术语表
这个品类被搜索时用的那些词
防关联浏览词汇的释义——每个术语是什么意思、在实践中让你付出什么代价,以及对应的机制落在 Argus 的哪个位置。
- 首页
- 术语表
共24条,每一条都可以单独读。凡是定义触及 Argus 所做之事的地方,都会写明哪些被落地、哪些没有——不做处理的采集面是被点名的,而不是被略去的。
防关联浏览器
为了在一台机器上运行多个彼此独立的身份而造的浏览器,每个身份都有自己的存储、自己的设备特征和自己的网络出口(anti-detect browser)。
浏览器指纹
网页能在几毫秒内、无需授权就读到的一组浏览器与机器属性,合在一起足以认出这台设备(browser fingerprint)。
Canvas 指纹
让浏览器画一个图形或一行文字,再对回读到的像素做哈希,由此得出的标识(canvas fingerprint)。
WebGL 指纹
由网页通过 WebGL 看到的图形硬件构成的标识:声明的 vendor 与 renderer 字符串,加上三维场景渲染出的像素(WebGL fingerprint)。
音频指纹
把一段合成音送进浏览器的音频栈处理,再对输出的数字做哈希得到的标识(audio fingerprint)。
WebRTC 泄露
网页从 WebRTC 建立连接的过程里读到你的真实 IP,绕过了浏览器其余部分正在使用的代理(WebRTC leak)。
用户代理客户端提示
Chromium 用来取代 user-agent 字符串的结构化方案:一组 Sec-CH-UA 请求头和一个 JavaScript 接口,分别上报浏览器、平台和硬件(user-agent client hints)。
Cookie 存储区
浏览器存放 Cookie 的那个库。共用一个库的一切也就共用一个身份,所以隔离是库的属性,而不是标签页的属性(cookie jar)。
浏览器环境
磁盘上的一个目录,装着一个浏览身份拥有的一切——Cookie、存储、缓存、历史与设置——在防关联浏览器里还包括它的指纹和代理(browser profile)。
住宅代理
出口地址属于家庭宽带线路的代理,正因如此,从它登录才显得毫不起眼(residential proxy)。
数据中心代理
架设在机房里的代理。快、便宜,而且明摆着能被认出是托管地址——适合抓取公开页面,不适合用来登录(datacenter proxy)。
ISP 代理
登记在家庭运营商名下、却架设在机房里的地址:数据中心的速度与稳定,配上住宅的注册信息(ISP proxy)。
移动代理
从运营商网络出网的代理,一个地址由成千上万部真实手机共用——这正是它更被容忍的原因(mobile proxy)。
SOCKS5
一种通用代理协议,只转发 TCP 连接而不检查其内容,可以选择加上用户名和密码(SOCKS5 proxy)。
代理轮换
自动更换出口地址——按请求或按定时。适合采集公开页面,不适合已登录的会话(proxy rotation)。
多账号运营
在一台机器上运营同一平台的多个账号,而不被读作同一摊生意(multi-accounting)。
账号关联
平台从存储、设备、网络或行为判定两个账号属于同一个操作者(account linking)。
设备熵
一台设备对外声明的属性带有多少可用于识别的信息——以比特衡量,靠显得普通而不是靠隐藏来降低(device entropy)。
TLS 指纹
根据客户端建立 TLS 连接的方式算出的标识——ClientHello 里的密码套件、扩展及其排列顺序(TLS fingerprint)。
Cookie 注入
把一份保存好的 Cookie 写进一个全新的浏览器环境,让它一打开就已经是登录状态,无需输入密码(cookie injection)。
无头浏览器
在没有可见窗口的情况下运行的真实浏览器引擎,通常受自动化驱动。大批量跑起来便宜,也越来越容易被网站认出来(headless browser)。
无浏览器采集
用普通 HTTP 直接向网站自己的列表接口取数,全程不启动浏览器——快、便宜,且只在数据本就结构化的地方可行(browserless collection)。
验证码代解
把一次挑战交给第三方服务去作答。偶尔有用,但远不能替代「不触发这次挑战」(CAPTCHA solving)。
时区与地理位置伪装
让浏览器报出与会话自称所在地相符的时钟——有时还有坐标——而不是机器实际所在地的(timezone spoofing)。