fingerprinting

FLINT是一个黑盒框架，仅利用5G物理层调度元数据即可指纹识别联邦学习模型架构（CNN、RNN、Transformer），在空口测试平台上达到0.930宏F1分数。

本文提出了一个数学框架，用于分析在李群作用下机器学习模型丢弃的信息，引入了零纤维和稳定化子，并应用于数据掩码、模型指纹识别和隐私保护计算，在分子和图像任务上进行了测试。

文章认为，大型语言模型（LLMs）通过分析写作风格，越来越能够将化名身份关联起来，并预测未来所有高带宽交互都会留下可追踪的独特指纹。

Chromium 148 对 Math.tanh 进行了更改，使其可用于指纹识别底层操作系统，引发隐私担忧。

Fortress 是一款隐身Chromium引擎，它在C++层面修改浏览器指纹，帮助爬虫和浏览器代理避免被诸如Cloudflare Turnstile、CreepJS和Sannysoft等机器人检测器检测。它可作为Playwright和Puppeteer的即插即用CDP替代方案。

作者详细介绍了一个完全本地、无云API的AI代理网络调研技术栈，使用自托管SearXNG、持久缓存、TLS指纹抓取、无头浏览器回退以及本地重排序器，并邀请社区讨论类似方案。

Claude Code 有一个隐藏机制，通过修改模型上下文中的日期字符串来对通过自定义端点路由的请求进行指纹识别，尤其是那些与中国相关的请求。

争议爆发，Claude Code 被指控通过不可见的提示格式更改，秘密对与中国相关的自定义代理路由进行指纹识别，这引发了对人工智能代理的信任和可审计性的严重担忧。

一种名为 FROST 的新技术利用浏览器中的 SSD 时序侧信道来监视用户活动，无需用户进行任何交互（仅需访问恶意网站）即可识别打开的网站和应用程序。

本文介绍了FROST，一种通过利用基于OPFS的SSD存储时序差异来远程指纹识别用户的技术。

Cloudflare 的 Turnstile 现在要求使用 WebGL 指纹识别进行设备验证，从而阻止了 WebKitGTK 浏览器并引发隐私担忧。

一位开发者发现，40%的浏览器代理会话因浏览器指纹识别和自动化检测而悄然失败，而非LLM推理问题。一个名为Leakish的开源工具发现了这些问题。

一名研究人员逆向工程了AppLovin的广告中介加密协议，发现其使用弱的非加密伪随机数生成器和静态盐值来加密设备信息，即使在用户拒绝追踪权限的情况下，也允许在应用间确定性重新识别iPhone。

一项分析显示，Mullvad VPN 并非随机分配退出 IP，而是基于 WireGuard 密钥确定性分配，导致只有少量 IP 组合，能在不同会话中唯一识别用户，从而削弱了匿名性。

本文证明，网站可以通过分析浏览代理的行为模式和时序数据，识别其背后的大语言模型，在14个前沿LLM上实现了高达96%的F1分数。本文正式定义了这一攻击面，并表明随机时序延迟不足以阻止识别。