AudioContext-fingerprinting is een vorm van browser-fingerprinting waarbij wordt gemeten hoe een apparaat een heel klein, onhoorbaar geluidsfragment verwerkt met behulp van de Web Audio API. De output wordt gehasht, zodat vergelijkbare hardware- en softwarestacks vergelijkbare signaturen opleveren. Deze signaturen kun je gebruiken om terugkerende klanten te herkennen of automatisering te detecteren.
Hoe werkt fingerprinting bij AudioContext?
Een script maakt een AudioContext, voert een standaardoscillator door knooppunten zoals een compressor of filter, en leest vervolgens drijvende-kommageluidsfragmenten terug. Kleine verschillen in CPU, audiostack en browserversies beïnvloeden de afronding en timing, waardoor de samplevector per computer verschilt. De pagina hasht die vector (of een deel ervan) tot een korte tekenreeks.
De test duurt meestal maar een paar milliseconden en er klinkt geen geluid via de luidsprekers. Het hoort bij dezelfde familie als canvas- en WebGL-probes: met script uitgevoerde metingen die verder gaan dan gewone headers. Privacybrowsers kunnen ruis toevoegen of de precisie verlagen om de uniekheid te verminderen. Leveranciers kijken ook of de API ontbreekt of in veel sessies identieke samples teruggeeft, wat kan duiden op verwijderde automatiseringsruntimes.
Waarom is dit belangrijk voor click fraud en advertentiefraude?
Fraude- en risicosystemen beschouwen audio-hashes als een apparaatsignaal binnen een bredere score. Virtuele machines, browsers in containers en sommige bot-frameworks gebruiken dezelfde audiopijplijn, waardoor veel sessies kunnen worden teruggebracht tot een handvol hashes, zelfs als IP-adressen en cookies wisselen. Dat helpt detectieteams bij het opsporen van klikboerderijen of gescript verkeer in advertentie- en click fraud-campagnes. Als de API plotseling ontbreekt in een verder moderne browser, kan dat ook een teken zijn dat iemand de stack heeft gestript om controles te omzeilen.
Audio alleen is geen bewijs van fraude; gedeelde hashes kunnen ook duiden op gewone bedrijfslaptops. Analisten combineren dit met TLS-vingerafdrukken, verdacht gedrag en conversiekwaliteit. Adverteerders die schoner verkeer willen, koppelen gegevens van leveranciers vaak aan handleidingen, zoals hoe je botverkeer op je website kunt detecteren.
