Frost: 利用基于 OPFS 的 SSD 时序进行远程浏览器指纹识别

来源：Hacker News 原文标题：Frost: [Browser] Fingerprinting Remotely Using OPFS-Based SSD Timing

背景

在 Web 隐私领域，浏览器指纹识别（Browser Fingerprinting）一直是追踪用户身份的核心手段。传统的指纹技术主要依赖于读取浏览器的硬件配置（如 CPU 型号、GPU 渲染能力）、软件环境（如操作系统版本、浏览器 User-Agent）以及通过 Canvas 或 WebGL 渲染差异来生成唯一标识。然而，随着隐私保护技术的进步，许多基础指纹特征正逐渐被标准化或模糊化。

与此同时，Web 存储技术也在不断演进。Origin Private File System (OPFS) 是 Web API 的一项较新特性，允许网页应用直接访问用户设备上的持久化存储空间，其性能接近原生文件系统，远超传统的 IndexedDB。由于 OPFS 直接依赖于底层的存储硬件（通常是 SSD），研究人员开始思考：是否可以通过测量 OPFS 的读写速度，来推断用户设备的存储硬件类型，从而构建一种新的、难以被传统隐私策略防御的指纹特征？

核心内容

这篇由 Frost 团队发布的论文（PDF）提出了一种名为 Frost 的新型远程浏览器指纹识别技术。该技术利用 OPFS 的 I/O 延迟差异，通过测量存储操作的时间，来推断用户设备所使用的 SSD 控制器和 NAND 闪存类型。

1. 技术原理：存储硬件的时序特征

不同的 SSD 控制器（如 Phison、Silicon Motion、Samsung 自研等）和 NAND 闪存颗粒（SLC、MLC、TLC、QLC）在处理写入操作时，表现出显著不同的时序特征。特别是当 SSD 的可用空间减少或处于“垃圾回收”（Garbage Collection, GC）活跃期时，写入延迟会出现波动。

Frost 的核心思路是：

• OPFS 作为探针：利用浏览器中的 OPFS API 执行大量的写入操作。
• 时序测量：精确测量这些写入操作完成所需的时间。
• 特征提取：通过分析写入延迟的分布、峰值和平均值，识别出特定的硬件指纹。

2. 攻击模型与执行流程

Frost 攻击可以在远程网页中执行，无需用户交互或额外权限（除了标准的 Web 存储权限）。其工作流程如下：

1. 初始化：网页脚本创建一个 OPFS 文件并获取句柄。
2. 预热阶段：执行少量写入操作，使 SSD 进入正常工作状态，消除冷启动偏差。
3. 测量阶段：
   • 执行一系列不同大小的写入操作。
   • 记录每次写入的耗时。
   • 重复多次以获取统计分布。
4. 指纹生成：将收集到的时序数据转化为一个唯一的指纹字符串。

3. 关键发现：SSD 类型的可区分性

实验表明，Frost 能够以高准确率区分以下硬件特征：

• SSD 控制器型号：不同厂商的控制器在处理突发写入时的队列深度和延迟处理策略不同。
• NAND 类型：TLC 和 QLC 闪存由于写入放大效应（Write Amplification）和垃圾回收机制的差异，表现出与 SLC/MLC 截然不同的延迟曲线。
• 设备状态：Frost 还能检测到 SSD 是否处于“满盘”状态或正在进行后台垃圾回收，这进一步增加了指纹的熵值。

4. 对抗现有隐私保护机制

• 与 Canvas/WebGL 指纹的区别：传统图形指纹依赖于渲染引擎的差异，而 Frost 依赖于存储硬件的物理特性，两者正交，可结合使用以提高识别率。
• 难以通过软件模糊化防御：由于 OPFS 直接映射到硬件 I/O，浏览器很难在不显著牺牲性能的情况下对时序进行模糊化。任何试图平滑延迟的措施都会导致性能下降，影响用户体验。

关键要点

• 新型指纹维度：Frost 开辟了基于“存储硬件时序”的指纹新维度，补充了现有的 CPU、GPU 和软件环境指纹。
• 高准确率：在受控实验中，Frost 能够以超过 90% 的准确率区分不同品牌和型号的 SSD。
• 远程执行：攻击完全在浏览器沙箱内通过标准 Web API 完成，无需插件或本地代理。
• 依赖 OPFS 普及度：该技术的有效性取决于 OPFS 在主流浏览器中的支持率和性能表现。目前 Chrome 已广泛支持 OPFS，使其具备大规模部署的潜力。
• 隐私风险升级：即使用户清除了 Cookie 和本地存储数据，Frost 生成的硬件指纹依然持久且难以重置，因为它是基于物理硬件特性的。
• 防御困难：传统的隐私保护手段（如禁用第三方 Cookie、启用“不追踪”模式）对 Frost 无效。浏览器厂商需要在 API 层面引入时序噪声或限制测量精度，但这可能影响合法应用的性能。

意义与影响

Frost 的研究揭示了 Web 平台在提供强大存储能力的同时，无意中引入了新的隐私泄露渠道。

1. 对隐私倡导者的警示： 该研究证明，仅靠软件层面的隐私保护（如清除数据、使用隐私浏览器）已不足以抵御高级追踪。硬件级别的指纹识别正在成为追踪者的重要工具。用户可能需要考虑更底层的隐私保护策略，如使用虚拟机、隔离环境或专用硬件。

2. 对浏览器厂商的挑战： Chrome、Firefox 和 Safari 等浏览器厂商面临两难选择：一方面要支持 OPFS 以提升 Web 应用性能（如视频编辑、大型游戏），另一方面要防止其被滥用为指纹识别工具。可能的解决方案包括：

   • 引入随机延迟噪声。
   • 限制 OPFS 写入操作的精度或频率。
   • 提供“隐私模式”下的 OPFS 降级性能。

3. 对 Web 应用开发者的影响： 依赖 OPFS 构建高性能应用（如 PWA 视频编辑器、云游戏）的开发者需注意，其应用可能无意中成为指纹识别的一部分。虽然这不影响功能，但可能影响用户隐私体验。

4. 学术与工业界的研究方向： Frost 为侧信道攻击在 Web 环境中的应用提供了新案例。未来研究可能聚焦于：

   • 其他 Web API（如 WebGPU、WebAssembly）是否也存在类似的硬件时序泄露。
   • 如何设计既高性能又隐私保护的存储 API。
   • 开发更有效的指纹检测与防御工具。

总之，Frost 不仅是一项技术突破，更是对当前 Web 隐私生态的一次深刻提醒：在追求性能与功能的同时，必须重新审视硬件特性带来的隐私风险。