[发明专利]一种基于浏览器的高性能用户追踪方法

说明书

技术领域

本发明属于信息收集技术领域，尤其涉及一种基于浏览器的高性能用户追踪方法。

背景技术

随着用户隐私安全意识越来越高，以及Cookie暴漏的安全问题也随之增长，用户通过安装插件或者禁用Cookie等方法来保护个人隐私。Canvas指纹技术是虽然能有效的追踪一个用户，由于Canvas渲染技术是基于用户的硬件设备，所以该技术有一个很高的碰撞率。对于一些恶意攻击者，通过VPS或者其他加密代理的方式来隐藏自己的信息，使得追踪和识别变得更加困难。传统的分析日志的方式只能对攻击事件进行分析，并不能有效的追踪恶意攻击者，用户的追踪和识别依旧非常艰难。EFF提出的Browser Fingerprint指纹识别技术能够有效且唯一地识别用户的浏览器特征信息，但是在追踪用户方便并不高效。

发明内容

本发明要解决的技术问题是，提供一种基于浏览器的高性能用户追踪方法。

为解决上述问题，本发明采用如下的技术方案：

一种基于浏览器的高性能用户追踪方法包括以下步骤：

步骤1、获取用户浏览器特征信息，生成相应的Fingerprint指纹值，并将所述用户浏览器特征信息以及相应的Fingerprint指纹值发送到相应的后台服务器；

步骤S2、根据所述用户浏览器特征信息以及相应的Fingerprint指纹值，依据策略性指纹识别方法对得到的相应数据进行关联处理；

步骤S3、将关联后的用户客户端信息存储到Redis数据库，使用过滤识别方式对新的指纹数据进行处理，判定两个指纹信息是否相关联。

作为优选，用户浏览器特征的信息包括浏览器本身的特征信息以及浏览器所在终端的信息；浏览器本身的特征信息包括：浏览器UA、语言Language、使用字体Font、安装插件Plugins、Cookie和Canvas信息、浏览器所属的平台Platform、HTML5的本地存储机制Local_stroage和Session_stroage、是否允许追踪Do Not Track等；浏览器所在终端的信息包括：公网和内网IP；色彩深度Color_depth；时区Time_zone；屏幕分辨率Resolution等。

作为优选，步骤S2中通过fingerprint值、cookie和canvas、内网IP和外网IP三组唯一标识用户的方式来对指纹信息进行关联性的比对判断。

作为优选，步骤S3中，当出现新的指纹信息，先将其与redis数据库中已被识别的指纹进行比对，若存在则可直接存入相应的数据库，若不存在则重新与所有指纹进行策略性识别关联比对。

作为优选，如果不能通过fingerprint值、cookie和canvas、内网IP和外网IP三组唯一标识用户的方式来对指纹信息进行关联性的比对判断，则需要对剩余的特征信息进行进一步的判别分析，具体为：对于特征信息值长度较短的直接进行字符串比对；使用Difflib库对特征信息值长度较长的进行字符串相似比较，通过Difflib库的ratio()函数求得特征信息值的相似度值，若该相似度值在特征对应的阈值范围内，则认为特征信息相同；结合计算比较的结果与对应权重值相乘，可得出两条指纹最终的指纹相似度值；将所述指纹相似度值与浏览器指纹的相似度阈值进行比对，在阈值范围内的指纹相似度值则表明其所代表的两条指纹来自于同一浏览器。

作为优选，利用德尔菲方法给每个浏览器特征信息设定权重，得出最终的权重值。

本发明为了实现有效追踪用户，收集用户浏览器特征的信息，并在大批量的用户浏览器特征信息中高效地识别出因浏览器特征信息改变生成的不同的Fingerprint值，同时采用策略性的识别方法，依托于一个搭建在公网服务器上的一个站点，主要负责收集用户的浏览器特征信息，对不同阶段的有改变的指纹进行有效的关联和识别，以实现高性能用户追踪。