Ваша мышь рассказывает о вас больше, чем вы думаете

Вот вам мысленный эксперимент. Представьте, что вы заходите на сайт. Чистый браузер, свежие куки, новый IP через VPN. Вы абсолютно анонимны. Никаких следов. Идеальная чистота. По крайней мере, вы так думаете.

Проходит 60 секунд. Вы скроллите страницу вниз, наводишь курсор на кнопку, кликаешь. Обычные действия. Ничего подозрительного.

Но за эти 60 секунд сайт уже знает, кто вы. Не предполагает. Знает. С вероятностью от 78 до 85 процентов.

Это не паранойя. Это данные из крупнейшего исследования поведенческого фингерпринтинга в истории.

Коротко: Движения мыши, ритм набора текста и паттерны скролла деанонимизируют 84-95% пользователей за 60 секунд > даже после смены IP, очистки кук и смены браузера.

Один сеанс. Шестьдесят секунд. Конец анонимности.

В 2025 году исследователи из Джорджтаунского университета и Университета Карнеги-Меллон опубликовали самое масштабное исследование поведенческого фингерпринтинга в истории. Кайл Крайтон, Лорри Фэйт Кранор и Николя Кристин проанализировали поведение более 150,000 пользователей за два года. Результаты опубликованы в PoPETs'25, одном из ведущих журналов по приватности.

Цифры, мягко говоря, неприятные.

Наблюдая всего один сеанс браузера до и после «разрыва» с прошлой сессией, будь то удаление кук, смена IP или переключение на другой профиль, исследователи смогли деанонимизировать от 84 до 95 процентов пользователей. Один сеанс. Не неделя наблюдений. Не месяц данных. Один.

А через 60 секунд после «разрыва», пока пользователь успевал пролистать страницу и кликнуть пару раз, от анонимности оставалось 15-22 процента. Через десять минут, 90 процентов анонимности исчезало полностью.

Все инструменты защиты приватности, которые вызывают «разрыв», удаление кук, прокси-серверы, обфускация отпечатков, дают максимум минуту форы. После этого поведенческие паттерны просто заново идентифицируют вас.

Поведенческие отпечатки оказались стабильнее классических браузерных. Браузерный фингерпринт меняется при обновлении, установке плагина, смене разрешения. Поведение остаётся узнаваемым месяцами.

Ваше тело вас предаёт

Чтобы понять, почему это так сложно подделать, нужно понять, что именно ловят эти системы. И тут мы подходим к самому неприятному.

Исследователи из Мадридского автономного университета разработали систему BeCAPTCHA-Mouse, которая обнаруживает ботов по одной единственной траектории мыши. Одной. С точностью 93 процента.

Их подход основан на нейромоторной модели человеческого движения, так называемой сигма-логнормальной модели. Когда вы двигаешь мышку, вы думаете, что делаете простое линейное движение от точки A к точке B. На самом деле ваша рука совершает сложную последовательность микродвижений: первичное движение, коррективные подвижки, мышечный тремор. Всё это диктуется биомеханикой вашей руки, нервной системой и мышечным контролем.

Для проверки команда BeCAPTCHA-Mouse собрала бенчмарк из 15,000 траекторий мыши от 58 реальных пользователей и выложила его в открытый доступ. Затем попробовала обмануть детекторы генеративно-состязательными сетями. GAN учились на реальных человеческих траекториях и генерировали синтетические, которые визуально невозможно отличить от настоящих. Человек, глядя на график, не увидит разницы.

Но машинное обучение, как показано в их работе, опубликованной в Pattern Recognition, разницу находило легко. Почему? Потому что GAN может воспроизвести общую форму траектории, скорость, кривизну. Но не может воспроизвести непроизвольные нейромоторные сигналы. Мышечный микротремор. Характерные паттерны ускорения, которые возникают из-за физических ограничений суставов. Субструктуру коррективных движений, которые человек делает бессознательно.

Это как поддельная подпись. Можно скопировать форму букв. Но нельзя скопировать давление пера, микропаузы между штрихами, характерные дрожания руки. Тело оставляет подпись, которую сознание не контролирует.

Обзор в ACM Computing Surveys от 2024 года систематизировал исследования мышиной динамики с 1897 года. Координаты, временные метки, состояние кнопок, движение колеса. Из них вычисляются десятки производных: скорость, ускорение, джиттер, кривизна, угловая скорость, длительность клика, паттерны перетаскивания. Вместе они создают пространство признаков, в котором каждый человек занимает уникальное место.

Лучшие системы достигают Equal Error Rate менее 2.5 процента, что сравнимо с распознаванием отпечатков пальцев. Достаточно 10-30 секунд наблюдения за курсором.

Структура субдвижений особенно показательна: наводя курсор на кнопку, вы делаешь основное движение, промахиваешься, корректируешь. Количество и амплитуда этих коррекций уникальны. Распределение времени реакции у людей следует экс-гауссовскому распределению. Боты используют равномерные или нормальные задержки, и это заметно.

Закон Фиттса: время движения к цели логарифмически зависит от расстояния и размера цели. Люди подчиняются ему непроизвольно. Боты нет. Точное соблюдение этой зависимости требует моделирования не мыши, а всей нервной системы оператора.

Не только мышь: клавиатура тоже предаёт

Мышь, как мы выяснили, предаёт хозяина. Но клавиатура работает против вас с тем же энтузиазмом.

Каждый человек набирает текст с уникальным ритмом. Интервалы между нажатиями, время удержания каждой клавиши, характерные паузы перед определёнными буквами, скорость переключения между парами символов. Исследователи называют это keystroke dynamics: биометрический профиль, не менее уникальный, чем отпечаток пальца. Только для его снятия не нужен сканер. Достаточно веб-страницы с обработчиком событий клавиатуры.

Whonix wiki, обновлённый в феврале 2026 года, посвятил целую страницу клавиатурной деанонимизации. Предупреждение читается как инструкция по самообороне: паттерны набора текста позволяют идентифицировать пользователя даже через Tor, даже при полной смене цифровой идентичности. Содержание набранного текста вторично. Первично то, как вы его набираешь. Ритм. Тайминги. Микропаузы.

Ключевой вектор атаки: диграфы. Пары последовательных клавиш. Интервал между нажатиями «t» и «h» у вас один, у меня другой, у третьего человека третий. Этот интервал стабилен на протяжении месяцев. Когда вы набираешь «the», «that», «this», вы каждый раз воспроизводите свою уникальную временную подпись. Исследователи собирают десятки тысяч таких пар и строят профиль, который работает как отпечаток: статистически уникальный и практически неподделываемый.

Эти паттерны невозможно изменить сознательно. Можно заставить себя печатать медленнее, делать искусственные паузы. Но как только внимание переключается на содержание текста, характерный ритм возвращается. Как походка: можно изменить шаг на минуту, но через пять минут тело возвращается к дефолту.

IBM в ноябре 2025 года опубликовала обзор поведенческой биометрии, где выделила клавиатурную и мышиную динамику как два основных вектора непрерывной аутентификации. Идея простая: вместо одноразовой проверки пароля система постоянно сверяет, как вы печатаете и двигаете мышь, с вашим сохранённым профилем. Ритм изменился? Мышь двигается не так? Сессия блокируется. Не через минуту. Мгновенно. Это не лабораторная концепция. Банки и финтех-компании внедряют это прямо сейчас как основу «непрерывной аутентификации». Вы проходите проверку не один раз при логине, а каждую секунду, пока пользуетесь системой.

Обзор в ScienceDirect от октября 2025 года, посвящённый адаптивности поведенческой биометрии, подтвердил ключевой нюанс: паттерны набора текста медленно дрейфуют со временем. Человек стареет, меняет клавиатуру, привыкает к новой раскладке. Но скорость дрейфа настолько мала, что для идентификации в пределах одной сессии это не играет роли. Вы опознаваем за секунды. Дрейф занимает месяцы.

Вот что это означает на практике. Вы зашли на сайт через Tor. Подменили IP. Стёрли куки. Набрали логин и пароль. Ритм твоего набора уже сопоставлен с профилем, который сайт видел две недели назад с другого IP и из другого браузера. Вам казалось, что вы анонимны. Клавиатура считала иначе.

Что Google знает о вашей мышке

В январе 2026 года стало известно содержимое кода Google SearchGuard, ранее известного как BotGuard. Благодаря иску Google LLC против SerpAPI был деобфусцирован код BotGuard версии 41, и сообщество впервые увидело, что именно Google анализирует на стороне клиента.

Внутри оказалась виртуальная машина с байткодом, 512 регистрами и шифрованием ARX с ротирующимися магическими константами. Система спроектирована так, чтобы максимально затруднить реверс-инжиниринг. Но после деобфускации стали видны конкретные пороги, по которым Google отличает людей от машин.

Дисперсия скорости мыши ниже 10: бот. Нормальная человеческая дисперсия находится в диапазоне от 50 до 500. Если курсор двигается с машинной равномерностью, без естественных ускорений и замедлений, система это фиксирует.

Дисперсия скролла меньше 5 пикселей: бот. Человек скроллит рывками, разными по амплитуде. 40 пикселей, потом 70, потом 55. Машина скроллит на 100 пикселей, потом на 100, потом на 100. Фиксированные приращения, это красный флаг.

Дисперсия длительности нажатия клавиш менее 5 миллисекунд: бот. Человек зажимает клавиши на разное время, от 20 до 50 миллисекунд. Автоматизация выдаёт себя нечеловеческой стабильностью.

Более 200 событий в секунду: автоматизация. Нормальный человек генерирует 10-50 событий в секунду.

Google использует алгоритм Уэлфорда для вычисления дисперсии в реальном времени с буфером из 50 последних событий через reservoir sampling. Это значит, что система не ждёт окончания сеанса, чтобы вынести вердикт. Она считает на лету, по каждому движению. К моменту, когда вы добрался до конца поисковой выдачи, Google уже знает, человек вы или нет.

Скролл заслуживает отдельного разговора. Человеческий скролл имеет характерную инерцию: вы толкаешь колесо или проводишь по трекпаду, и страница продолжает двигаться с экспоненциальным затуханием. Физика трекпада и физика колеса создают разные паттерны, но оба неслучайны и привязаны к конкретному устройству и пользователю. SearchGuard считает отсутствие инерционного затухания прямым признаком автоматизации. Если страница скроллится рывками фиксированной длины без замедления, вы не человек.

И речь только о скроллинге и мышке. SearchGuard параллельно анализирует более 100 DOM-элементов на странице, проверяя целостность среды. Но именно поведенческие сигналы оказались самыми надёжными маркерами. Всё остальное можно подделать. Поведение, пока нет.

33 процента. Вот и вся защита Cloudflare.

Если вы думаешь, что стандартные системы защиты от ботов справляются с этой задачей, у меня для вас плохие новости.

В 2025 году Roundtable Research провели бенчмарк пяти основных систем обнаружения ботов. 150 сессий на каждую систему, 750 сессий в сумме. Три типа ботов: классические скрипты, инструменты автоматизации браузера и AI-агенты, включая ChatGPT.

Результаты:

Cloudflare Turnstile, один из самых распространённых инструментов защиты от ботов в мире, обнаружил 33 процента. Треть. Два из трёх ботов прошли мимо.

Google reCAPTCHA v3, собственная разработка компании, которая больше всех знает о поведении пользователей, обнаружил около 69 процентов. Лучше, но почти каждый третий бот проходил.

FingerprintJS Pro, популярное решение для фингерпринтинга устройств, обнаружил около 45 процентов.

А система, построенная на анализе поведения, на паттернах набора текста, движениях мыши и тайминге взаимодействий, показала 87 процентов. Разница в 2.6 раза по сравнению с Cloudflare.

Почему такой разрыв? Потому что Cloudflare и FingerprintJS в основном полагаются на фингерпринтинг устройств. А когда AI-агент запускает настоящий браузер с настоящим фингерпринтом, фингерпринтинг устройства бесполезен. Устройство настоящее. Браузер настоящий. Всё выглядит нормально. Но AI-агент кликает с идеальной точностью и неестественно стабильным временем реакции. Это и ловит поведенческий анализ.

По данным отчёта Imperva Bad Bot Report 2025, в 2024 году боты впервые за десятилетие составили 51 процент всего веб-трафика. Больше половины. 37 процентов всего трафика, это вредоносные боты. 44 процента продвинутого бот-трафика направлено на API. Больше трети всего мирового интернета, это машины, притворяющиеся людьми. И стандартные капчи ловят в лучшем случае лишь две трети из них.

Смерть одного сигнала

Есть ещё один важный контекст, объясняющий, почему поведенческий анализ стал так важен именно сейчас.

В мае 2025 года, тихо и без анонсов, команда V8 в Google убила один из самых мощных сигналов обнаружения ботов. Речь о детекции Chrome DevTools Protocol, механизме, который позволял сайтам обнаруживать, что браузером управляют через CDP. Этот сигнал работал больше двух лет и был основой множества систем антифрода.

Как работала детекция? Сайт создавал объект Error с кастомным геттером на свойстве stack и отправлял его в console.log. Если CDP был активен, Chrome сериализовал объект Error, вызывая геттер, и сайт мог это зафиксировать. Элегантный трюк, который ловил даже продвинутые инструменты автоматизации.

7-9 мая 2025 года в V8 появились коммиты, которые добавили проверку: является ли геттер пользовательским? Если да, V8 теперь просто пропускает его. Официальная причина: «предотвращение побочных эффектов при предварительном просмотре ошибок». На практике это означало: DevTools больше нельзя обнаружить. Точка.

Никаких анонсов. Никаких записей в блоге. Ни одного публичного обсуждения. Команда Castle.io обнаружила это только в августе 2025, спустя три месяца после изменения. Три месяца. За это время простейшие боты, которые раньше ловились мгновенно, проходили все проверки незамеченными. Антифрод-команды по всему миру смотрели на свои дашборды и не понимали, почему процент обнаружения упал.

Это изменение стало переломным моментом для индустрии. И оно идеально иллюстрирует хрупкость подхода, построенного на одном сигнале. Вчера у вас был надёжный детектор. Сегодня кто-то в команде V8 сделал коммит, и детектора больше нет. navigator.webdriver обходится одним флагом командной строки. CDP-детекция мертва. Headless Chrome использует ту же кодовую базу, что и обычный, и практически не отличим по фингерпринту. Единственное, что осталось надёжным, это поведение. Как вы двигаешь мышь. Как вы скроллишь. Как вы кликаешь.

Что видит WHOX

Четыре проверки WHOX касаются именно поведенческой биометрии.

C27 и C28: анализ движений мыши. Система вычисляет среднюю скорость, стандартное отклонение скорости, ускорение, кривизну по Менгеру, линейность траекторий и микроджиттер. C27 срабатывает, если кривизна слишком линейна, то есть курсор двигается по неестественно прямым линиям. C28 срабатывает при отсутствии микроджиттера, тех самых нейромоторных микродвижений, которые невозможно подделать.

C29: тайминг кликов. WHOX вычисляет коэффициент вариации между кликами. Если CV ниже 0.1, клики признаются роботизированными. Человек не способен кликать с машинной регулярностью, его интервалы всегда «гуляют».

C30: анализ скролла. Количество событий, средняя скорость, частота смены направления и, самое важное, наличие инерции. Человеческий скролл имеет характерное замедление в конце, экспоненциальное затухание от физики трекпада или колеса мыши. Отсутствие этого замедления, верный признак автоматизации.

Поведенческие сигналы работают в связке с остальными проверками. Если C27 показывает линейные траектории мыши, а A19 фиксирует маркеры автоматизации, а C50 обнаруживает загрязнение глобального пространства имён, это уже не подозрение, а подтверждённый вердикт. Система FORESIGHT связывает сессии через 18-сигнальный Mosaic Linking: TLS-фингерпринты, тайминги GPU, хеши Canvas и косинусное расстояние по скоростям мыши и скролла. Поведение составляет 8% веса Mosaic Linking и запускается второй стадией, после того как аппаратные сигналы дают предварительное совпадение. Два типа доказательств, аппаратный и биометрический, указывают на одного человека.

Даже Tor не спрячет, как вы двигаешь мышку

Tor Browser маскирует IP, подставляет стандартное разрешение экрана, устанавливает CPU-ядра на 2, память на 2 ГБ, часовой пояс на UTC. Отключает WebGL. Ограничивает шрифты. WHOX фиксирует это как «Tor-like» профиль. Но ни одна из этих мер не меняет того, как вы двигаешь мышку и печатаешь. Tor скрывает маршрут пакетов, а не ритм набора текста.

Среди 150,000 участников PoPETs'25 были пользователи VPN и прокси. Поведенческие паттерны нашли их всех.

Совет от исследователей? Посещайте меньше страниц. Разнообразьте сайты. Избегайте нишевого контента. Пользуйтесь интернетом меньше и скучнее.

Оптимальное окно для атакующего: 15-25 сеансов до «разрыва» и 10-15 после. Но даже с одним сеансом до и после результат составляет 84-95 процентов.

Можно было бы вводить шум в движения мыши на уровне драйвера. Но шум должен быть достаточно «человечным», чтобы не триггерить детекторы ботов. Мало шума, паттерн сохранится. Много шума, система пометит как бота. Попытка скрыть поведенческую подпись выглядит подозрительнее, чем её наличие.

Индустрия на переломе

Исследование Dimva 2020 показало, что все методы спуфинга фингерпринтов, кроме полной VM-рекреации, оставляют следы: webkit-префиксы рядом с moz-свойствами, файлы .dll в macOS-профилях, строка Angle на не-Windows системах. Browser Polygraph из IMC 2024 подтвердил, что ML-подход к оценке подлинности браузера работает на продакшн-масштабах.

Но даже идеальный антидетект-браузер не спасёт от поведенческого анализа. PoPETs'25 показал комбинированный F1-score 0.869 на выборке из 100,000 пользователей. Поведение находит то, что пропускает фингерпринт. Фингерпринт подтверждает то, что подозревает поведение.

Рынок поведенческой биометрии: $2.72 миллиарда в 2025 году, $11.38 миллиарда к 2031-му. Cagr 26.95%. Вдвое быстрее рынка кибербезопасности. Покупатели: банки, страховые, рекламные платформы, государства. Стоимость качественной имитации нейромоторных паттернов астрономически выше стоимости их обнаружения.

Тело продолжит говорить. Индустрия продолжит слушать.

Источники

Crichton, K., Cranor, L.F., Christin, N. "Rethinking Fingerprinting: An Assessment of Behavior-based Methods at Scale." PoPETs 2025, Vol. 4, pp. 795-811. DOI
Acien, A., Morales, A., Fierrez, J. et al. "BeCAPTCHA-Mouse: Synthetic Mouse Trajectories and Improved Bot Detection." Pattern Recognition, Vol. 127, 2022. arXiv
Khan, S. et al. "Mouse Dynamics Behavioral Biometrics: A Survey." ACM Computing Surveys, Vol. 56, No. 6, 2024. DOI
Roundtable Research. "Benchmarking Bot Detection Systems Against Modern AI Agents." August 2025. Link
Imperva. "2025 Bad Bot Report: How AI is Supercharging the Bot Threat." April 2025. Link
Castle.io. "Why a Classic CDP Bot Detection Signal Suddenly Stopped Working." August 2025. Link
Search Engine Land. "Inside Google SearchGuard." January 2026. Link
Kalantari, F. et al. "Browser Polygraph: Efficient Deployment of Coarse-Grained Browser Fingerprints." ACM IMC 2024, pp. 681-703. DOI
Azad, B.A. et al. "Taming the Shape Shifter: Detecting Anti-fingerprinting Browsers." Dimva 2020. PMC
DataDome. "How New Headless Chrome & the CDP Signal Are Impacting Bot Detection." June 2024. Link
Whonix Wiki. "Keystroke and Mouse Deanonymization." Updated February 2026. Link
IBM. "What is Behavioral Biometrics?" November 2025. Link
ScienceDirect. "Adaptability of Keystroke and Mouse Biometrics: A Survey." October 2025. Link
Mordor Intelligence. "Behavioral Biometrics Market Size, 2025-2031." Link

Часто задаваемые вопросы

Что такое поведенческий фингерпринтинг? Идентификация пользователя по паттернам взаимодействия с устройством: движениям мыши, скорости набора текста, ритму скролла и кликов. В отличие от классического фингерпринтинга, поведенческий анализ работает даже после полной смены цифровой идентичности.

Можно ли подделать поведенческие паттерны? Крайне сложно. Нейромоторные микродвижения (мышечный тремор, субструктура коррективных движений) определяются биомеханикой руки и не контролируются сознательно. GAN-сети воспроизводят общую форму траекторий, но не микросигналы.

Насколько быстро работает поведенческая деанонимизация? По данным PoPETs'25 (150,000 пользователей, 2 года): 60 секунд после «разрыва» > и 78-85% анонимности утрачено. Через 10 минут > 90%.

Защищает ли Tor от поведенческого фингерпринтинга? Tor скрывает IP и нормализует браузерные сигналы, но не меняет того, как вы двигаете мышь и печатаете. Среди 150,000 участников PoPETs'25 были пользователи VPN и прокси > поведенческие паттерны обнаружили всех.

Какой рынок у поведенческой биометрии? $2.72 миллиарда в 2025 году > $11.38 миллиарда к 2031 (Cagr 27%). Покупатели: банки, страховые, рекламные платформы, государства. Рост вдвое быстрее рынка кибербезопасности в целом.