分类： 技术术语

定义

Canvas 指纹（Canvas Fingerprinting）是一种基于 HTML5 Canvas API 的浏览器指纹采集技术。其原理是通过 JavaScript 在隐藏的 Canvas 画布上绘制特定图形或文字，然后读取像素数据生成哈希值。由于不同设备的操作系统、显卡驱动、字体渲染引擎存在微小差异，同一段绘图代码在不同设备上产生的像素输出略有不同，从而形成具有唯一性的”指纹”。

工作原理

Canvas 指纹的采集流程通常分为以下步骤：

1. 创建隐藏画布：在页面中生成一个不可见的 <canvas> 元素；
2. 执行绘图操作：绘制包含中英文字符、渐变色块、几何图形的混合内容；
3. 提取像素数据：调用 canvas.toDataURL() 或 getImageData() 获取原始像素；
4. 生成哈希值：对像素数据进行哈希运算（如 MurmurHash3），得到 32 位或 64 位的指纹字符串。

渲染差异来源主要包括：GPU 型号与驱动版本、操作系统字体子像素渲染策略、抗锯齿算法差异等。

概念辨析

Canvas 指纹是浏览器指纹体系的组成部分之一，但两者并非同一概念：

• 浏览器指纹：聚合多维度信号（User-Agent、语言、时区、插件列表、Canvas、WebGL、AudioContext 等）形成综合设备标识；
• Canvas 指纹：专指基于 Canvas 渲染差异的单一维度指纹，是浏览器指纹的重要子集；
• WebGL 指纹：原理类似，但通过 WebGL API 渲染 3D 图形提取 GPU 渲染特征，与 Canvas 指纹常配合使用以提高识别精度。

应用场景

在跨境电商防关联领域，Canvas 指纹具有以下典型应用：

• 平台关联检测：亚马逊、TikTok Shop 等平台通过比对 Canvas 指纹判断多个店铺是否来自同一设备；
• 指纹浏览器防护：AdsPower、飞跨浏览器等工具通过覆写 Canvas API 的返回值（注入噪声像素），为每个浏览器配置文件生成独立的 Canvas 指纹，规避平台关联检测；
• 风控评估：安全研究人员使用 Canvas 指纹一致性分析识别自动化爬虫与真实用户行为差异。

参考资料

• Mowery, K., & Shacham, H. (2012). Pixel Perfect: Fingerprinting Canvas in HTML5. Web 2.0 Security & Privacy Workshop.
• Englehardt, S., & Narayanan, A. (2016). Online Tracking: A 1-million-site Measurement and Analysis. ACM CCS 2016.
• Electronic Frontier Foundation (EFF). Cover Your Tracks – Browser Fingerprinting. coveryourtracks.eff.org.