Warning: file_get_contents(/data/phpspider/zhask/data//catemap/9/javascript/429.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Javascript 指纹、js跨浏览器和专用浏览器问题_Javascript_Cross Browser_Fingerprinting_Fingerprintjs - Fatal编程技术网

Javascript 指纹、js跨浏览器和专用浏览器问题

Javascript 指纹、js跨浏览器和专用浏览器问题,javascript,cross-browser,fingerprinting,fingerprintjs,Javascript,Cross Browser,Fingerprinting,Fingerprintjs,我用的是指纹 参考: 它工作正常,每次我使用特定页面时都会生成相同的代码。但当相同的代码和页面在同一浏览器的私有模式下执行时,会生成不同的代码 var fingerprint = new Fingerprint({ ie_activex: true, screen_resolution: true, canvas: true}).get(); console.

我用的是指纹 参考:

它工作正常,每次我使用特定页面时都会生成相同的代码。但当相同的代码和页面在同一浏览器的私有模式下执行时,会生成不同的代码

var fingerprint = new Fingerprint({
                       ie_activex: true,
                       screen_resolution: true,
                       canvas: true}).get();
console.log(fingerprint);

我应该怎么做才能在私有模式下保持相同。

指纹JS首先用浏览器信息构建一个大字符串,然后对该字符串进行散列。 您可以在常规模式和私有模式下比较此字符串,看看有什么不同,即。 在私有模式下,浏览器停止返回的信息。有了这些信息,您将能够决定未来的步骤。
例如,自定义库以满足您的特殊需要。

指纹JS首先使用浏览器信息构建一个大字符串,然后对该字符串进行哈希运算。 您可以在常规模式和私有模式下比较此字符串,看看有什么不同,即。 在私有模式下,浏览器停止返回的信息。有了这些信息,您将能够决定未来的步骤。
例如,定制库以满足您的特殊需要。

这有什么重要原因吗?准确率不是100%。是的,因为私人浏览器,这很重要!现在,我必须识别用户机器或浏览器(默认和专用)。我该怎么办。我正在使用指纹JSPrivate和默认浏览将/可能有不同的行为(例如,不同加载的插件),因此它们可能有不同的指纹。所以,如果你能解释一下为什么你需要这个,那么可能会给出一个解决方案。我们有一个网站,我们为每个用户注册i2c支付10.00美元。现在,通常情况下,我们会收到100-150个同名的注册,几乎相同的电子邮件,但时间相差很短。现在我们想在一定时间内阻止该用户。@t.niese问题不在于指纹不同,而在于指纹完全不同,基本哈希算法不合适,因为它们表现出“雪崩效应”,而合适的行为是类似的设备应该有类似的哈希。理想情况下,散列的相似性应该使我们能够确定两个散列属于同一设备/用户的概率。这有什么重要的原因吗?准确率不是100%。是的,因为私人浏览器,这很重要!现在,我必须识别用户机器或浏览器(默认和专用)。我该怎么办。我正在使用指纹JSPrivate和默认浏览将/可能有不同的行为(例如,不同加载的插件),因此它们可能有不同的指纹。所以,如果你能解释一下为什么你需要这个,那么可能会给出一个解决方案。我们有一个网站,我们为每个用户注册i2c支付10.00美元。现在,通常情况下,我们会收到100-150个同名的注册,几乎相同的电子邮件,但时间相差很短。现在我们想在一定时间内阻止该用户。@t.niese问题不在于指纹不同,而在于指纹完全不同,基本哈希算法不合适,因为它们表现出“雪崩效应”,而合适的行为是类似的设备应该有类似的哈希。理想情况下,散列的相似性应使我们能够确定两个散列属于同一设备/用户的概率。