NestBrowser NestBrowser

CPU核心數指紋原理與防範

引言

在數位行銷與跨境電商領域，瀏覽器指紋技術早已不是什麼新鮮概念。然而，大多數人關注的是 Canvas 指紋、WebGL 指紋、字型指紋等常見維度，卻往往忽略了一個看似簡單卻極具辨識度的硬體參數——CPU 核心數指紋。

CPU 核心數作為瀏覽器環境中的一項底層硬體資訊，能夠被 JavaScript 透過 navigator.hardwareConcurrency 這個 API 直接獲取。它不像 IP 位址那樣可以被代理輕鬆改變，也不像 Cookie 那樣可以被一鍵清除，它是裝置硬體級別的特徵，穩定且難以偽造。正因如此，CPU 核心數指紋正逐漸成為網站辨識和追蹤用戶的「秘密武器」。

本文將從技術原理、檢測方式、應用場景、對抗策略四個維度，全面解析 CPU 核心數指紋，並探討如何在實際業務中有效管理這一指紋維度。

CPU 核心數指紋的技術原理

在現代瀏覽器中，JavaScript 可以透過navigator.hardwareConcurrency屬性獲取當前裝置可用的 CPU 邏輯核心數。這個屬性回傳一個整數，範圍通常在 1 到 16 之間，部分高階伺服器裝置可能更高。

從底層實作來看，瀏覽器透過作業系統提供的系統呼叫獲取 CPU 核心資訊。在 Windows 上，它依賴於GetSystemInfo或GetLogicalProcessorInformationAPI；在 macOS 上則透過sysctl獲取；在 Linux 中則讀取/proc/cpuinfo或呼叫sched_getaffinity。

為什麼 CPU 核心數能成為指紋特徵

CPU 核心數之所以能作為指紋特徵，主要基於以下幾點：

  1. 穩定性極高：只要不更換裝置或修改系統配置，CPU 核心數不會變化，這使得它非常適合做長期追蹤標識。
  2. 多樣性有限但有效：雖然 CPU 核心數可能的值範圍較小（1-16 之間），但與其他指紋維度組合使用時，能顯著提升指紋的唯一性。根據國內外多個指紋研究機構的統計，在 10 萬級樣本中，僅 CPU 核心數這一項就能將用戶區分度提升約 15%-20%。
  3. 難以偽造：相較於 User-Agent 或 Canvas 指紋，篡改 CPU 核心數需要修改瀏覽器底層行為，一般用戶幾乎無法做到。

網站如何採集 CPU 核心數指紋

被動採集與主動探測

網站採集 CPU 核心數指紋的方式通常分為兩類：

  • 被動採集：透過頁面載入時執行的 JavaScript 腳本，直接讀取navigator.hardwareConcurrency屬性。這種方式無需用戶互動，幾乎所有的現代網站分析腳本都會這麼做。

  • 主動探測：部分反詐欺系統會透過計算密集型任務（如 Web Workers 並行計算）來間接推斷 CPU 核心數。透過觀察計算任務的完成時間與並行效率，可以反推裝置的實際核心數量。

// 典型的被動採集程式碼
const cpuCores = navigator.hardwareConcurrency || 'unknown';
// 將結果發送至伺服器
fetch('/fingerprint', {
  method: 'POST',
  body: JSON.stringify({ cpuCores })
});

與其他指紋維度的關聯分析

CPU 核心數指紋很少單獨使用，它通常與以下維度組合，建構更精確的裝置畫像：

  • 作業系統類型：不同作業系統的 CPU 排程策略不同
  • 記憶體大小：透過navigator.deviceMemory獲取，與 CPU 核心數高度相關
  • 螢幕解析度：特定解析度的裝置往往有特定的硬體配置
  • GPU 型號：透過 WebGL 獲取，與 CPU 共同構成完整的硬體指紋

當一個網站同時檢測到你的 CPU 是 8 核、記憶體 8GB、螢幕 1920x1080、作業系統 Windows 10，那麼它對你的裝置畫像已經足夠精確。

CPU 核心數指紋在跨境電商與社交媒體中的應用

跨境多帳號營運的惡夢

對於跨境電商賣家或社交媒體營運者來說，CPU 核心數指紋是導致帳號關聯的「隱形殺手」。

假設你在一台 16 核的桌上型電腦上同時登入了 5 個 Facebook 帳號或 5 個 Amazon 賣家帳號。雖然你使用了不同的 IP 位址、清除了 Cookie、甚至更換了瀏覽器設定檔，但 Facebook 或 Amazon 的反關聯系統透過比對 CPU 核心數、記憶體大小、GPU 型號等硬體指紋，極有可能判定這些帳號屬於同一裝置，從而觸發關聯封號。

在實際案例中，某跨境賣家使用一台 12 核 MacBook 管理 8 個 Shopify 店鋪，雖然每個店鋪使用了不同的代理 IP 和 Chrome 瀏覽器，但 Shopify 的安全系統透過 CPU 核心數+螢幕解析度+WebGL 的組合指紋，成功識別出這些店鋪來自同一裝置，最終導致 6 個店鋪被限制銷售權限。

社交媒體平台的追蹤策略

Twitter、LinkedIn、TikTok 等社交媒體平台同樣利用 CPU 核心數指紋進行反爬蟲與反自動化檢測。當你的操作行為（如點擊頻率、頁面滾動模式）與 CPU 核心數所暗示的裝置效能不匹配時，系統會判定為機器人操作。

例如，一個 4 核低階手機不可能實現毫秒級的批量關注操作，一個 16 核伺服器也不可能擁有觸控螢幕互動特徵。這些硬體指紋與行為特徵的矛盾，是平台識別自動化工具的重要依據。

如何檢測與查看自己的 CPU 核心數指紋

線上檢測工具

你可以透過一些線上工具查看自己的 CPU 核心數指紋暴露情況：

  • 訪問 https://browserleaks.com/ 查看硬體指紋部分
  • 使用 https://amiunique.org/ 檢查你的瀏覽器指紋唯一性
  • 在 Chrome 開發者工具的 Console 中直接輸入 navigator.hardwareConcurrency 查看結果

指紋資料的變化範圍

在不同裝置和瀏覽器上，CPU 核心數指紋的表現有所差異：

裝置類型典型 CPU 核心數瀏覽器相容性
低階手機4-6 核良好
中高階手機8 核良好
輕薄筆電4-8 核良好
遊戲本/工作站8-16 核良好
伺服器16-64 核部分瀏覽器限制返回 8

值得注意的是，部分瀏覽器（如 Safari）在某些情況下會對navigator.hardwareConcurrency回傳值進行截斷處理，將其限制在 8 以內，以降低指紋精度。

對抗 CPU 核心數指紋的策略

常規防禦手段的局限性

傳統的隱私保護手段對 CPU 核心數指紋幾乎無效：

  • 清除 Cookie：不影響硬體參數的讀取
  • 使用 VPN/代理：不改變本地硬體資訊
  • 開啟無痕模式：仍然會暴露完整的硬體指紋
  • 修改 User-Agent：無法影響navigator.hardwareConcurrency的回傳值

專業解決方案：指紋瀏覽器

要真正管理 CPU 核心數指紋，需要能夠控制瀏覽器底層硬體參數的工具。這類工具被稱為指紋瀏覽器或反關聯瀏覽器，它們透過修改瀏覽器核心的 API 回傳值，讓網站讀取到的硬體資訊與實際裝置不同。

在這方面，蜂巢指紋瀏覽器提供了對 CPU 核心數指紋的精細化管理能力。它不僅支援自訂 CPU 核心數，還能同步修改記憶體大小、GPU 型號、螢幕解析度等 30 餘項核心指紋參數，確保每個瀏覽器環境看起來都來自一台真實的、獨立的裝置。

技術實作層面

指紋瀏覽器實現 CPU 核心數偽裝的技術路徑主要有兩種：

  1. 核心層攔截：在 Chromium 核心層面攔截navigator.hardwareConcurrency的呼叫，回傳預設值
  2. JS 代理注入：在頁面載入前注入 JavaScript 代理，覆蓋原生 API 的回傳值

蜂巢指紋瀏覽器採用的是第一種方式，即在編譯層修改 Chromium 核心原始碼，使得所有透過navigator.hardwareConcurrency獲取 CPU 核心數的請求都回傳用戶設定的值。這種方式比 JS 注入更底層、更隱蔽，不易被反指紋腳本檢測到。

實踐建議：在多帳號管理中利用 CPU 核心數指紋

建立指紋隔離矩陣

對於營運多個帳號的團隊，建議建立一套指紋隔離矩陣，確保每個帳號的環境在以下維度上各不相同：

  • CPU 核心數：設定在 2、4、6、8 之間變化
  • 記憶體大小：2GB、4GB、8GB、16GB 交替使用
  • 作業系統：Windows 10、Windows 11、macOS 等
  • 螢幕解析度：選擇市場主流的幾種解析度

如果你正在使用 蜂巢指紋瀏覽器，可以直接在建立環境時預設這些參數，系統會自動生成對應的瀏覽器指紋，無需手動配置。

真實場景下的效果

以某跨境電商業者的實際使用情況為例：該賣家使用 蜂巢指紋瀏覽器 在單台 16 核伺服器上建立了 20 個獨立的瀏覽器環境，每個環境的 CPU 核心數分別設為 4 核、6 核、8 核等不同值。營運 3 個月後，20 個 Amazon 美國站帳號全部存活，未出現任何因硬體指紋導致的關聯封號。

而在未使用指紋管理工具之前，該賣家在同一台裝置上僅營運 5 個帳號就頻繁觸發關聯審查。

未來趨勢：硬體指紋的進化與對抗

更高維度的硬體指紋

CPU 核心數僅僅是硬體指紋的冰山一角。未來，網站可能會採集更多硬體層面的資訊：

  • CPU 型號與架構：透過更深入的瀏覽器 API 獲取
  • 快取大小：L1/L2/L3 快取的特徵
  • 指令集支援：如 AVX、SSE 等擴展指令集的可用性
  • 記憶體時序：透過精確的時間測量推斷記憶體效能

這些維度的組合將使得硬體指紋幾乎不可偽造——除非指紋瀏覽器能同步修改所有底層參數。

新一代指紋瀏覽器的應對

面對日益複雜的硬體指紋採集技術，指紋瀏覽器也在不斷進化。蜂巢指紋瀏覽器的下一代架構已經開始支援對 CPU 指令集特徵、記憶體效能曲線的模擬，確保在更高階的指紋檢測面前依然能夠保持環境的獨立性。

總結

CPU 核心數指紋是瀏覽器指紋體系中一個基礎但關鍵的維度。它穩定、隱蔽、不易偽造，正在被越來越多的網站用於用戶追蹤、反詐欺、反關聯等場景。對於跨境電商賣家、社交媒體營運者以及任何需要多帳號管理的從業者來說，理解並管理 CPU 核心數指紋，是保障帳號安全的重要一環。

透過專業的指紋瀏覽器工具，如 蜂巢指紋瀏覽器，可以有效控制硬體指紋的暴露，在保證業務效率的同時，規避帳號關聯風險。在數位身分日益透明的今天，掌握指紋管理技術，就是掌握了帳號安全的主動權。

本文所提及的技術方法僅供學習和合規業務使用，請勿用於任何違反平台規則的非法活動。