一段脚本验证指纹浏览器环境是否真的隔离------附完整代码与判定标准
摘要： 指纹浏览器的环境隔离效果，官方页面说了不算，要用数据说话。本文提供一套基于 Python + Playwright 的自动化检测方案：批量打开多个浏览器环境，自动采集 IP 归属地、WebRTC 泄露、Canvas 指纹哈希与时区信息，输出环境一致性的判定报告。适用于任何指纹浏览器（云登、比特、AdsPower 等）或自建环境的验证，代码可直接复现。
关键词： 浏览器指纹、指纹检测、WebRTC 泄露、Canvas 指纹、自动化测试、Python、环境隔离
一、为什么需要自动化检测
手动验证浏览器环境，通常的做法是逐个打开检测网站人工比对。两个环境尚可接受，十个以上环境就是体力活，而且人工比对容易漏项。
更实际的问题是：环境隔离的失效往往是静默的。代理配置错误、WebRTC 泄露、Canvas 哈希重复------这些不会报错，环境看起来一切正常，只有被平台判定关联时才会暴露。定期自动化检测，是发现这类静默失效的唯一手段。
本文方案的技术栈：
|-----------|-------------------------|--------------------|
| 组件 | 选型 | 说明 |
| 自动化框架 | Playwright（Python） | 支持连接已有浏览器实例 |
| IP 检测 | ipinfo.io 公开 API | 归属地、ASN、类型 |
| WebRTC 检测 | 浏览器原生 RTCPeerConnection | 本地 candidate IP 采集 |
| Canvas 指纹 | 自绘图形 + 哈希 | 不依赖第三方站点 |
| 时区一致性 | Intl API + IP 归属地比对 | 跨时区校验 |
二、检测原理：三个核心项
检测项 1：IP 一致性。 通过 ipinfo.io 获取当前出口 IP 的归属地与 ASN。判定标准：归属地与账号目标市场一致；ASN 类型为住宅（residential）而非数据中心（hosting）。
检测项 2：WebRTC 泄露。 构造一个 RTCPeerConnection 并收集 ICE candidate，若 candidate 中出现与出口 IP 不同的本地/内网地址（尤其是真实公网 IP），说明存在泄露------代理只覆盖了 HTTP 流量，WebRTC 走了直连。
检测项 3：Canvas 指纹一致性。 在环境中绘制包含文字与渐变的图形，对像素数据做哈希。多个环境的 Canvas 哈希必须彼此不同；若两个环境哈希相同，说明指纹未真正隔离。
三、完整代码
"""
环境指纹自动化检测脚本
依赖: pip install playwright httpx
初始化: playwright install chromium
"""
import asyncio
import hashlib
import json
import httpx
from playwright.async_api import async_playwright
# Canvas 指纹采集脚本（在浏览器内执行）
CANVAS_JS = """
() => {
const canvas = document.createElement('canvas');
canvas.width = 220; canvas.height = 40;
const ctx = canvas.getContext('2d');
ctx.textBaseline = 'top';
ctx.font = '14px Arial';
ctx.fillStyle = '#f60';
ctx.fillRect(0, 0, 90, 20);
ctx.fillStyle = '#069';
ctx.fillText('fingerprint-test', 2, 15);
ctx.fillStyle = 'rgba(102,204,0,0.7)';
ctx.fillText('fingerprint-test', 4, 18);
return canvas.toDataURL();
}
"""
# WebRTC 泄露检测脚本（在浏览器内执行）
WEBRTC_JS = """
() => new Promise((resolve) => {
const pc = new RTCPeerConnection({iceServers: []});
const candidates = [];
pc.createDataChannel('');
pc.onicecandidate = (e) => {
if (e.candidate) candidates.push(e.candidate.candidate);
};
setTimeout(() => resolve(candidates), 2000);
pc.createOffer().then(o => pc.setLocalDescription(o));
})
"""
async def detect_environment(page, env_name):
"""对单个环境执行全套检测"""
result = {'env': env_name}
# 1. IP 信息（走页面上下文，确保用的是环境的出口）
await page.goto('https://ipinfo.io/json', timeout=30000)
ip_info = json.loads(await page.inner_text('body'))
result['ip'] = ip_info.get('ip')
result['country'] = ip_info.get('country')
result['org'] = ip_info.get('org', '')
# 2. WebRTC 泄露
candidates = await page.evaluate(WEBRTC_JS)
local_ips = [c for c in candidates if 'typ host' in c or 'typ srflx' in c]
result['webrtc_leak'] = len(local_ips) > 1 # 超过出口 IP 即有泄露风险
# 3. Canvas 指纹
data_url = await page.evaluate(CANVAS_JS)
result['canvas_hash'] = hashlib.md5(
data_url.encode()).hexdigest()[:12]
# 4. 时区
tz = await page.evaluate('() => Intl.DateTimeFormat().resolvedOptions().timeZone')
result['timezone'] = tz
return result
async def main():
results = []
async with async_playwright() as p:
# 连接方式 A：连接指纹浏览器启动的调试端口（按产品文档获取端口）
# conn = await p.chromium.connect_over_cdp('http://127.0.0.1:PORT')
# 连接方式 B：本地起一个干净浏览器做基线对照
browser = await p.chromium.launch(headless=False)
ctx = await browser.new_context()
page = await ctx.new_page()
# 示例：检测两个环境（实际使用时循环连接各环境）
results.append(await detect_environment(page, 'env-baseline'))
await browser.close()
# 汇总判定
print(f"{'环境':<15}{'IP':<18}{'国家':<6}{'时区':<18}{'Canvas':<14}{'WebRTC泄露'}")
for r in results:
print(f"{r['env']:<15}{r['ip']:<18}{r['country']:<6}"
f"{r['timezone']:<18}{r['canvas_hash']:<14}{r['webrtc_leak']}")
# Canvas 哈希重复检测
hashes = [r['canvas_hash'] for r in results]
if len(hashes) != len(set(hashes)):
print('[FAIL] 存在重复的 Canvas 哈希，环境未有效隔离')
else:
print('[PASS] 各环境 Canvas 哈希彼此不同')
if __name__ == '__main__':
asyncio.run(main())四、与指纹浏览器的对接方式
指纹浏览器的环境本质是一个带参数的浏览器实例，主流产品都提供本地调试协议对接自动化框架：
- 通用对接 ：产品启动环境后暴露 CDP 调试端口，Playwright 通过
connect_over_cdp接入。端口获取方式见各产品文档（云登、比特、AdsPower 均支持此类对接，具体端口字段以各自 API 文档为准）
- 批量检测 ：循环连接各环境的调试端口，对每个环境执行一次
detect_environment，汇总所有结果后做全局比对
对接后，脚本输出的判定表长这样（示例）：
五、判定标准与常见问题排查
|--------------------------|----------------|----------------------|
| 检测异常 | 可能原因 | 排查方向 |
| IP 归属地与预期不符 | 代理未生效 / 用错节点 | 检查环境绑定的代理配置 |
| org 含 hosting/datacenter | 机房 IP | 更换住宅代理 |
| WebRTC 泄露 = True | 代理未覆盖 UDP | 环境设置中启用 WebRTC 保护或禁用 |
| Canvas 哈希重复 | 指纹参数未生效 | 重建环境；确认产品指纹配置开启 |
| 时区与 IP 归属地不匹配 | 参数手工改动 / 未自动匹配 | 使用跟随 IP 的自动匹配 |
两个实践细节：
细节一：Canvas 哈希要跨环境比对，不是只看有没有值。 单个环境的哈希没有意义------判定标准是"多个环境彼此不同"。这也是脚本最后做全局去重检查的原因。
细节二：检测频率建议每月一次，环境大批量新建后加测。 代理 IP 质量会随时间劣化（被复用、被标记），指纹库更新后也需要复测。把这段脚本挂进定时任务（cron / 任务计划程序），检测就是零成本的例行动作。
六、常见问题
Q1：这个脚本会干扰环境的正常使用吗？
不会。检测只读取环境暴露的公开信息（IP、WebRTC candidate、Canvas 渲染结果），不修改任何配置，不产生账号层面的操作记录。
Q2：headless 模式会影响指纹吗？
会。Headless Chrome 的 UA 与特征与有头模式存在差异，部分平台可直接识别 headless。建议检测时使用有头模式（脚本默认 headless=False），与实际运营状态保持一致。
Q3：脚本能检测指纹浏览器的"伪装质量"吗？
部分能。脚本能验证隔离性与一致性（哈希是否不同、参数是否自洽），但无法评估指纹对特定平台风控的"通过率"------后者需要真实环境下的长期观察。
Q4：检测站点的数据可信吗？
ipinfo 的数据来自公开的 IP 数据库；WebRTC 与 Canvas 检测不依赖第三方（脚本内原生实现），原理完全透明，可自行审计代码。
Q5：除了 Playwright 还能用什么？
Selenium 同样可行（通过 chromedriver 连接调试端口），思路一致；Playwright 的优势是异步支持好，批量检测大量环境时效率更高。
本文代码在 Python 3.10+ / Playwright 1.40+ 环境验证通过（2026 年 9 月）。检测脚本不依赖任何特定产品，适用于任何浏览器环境的隔离性验证。