该文章揭示了浏览器在用户访问网站时会暴露大量隐私信息，包括用户代理、屏幕分辨率、时区、Canvas指纹和WebGL渲染器等数据，这些信息可被用于追踪和识别用户身份。

好的，这是根据您的要求，对原文主要内容进行的中文重述，已保留关键细节并删减了与主题无关的冗余信息。

标题：GlassBox：你的浏览器向每个访问的网站暴露了什么

核心内容：

GlassBox 是一个诊断工具，它像一个“镜子”，展示了网站能通过浏览器收集到的关于你的各种信息。它通过30多个测试面板，逐一揭示浏览器指纹识别技术能获取的原始数据，并评估这些数据的识别能力。

主要暴露的信息类别（按信号强度排序）：

• 高信号（强识别力）：

  • 导航器核心： 操作系统、浏览器版本、语言、硬件并发数、内存、是否启用Cookie等。
  • Canvas 2D & WebGL： 通过渲染图像和图形，生成独特的硬件指纹哈希值，暴露显卡型号（如Intel Iris）和驱动信息。
  • 音频栈： 通过音频处理生成独特的音频指纹。
  • 已安装字体： 检测系统字体列表，生成字体指纹。
  • API支持矩阵： 检测浏览器支持哪些高级API（如蓝牙、USB、NFC、WebXR等），形成独特的特征组合。
  • 布局与文本度量： 测量DOM元素和文本的精确渲染尺寸，生成几何指纹。

• 中信号：

  • UA客户端提示： 浏览器品牌、平台、架构（x86/64位）、完整版本号。
  • 屏幕与显示： 分辨率、色深、像素比、刷新率（实测60Hz）。
  • 时区与区域设置： 时区（UTC）、语言（en-US）、日历格式。
  • 媒体编解码器： 支持哪些音视频格式（如H.264, VP9, AAC）。
  • CSS媒体特性： 颜色主题（浅色/深色）、是否开启减少动效、指针类型等。
  • Math/JS引擎： 通过浮点数运算等测试，暴露JavaScript引擎的细微差异。
  • 键盘布局： 推测键盘布局（如QWERTY）。
  • WebAssembly： 检测支持的特性（如SIMD、异常处理）。

• 低信号：

  • 网络信息： 网络类型（4g）、下行速度、往返时延。
  • WebRTC/IP泄露： 检测是否泄露本地IP地址（测试显示被mDNS隐藏）。
  • 存储与配额： 浏览器存储可用性及配额（2.0 GB）。
  • 权限矩阵： 查询地理位置、摄像头、麦克风等权限状态。
  • 计时与计算性能： now() 时间精度、简单运算耗时。
  • 电池状态： 是否在充电、电量百分比。
  • 自动化检测信号： 检测浏览器是否被自动化工具控制（如webdriver属性）。
  • Cookie： 检测Cookie是否可用及第三方Cookie行为。
  • 隐私/无痕模式猜测： 通过存储配额等信号判断是否为普通窗口。

关键结论与说明：

1. 组合即身份： 单个信号很弱，但将所有这些信息组合起来，足以在数百万浏览器中唯一识别出你。这是浏览器指纹识别的核心。
2. 识别率是模型估算： 页面顶部的“识别率百分比”是基于公开研究数据对信息熵的估算，并非真实测量。它假设所有信号独立，并进行了相关性修正。真正的唯一性需要与真实用户数据库对比，该工具无法做到。例如，使用Tor浏览器等默认配置的用户，虽然信息熵高，但因“混入”大量相同配置的用户而更安全。
3. 沙盒限制： 如果页面在iframe中嵌入，部分探测（如WebRTC、媒体设备）可能被权限策略阻止，导致结果不准确。建议在独立域名下打开以获得完整结果。
4. 第三方追踪演示： 工具模拟了Facebook Pixel和Google Analytics的请求，展示了第三方追踪器如何自动获取你的IP、浏览器信息、页面URL以及（如果存在）你的登录Cookie。

来源： GlassBox 是 codecanary.org 的配套工具，后者是一个被动扫描器，用于评估网站的安全头、JavaScript完整性等。

根据评论内容，总结如下：

主要观点与论据：

1. 工具功能与设计理念（作者tke248，评分None）：GlassBox是一款浏览器指纹检测工具，运行约31种探测（canvas、WebGL/WebGPU、音频、字体、WASM特征、WebRTC IP、时区/语言、权限API矩阵、隐身模式启发式、跨站登录状态等）。设计特点：单静态HTML文件，无依赖，客户端运行，不发送数据（IP地理定位除外）；“可识别性”数值基于公开熵值模型，非真实测量；提供降低指纹的指南，强调“独特性不等于隐私”。

2. 对工具准确性的质疑：

   • 作者dd8601fn（评分None）：认为iPhone上Firefox的“1 in 6.2 billion”结果不准确，怀疑反指纹功能干扰。
   • 作者water-drummer（评分None）：批评工具显示“7.2亿设备中唯一”但每次指纹不同，称其为“AI垃圾”。
   • 作者f311a（评分None）：指出未考虑反指纹技术，询问是否有fingerprintjs之外的新技巧。

3. 隐私与匿名性讨论：

   • 作者bravoetch（评分None）：对浏览器暴露信息感到不安，呼吁新模型只提供内容而不泄露信息。
   • 作者dylan604（评分None）：指出IPv6地址可能破坏匿名性。
   • 作者RandomBK（评分None）：强调指纹需要“独特性+稳定性”，若每次不同则构成隐私。
   • 作者cgio（评分None）：主张每次创建独特指纹，而非追求共性。

4. 技术细节与改进建议：

   • 作者janfoeh（评分None）：“硬件与环境”部分在不同浏览器间不一致，Safari隐私窗口下每次刷新都不同。
   • 作者ZihengQin（评分None）：建议随机化低频字体、API和设置作为反指纹方法。
   • 作者autoexec（评分None）：禁用JS后工具无法获取信息。

5. 其他评论：

   • 作者strbean（评分None）：认为工具语言像AI生成，建议润色。
   • 作者saaaaam（评分None）：指出类似工具几周前已有人用Claude生成。
   • 作者gregsadetsky（评分None）：推荐EFF的Cover Your Tracks工具。
   • 作者sajithdilshan（评分None）：幽默回应“7.6亿浏览器中唯一”的结果。
   • 作者geoffbp（评分None）：赞赏网站呈现方式。

平衡性总结： - 正面评价：工具设计精巧（单文件、无依赖、客户端运行），可视化直观，对开发者有警示作用。 - 负面评价：准确性存疑（反指纹干扰、结果不稳定），语言风格像AI，部分功能跨浏览器不一致。 - 中立建议：需考虑反指纹技术，可随机化低频特征，强调“独特性≠隐私”，推荐参考EFF的Cover Your Tracks。