ユニークな（OS）OS /ハードウェアフィンガープリント
ブラウザフィンガープリント の方法で、デバイスのOSとハードウェアのややユニークなフィンガープリントを取得できます（1000エントロピースコア1で十分です）。
編集：より多くのコンテキストについては、Webページ上のユニークユーザーをできるだけ正確に区別しようとしています。理想的には、誰かが既にページにアクセスしたが、別のIPで別のブラウザを介して戻ってきた場合、その訪問者が戻ってきたかどうかを「通知された」推測で推測できるでしょう。
Electronic Frontier Foundation （EFF）の Panopticlick サイトは、希望する1：1000エントロピーをはるかに超えるブラウザフィンガープリント専用です（これらの方法を使用すると、ほとんどすべてのブラウザがユニーク）。
それらの実装は、オンラインで匿名であることの難しさを示すように設計されているため、サイトには 詳細なテクニカルライトアップ といくつかのポインタを含め、十分な量の 説明 があります。どのように 防御する この種の追跡。
人のプライバシーを尊重してください。ログインを通じて人を追跡することは1つのことです。彼らの知識や許可なしに彼らを追跡することは別のことです。
理想的には、誰かがすでにページにアクセスしたが、別のIPで別のブラウザを介して戻ってきた場合、その訪問者が戻ってきたかどうかを「通知された」推測で推測できるでしょう。
必要な1：1000以内にブラウザにとらわれないフィンガープリントを取得するために、ハードウェアとOSに固有の十分なデータがあるはずですが、異なるユーザー間の衝突に慣れている限り、ファジーマッチングをさらに使用できる可能性があります（これは別のプライバシー問題です）。
1つのアイデア。
それは難しく、完璧ではありません。より正確であるほど複雑になりますが、OS、時間、ページ滞在時間、マウスパターン、解像度、エンジン、アクセスしたページなど、収集できるすべての情報を取得できる可能性があると思います...認証されたユーザーを学習目的に使用します。
実装は簡単ではありませんが、良い点は、ニューラルネットワークは自分自身から学習する能力があり、遺伝的アルゴリズムも使用できることです。
このメソッドを使用すると、特定のプロパティやデータを気にする必要はありません。それを行うための最良のプロセスを発見し、時間、データ、および新しいソースでより良くなります。また、不正なデータや誤ったデータを破棄する方法も考慮する必要がありますが、これにも機械学習を使用できます。
意見は大歓迎です:-)