный OR-запрос

Первый этап оценивает 18 сигналов в четырёх весовых категориях. Система не требует совпадения всех 18. Она выполняет OR-запрос: любое совпадение сигнала вносит вклад в общий вес.

Сетевые сигналы несут 40% общего веса:

Сигнал	Что захватывает
JA4 signature	Отпечаток TLS Client Hello: наборы шифров, расширения, алгоритмы подписи
H2 SETTINGS	Параметры HTTP/2-соединения: размер окна, макс. потоков, размер таблицы заголовков
Alpn	Предпочтения Application-Layer Protocol Negotiation
JA4H	Отпечаток порядка HTTP-заголовков

Сетевые сигналы доминируют в весовой раскладке по причине одновременно технической и стратегической: их труднее всего подделать. JA4 и H2 SETTINGS определяются скомпилированной реализацией TLS и HTTP/2 в браузере. Чтобы их изменить, нужно модифицировать браузер на уровне исходного кода, пересобрать его и поддерживать эти модификации при каждом обновлении. Подмена на уровне JavaScript API, техника, на которую полагается большинство антидетект-браузеров, до этих сигналов не добирается. Браузер, заявляющий себя Chrome 120 через User-Agent, но предъявляющий порядок шифров Firefox, ловится мгновенно, и само это несоответствие становится связывающим сигналом.

Глубинные сигналы несут 30% общего веса:

Сигнал	Что захватывает
GPU timing hash	Статистическая сигнатура латентности операций GPU
WASM timing hash	Профиль тайминга выполнения WebAssembly
GC timing hash	Паттерн пауз сборки мусора
Canvas worker hash	Рендеринг canvas в контексте Web Worker
WebGPU shader hash	Отпечаток компиляции шейдеров
RAF interval	Характеристики тайминга RequestAnimationFrame
Math FP	Результаты операций с плавающей запятой

Глубинные сигналы это автобиография железа. GPU timing отражает характеристики производительности конкретного графического процессора. WASM timing фиксирует, как быстро CPU исполняет скомпилированный код. GC timing раскрывает поведение менеджмента памяти JavaScript-движка на конкретном железе. Это не настраиваемые параметры. Это эмерджентные свойства кремния.

Быстрые сигналы несут 15% общего веса:

Сигнал	Что захватывает
Canvas hash	Отпечаток 2D-рендеринга canvas
Audio hash	Отпечаток обработки AudioContext
WebGL signature	Рендерер, вендор, расширения WebGL
Fonts hash	MinHash установленных шрифтов
WebGPU features	Битовая маска возможностей WebGPU
Screen signature	Разрешение, DPR, глубина цвета

Быстрые сигналы это классические векторы фингерпринтинга, хорошо задокументированные в академической литературе и активно атакуемые приватными браузерами. Brave их зашумляет. Firefox может рандомизировать часть из них. Safari добавляет шум в приватном режиме. Они всё ещё важны, но их пониженный вес отражает пониженную надёжность в условиях противодействия.

Детекция антидетекта несёт 7% общего веса:

Если WHOX определяет, что сессия пришла от конкретного антидетект-браузера будь то Multilogin, GoLogin, Dolphin Anty или любой другой классифицируемый инструмент, сама эта классификация становится связывающим сигналом. Две сессии от одного антидетект-инструмента с одинаковыми артефактами конфигурации с большей вероятностью принадлежат одному оператору.

Этап 2: поведенческое сходство

Второй этап активируется только при выполнении двух условий: Этап 1 должен набрать вес не менее 0.15, и совпасть должны минимум два сигнала. Это фильтр, не режим по умолчанию. Поведенческий анализ вычислительно дорог и шумен. Гонять его на каждой паре сессий означало бы получить больше ложных срабатываний, чем полезных матчей.

Когда условия срабатывают, Этап 2 вычисляет косинусное сходство поведенческих векторов: распределение скорости мыши, паттерны ускорения, скорость скролла. Это добавляет 8% к общему весу.

Исследование, опубликованное на ResearchGate, подтверждает, что поведенческие отпечатки консистентны и эволюционируют медленно, на протяжении месяцев и лет. Отдельное исследование по session stitching из ScienceDirect за 2021 год показало, что выученные поведенческие паттерны из последовательностей посещений страниц способны сопоставлять сессии одного пользователя даже без стабильных идентификаторов. Оптимальная точность адверсариального подхода достигалась при 15-25 сессиях до разрыва и 10-15 после.

Мы используем поведенческие сигналы как подтверждение, а не как первичное доказательство. Движения мыши сами по себе не хватит для идентификации. Но если у человека совпадают GPU timing, canvas hash и JA4 signature с предыдущей сессией, и вдобавок он двигает мышью так же? Это уже не совпадение.

Уровни уверенности

Суммарный вес обоих этапов отображается на четыре уровня уверенности:

Высокая уверенность: вес >= 0.35, совпадения в двух и более категориях или совпадение глубинного сигнала. Это крепкая связь. То же железо, тот же сетевой стек, часто то же поведение.
Средняя уверенность: вес >= 0.15, множественные совпадения из одной категории. Скорее всего тот же пользователь, но остаётся люфт для сомнений. Возможно, две машины с идентичной аппаратной конфигурацией.
Низкая уверенность: вес >= 0.05, минимум совпадений. Слабый сигнал. Заслуживает внимания, но недостаточен для самостоятельного решения.
Недостаточно данных: ниже всех порогов. Значимая связь не установлена.

Пороги намеренно консервативны. Ложное срабатывание в связывании сессий хуже, чем пропущенная связь. Сказать клиенту, что две сессии принадлежат одному пользователю, когда это не так, подрывает доверие быстрее любого конкурента.

Digital Shadow: агрегированный профиль

Когда FORESIGHT связывает сессии, он не просто возвращает список совпадений. Он конструирует Digital Shadow: композитный профиль всего, что WHOX наблюдал по данной сущности через все связанные сессии.

Shadow содержит:

Общее число связанных сессий, уникальные IP-адреса, обнаруженные страны, использованные VPN-провайдеры, замеченные браузеры
Сессии, в которых обнаружены антидетект-инструменты
Временные метки первого и последнего появления

Tracking Score

Tracking Score это единственное число от 0 до 100, которое отвечает на вопрос: насколько этот пользователь отслеживаем по всему вебу? Он вычисляется из количества связанных сессий, разнообразия IP-адресов, количества наблюдаемых стран и паттернов использования VPN.

Пользователь с одной сессией с одного IP из одной страны получает низкий балл. Пользователь с 47 сессиями через 12 IP в 3 странах, переключающийся между тремя VPN-провайдерами, получает высокий. Не потому что он сделал что-то плохое. А потому что его цифровой след достаточно обширен, чтобы любая система со схожей логикой связывания могла построить такой же профиль.

Оценки связываемости

Tracking Score это резюме. Оценки связываемости это детализация:

Быстрая связываемость: насколько идентифицируем пользователь через традиционные поверхностные сигналы? Canvas, audio, WebGL, шрифты, экран.
Глубинная связываемость: насколько идентифицируем через аппаратные тайминговые сигналы? GPU, WASM, GC, компиляция шейдеров.
Сетевая связываемость: насколько идентифицируем через сигналы протокольного уровня? JA4, H2 SETTINGS, Alpn, JA4H.
Общая связываемость: взвешенная комбинация всех трёх.

Эти оценки показывают пользователю, где именно зияет брешь. Кто-то с высокой быстрой связываемостью, но низкой сетевой, возможно, использует обычный браузер без защит, но за грамотно настроенным VPN. Кто-то с низкой быстрой, но высокой сетевой, возможно, сидит на Brave с включённым зашумлением, но не разобрался с TLS-отпечатком. Оценки диагностичны. Они указывают, что менять.

Оценка стоимости данных

FORESIGHT также рассчитывает приблизительную долларовую стоимость профиля данных пользователя. Это не ценник конкретной транзакции. Это оценка того, сколько рекламный профиль с таким уровнем детализации, с таким количеством связанных сессий, с таким объёмом поведенческих и средовых данных стоил бы на открытом рынке.

Признаем, это самое провокационное число в Shadow. Но оно отвечает на вопрос, который пользователи редко додумываются задать: сколько я стою для тех, кто меня отслеживает?

Timeline: история сессий

Функция Timeline возвращает хронологический список связанных сессий с их совпавшими сигналами. Каждая запись включает:

Временную метку
IP-адрес, замаскированный для приватности в интерфейсе
Страну и город
Определённый браузер
VPN-провайдер, если обнаружен
Антидетект-инструмент, если обнаружен
Конкретные сигналы, которые произвели совпадение

Timeline делает абстрактное осязаемым. Одно дело сказать пользователю, что он связываем между сессиями. Совсем другое показать ему: 14 января ты заходил с немецкого IP на Chrome, а 19 января с голландского IP на Firefox, и мы знаем, что это был ты, потому что твой GPU timing hash, canvas worker hash и JA4 signature были идентичны в обеих сессиях.

Эта конкретика превращает инструмент приватности в образовательную платформу по приватности.

Интеграция машинного обучения

FORESIGHT питает три модели машинного обучения, каждая из которых обучена на данных, экспортированных из конвейера связывания:

Бинарный классификатор

Модель LightGBM, обученная на 57 числовых признаках, чтобы отвечать на один вопрос: это сессия из реального браузера или из антидетект-инструмента? Признаки берутся из всех трёх осей WHOX. Сигналы целостности отпечатка, проверки согласованности, маркеры анонимайзеров.

LightGBM отлично справляется с гетерогенными наборами признаков смешанных типов, которые даёт браузерный фингерпринтинг. Градиентно-бустированные деревья решений грациозно обрабатывают пропущенные значения, а это критично, когда не каждый браузер поддерживает каждый API, который опрашивает WHOX.

Классификатор инструментов

Вторая модель LightGBM, на этот раз мультиклассовая, обученная определять, какой именно антидетект-инструмент используется. Multilogin. GoLogin. Dolphin Anty. И другие. Каждый инструмент оставляет характерные артефакты: специфические паттерны в проверках целостности прототипов, конкретные способы реализации спуфинга canvas или WebGL, характерные признаки в поведении HTTP/2.

Классификация конкретного инструмента, а не просто детекция антидетект-да-или-нет, позволяет конвейеру Mosaic Linking использовать идентичность инструмента как сигнал. Две сессии из одной версии GoLogin с одинаковым конфигурационным профилем с большей вероятностью принадлежат одному оператору, чем две сессии из разных инструментов.

Детектор аномалий

Модель Isolation Forest для обнаружения аномалий без учителя. Это подстраховка. Бинарный классификатор ловит известные антидетект-инструменты. Детектор аномалий ловит неизвестные: браузеры и конфигурации, не вписывающиеся ни в один установленный паттерн.

Isolation Forest работает, случайным образом разбивая данные и измеряя, как быстро данный экземпляр оказывается изолирован. Аномальные экземпляры, те, что значительно отличаются от популяции, изолируются за меньшее число разбиений. Он не требует размеченных обучающих данных, а значит, способен отмечать новые угрозы, которых супервизированные модели никогда не видели.

Зачем мы это опубликовали

В индустрии браузерного фингерпринтинга проблема с прозрачностью. Компании заявляют показатели точности, не объясняя методологию. Обещают 99.5% идентификации, не раскрывая, что означает эта цифра, как она была измерена и что происходит с оставшимися 0.5%.

Мы публикуем алгоритм FORESIGHT, потому что убеждены: система обнаружения фрода должна быть аудируемой. Если вы исследователь, изучающий браузерный фингерпринтинг, теперь вы знаете в точности, как устроено наше связывание. Если вы инженер приватности, строящий контрмеры, вы знаете, какие сигналы мы взвешиваем наиболее тяжело и почему. Если вы потенциальный клиент, оценивающий вендоров, вы можете сравнить нашу задокументированную методологию с конкурентами, у которых есть только маркетинговые заявления.

Это не наивность. Публикация алгоритма не упрощает его обход. Сигналы, на которые опирается FORESIGHT: TLS-отпечатки, тайминг GPU, привязанные к железу характеристики рендеринга, нельзя подделать, прочитав статью в блоге. Для этого нужны глубокие модификации скомпилированного кода браузера, поддерживаемые при каждом обновлении, тестируемые против каждого метода детекции. Индустрия антидетект-браузеров, рынок оценивается в $2.3 миллиарда по состоянию на 2025 год, существует именно потому, что это сложно.

Мы предпочитаем конкурировать инженерией, а не сокрытием.

Что это значит для пользователей

Если вы обычный человек в обычном браузере, FORESIGHT может связать ваши сессии через смену IP, удаление куки и обновления браузера с высокой уверенностью, пока вы на том же железе. Ваш GPU, аудиоконвейер и TLS-стек идентифицируют вас с постоянством, с которым никакая очистка куки не справится.

Если вы используете ориентированный на приватность браузер вроде Brave, вы снизили быструю связываемость. Зашумление canvas и рандомизация аудио делают эти сигналы менее надёжными. Но ваши сетевые сигналы, JA4 и H2 SETTINGS, остаются неизменными, если только Brave не модифицировал свою Chromium-реализацию TLS. А глубинные сигналы, тайминг GPU и WASM, определяются железом, а не софтом.

Если вы используете Tor Browser или Mullvad Browser, вы сделали максимум возможного для любого браузера. Унифицированные отпечатки, жёстко ограниченный WebGL и отключённый WebRTC, стандартизированные размеры экрана, окна с letterboxing. FORESIGHT найдёт очень мало сигналов для сопоставления. Но вы заодно пользуетесь вебом, который всё активнее не работает без API, отключённых этими браузерами.

Если вы используете антидетект-браузер, FORESIGHT специально спроектирован, чтобы обнаружить ваш инструмент, классифицировать его по имени и использовать эту классификацию как связывающий сигнал. Рынок антидетекта оценивается в $2.3 миллиарда, и это гонка вооружений, а мы на стороне детекции.

Честный ответ таков: идеальная несвязываемость в современном вебе требует жертв, на которые большинство людей идти не готовы. Отключить WebGL, WebRTC и JavaScript. Использовать Tor. Принять, что половина веба сломается.

Или принять, что очистка куки никогда не была сутью. Ваш отпечаток не хранится на вашем устройстве. Он и есть ваше устройство.

Источники

Kamkar, S. Evercookie. github.com/samyk/evercookie, 2010.
Wikipedia. HTTP Strict Transport Security: Privacy issues. en.wikipedia.org.
PoPETs 2020. Long-Term Observation on Browser Fingerprinting: Users' Trackability and Perspective.
Cao, Y. et al. Cross-Browser Fingerprinting via OS and Hardware Level Features. NDSS 2017.
ScienceDirect, 2021. Session stitching via behavioral pattern learning.
ResearchGate. Behavioral fingerprint consistency over longitudinal observation.
Joe12387. Browser Fingerprinting Resistance Research. github.com/Joe12387, updated Jul 2024.
JoinMassive.com. 10 Best Anti-Detect Browsers 2025. Anti-detect browser market size: $2.3 billion.
PoPETs 2025. How Unique is Whose Web Browser? popets-2025-0038.
WWW'25. Breaking the Shield: Analyzing and Attacking Canvas Fingerprinting Defenses in the Wild.
WHOX internal documentation. WHOX_CAPABILITIES.md, 2026.

FAQ

Что такое связывание сессий и почему это касается меня? Связывание сессий это процесс определения того, что две отдельные браузерные сессии принадлежат одному человеку, даже после удаления куки, смены IP и обновления браузера. FORESIGHT использует 18 сигналов в 4 категориях для связывания с высокой уверенностью. Если вы чистите куки ежедневно, меняете VPN еженедельно и обновляете браузер мгновенно, ваш canvas hash, WebGL renderer и audio fingerprint остаются идентичными месяцами. Связывание сессий делает очистку куки бесполезной.

Как работает FORESIGHT? FORESIGHT использует двухэтапный Mosaic Linking. Этап 1 оценивает 18 сигналов в OR-запросе: сетевые сигналы JA4, H2 SETTINGS, Alpn, JA4H весят 40%, глубинные сигналы GPU timing, WASM timing, GC timing, canvas worker hash, WebGPU shader hash весят 30%, быстрые сигналы canvas, audio, WebGL, шрифты весят 15%, детекция антидетекта весит 7%. Этап 2 добавляет поведенческое сходство 8% только при превышении порога на Этапе 1. Результат отображается на уровни уверенности: высокий, средний, низкий.

Что переживает очистку куки? Всё, что привязано к железу: canvas fingerprint привязан к GPU и драйверам, WebGL renderer и vendor, audio fingerprint привязан к аудиоконвейеру, hardware concurrency и device memory, GPU timing hash, WASM timing hash. Эти сигналы стабильны весь срок жизни вашего оборудования. Лонгитюдное исследование PoPETs 2020 обнаружило среднюю стабильность отпечатка 1.8 недели в целом, но аппаратные сигналы сохраняются месяцами и годами. Evercookie эксплуатировал больше десятка механизмов хранения, но современному связыванию хранимые данные вообще не нужны.

Насколько стабильны сигналы отпечатка во времени? Разброс колоссальный. User-Agent меняется каждые 4 недели при обновлении браузера. Список шрифтов меняется при установке софта. Зато canvas hash, WebGL renderer и audio fingerprint стабильны месяцами. GPU timing стабилен весь срок жизни железа. Эрлангенское исследование PoPETs 2020 отслеживало 1304 пользователя и собрало 88088 измерений, установив, что 95%+ различимы при оптимизированном наборе атрибутов. FP-Stalker умеет отслеживать пользователей через изменения отпечатков, связывая старые и новые отпечатки через стабильное ядро. Многие привязанные к железу атрибуты остаются стабильными месяцами.

Что такое Digital Shadow? Digital Shadow это агрегированный профиль, который FORESIGHT конструирует из всех связанных сессий. Он содержит: общее число связанных сессий, уникальные IP, страны, VPN-провайдеры, замеченные браузеры, обнаруженные антидетект-инструменты, временные метки первого и последнего появления. Он вычисляет Tracking Score от 0 до 100, измеряющий отслеживаемость по всему вебу, оценки связываемости в разбивке по быстрым, глубинным и сетевым сигналам, а также оценку стоимости данных в долларах. Функция Timeline показывает хронологическую историю связанных сессий с конкретными сигналами, которые произвели каждое совпадение.

Читать дальше

WHOX - Отличаем настоящие сигналы от сфабрикованных. Проверьте свой отпечаток на whox.com и узнайте какие сигналы утекают из вашего браузера и насколько вы уникальны.