Fingerprinting

Fingerprinting é como um site identifica um navegador sem cookies ou endereço de IP, lendo características que a própria conexão expõe por conta própria. Isoladamente, cada característica parece inofensiva; combinadas, elas identificam um dispositivo ou uma instância de navegador, e revelam automação quando as peças não se encaixam.

Esta seção é a teoria por trás dos guias de Stealth. Você não precisa dela para permanecer indetectável na prática, mas ela explica o que um sistema de detecção realmente mede e por que uma única inconsistência te entrega.

A detecção acontece em três camadas

Uma requisição é fingerprinted em três níveis, e os sistemas anti-bot modernos correlacionam todos eles:

• Rede: a pilha TCP/IP, o handshake TLS e as configurações de HTTP/2, todos lidos antes de qualquer JavaScript rodar.
• Navegador: renderização de canvas e WebGL, fontes, áudio e propriedades do navigator, lidas assim que a página carrega.
• Comportamental: movimento do mouse, ritmo das teclas e padrões de rolagem, lidos conforme você interage.

As camadas são checadas umas contra as outras. Um User-Agent de Chrome sobre um fingerprint TLS de Firefox, ou um fingerprint de navegador impecável com movimento robótico de mouse, é pego por qualquer coisa que compare sinais. A consistência entre as três importa mais do que a perfeição em qualquer uma delas.

A regra central

Toda camada tem que contar a mesma história. Se o seu fingerprint TLS diz Chrome 120, então as suas configurações de HTTP/2, o seu User-Agent e o seu canvas renderizado também têm que dizer Chrome 120. Uma contradição já basta para marcar a sessão.

As três camadas em profundidade

• Network fingerprinting: identificação nas camadas de transporte e de sessão, antes da renderização. TCP/IP (TTL, tamanho de janela, ordem das opções), TLS (JA3/JA4, cipher suites, ALPN) e HTTP/2 (SETTINGS, prioridades). A camada mais difícil de mudar, porque vem do sistema operacional e do binário real.
• Browser fingerprinting: identificação através de APIs JavaScript e da renderização. Artefatos de canvas e WebGL da GPU real, áudio, enumeração de fontes e propriedades do navigator. É aqui que a maioria dos eventos de detecção acontece.
• Behavioral fingerprinting: identificação a partir de como você interage. Trajetória e velocidade do mouse, ritmo das teclas e dinâmica de rolagem, às vezes pontuados por modelos treinados em grandes conjuntos de dados comportamentais. Pode pegar automação mesmo quando as outras camadas estão limpas.

Relacionado

Esta seção explica a detecção. Para o que o Pydoll faz a respeito dela e as alavancas que você controla, veja os guias de Stealth:

• Evasion techniques: o que o Pydoll te dá de graça e como manter as camadas consistentes.
• Fingerprint injection: aplicar uma identidade coerente entre as camadas.
• Human-like interactions: a camada comportamental.

Nenhuma camada te torna indetectável

O conhecimento sobre fingerprinting reduz a distância; ele não a elimina. Acertar uma camada enquanto outra a contradiz é pior do que um navegador não modificado. Use isso para entender o que você está enfrentando, não como uma garantia.