FROST: як звичайний сайт може використати SSD як побічний канал для відстеження активності
Розбір FROST — дослідницької атаки через OPFS і SSD timing у браузері. Пояснюємо, що саме показали автори, звідки взялися 88.95%, чому це не “читання файлів з SSD”, які ризики для приватності і що можуть зробити браузери, продукти та користувачі.
FROST — це дослідницька browser-based side-channel атака, яка використовує Origin Private File System (OPFS), щоб з JavaScript створювати й вимірювати SSD contention. У paper автори показали top-50 website fingerprinting на macOS з F1 score 88.95% у closed-world сценарії та application fingerprinting з F1 score 95.83%, але це не означає, що будь-який сайт гарантовано бачить усі ваші вкладки або читає файли з диска.
Що сталося і чому це важливо
FROST звучить як новина в стилі “SSD шпигує за вами”. Реальність технічніша і цікавіша: SSD нічого сам не “відправляє”, але браузер може створити вимірюваний I/O-шум, а machine learning — витягнути з нього pattern.
Ключова поправка
Фраза “89% відкритих сайтів” некоректна без контексту. У paper йдеться про F1 score 88.95% для top-50 closed-world website fingerprinting експерименту на macOS. Це сильний результат, але він не дорівнює універсальному читанню всіх вкладок у реальному світі. [1]
Як працює FROST: OPFS, SSD contention і timing trace
Найпростіша модель: атакувальний сайт не питає “який сайт відкритий?”, а постійно ставить SSD маленькі питання “наскільки швидко ти зараз відповідаєш?”.
FROST перетворює доступ до OPFS-файлу на sensor: сайт створює I/O навантаження, міряє latency, збирає trace і класифікує активність за попередньо навченими профілями.
Скріншот секції how-it-worksOPFS дає браузеру файл, який реально живе на диску
Origin Private File System — це приватне сховище для конкретного origin. Воно не дає сайту читати довільні локальні файли, але дозволяє створювати й керувати файлами всередині sandboxed storage. Для FROST цього достатньо, бо потрібен не доступ до чужих файлів, а контрольовані I/O операції. [1][2][3]
SSD contention створює вимірюваний сигнал
Якщо інший сайт або застосунок паралельно створює disk activity, час доступу до OPFS-файлу може змінюватися. FROST збирає такі зміни як trace. Один trace не “розповідає історію”, але в масиві даних з’являється pattern. [1]
Класифікатор робить prediction, а не абсолютне знання
У website fingerprinting атаках модель навчається на відомих сайтах, а потім порівнює новий trace з тренувальними прикладами. Тому closed-world результати завжди треба читати як “серед заданого набору кандидатів”, а не “з усього інтернету”. [1]
Звідки взялися 88.95% і що вони означають
У медіа цифра 89% легко перетворюється на страх. Для технічної оцінки важливо дивитися на метрику, сценарій і обмеження експерименту.
Closed-world означає, що модель вибирає з відомого набору класів. Якщо тест складається з top-50 сайтів, prediction питає приблизно: “на який із цих 50 профілів це найбільше схоже?”. У відкритому інтернеті кількість кандидатів, фонова активність, тип SSD, ОС, браузер, extensions, power mode і user behavior додають шум.
Це не применшує результат. Навпаки, сильна частина FROST у тому, що атака піднімає SSD side-channel у браузер без встановлення native malware. Але для чесної статті треба не продавати panic headline, а пояснювати threat model.
88.95%
F1 score для top-50 closed-world website fingerprinting на macOS з OPFS-based contention measurement. [1]
86.95%
Macro-averaged F1 score в open-world top-50 сценарії; paper також вказує open-world accuracy 96.72%. [1]
95.83%
F1 score для closed-world application fingerprinting експерименту на macOS через OPFS. [1]
Чим FROST не є
Правильне розуміння загрози допомагає не зробити дві помилки: недооцінити research або, навпаки, описати його як фантастичний spyware.
Це не доказ, що будь-який сайт завтра на 89% побачить усю історію браузера. Результат прив’язаний до експериментального сетапу й класів, на яких модель навчалась. [1]
Це не проблема лише одного браузера. Paper згадує OPFS support у major browsers і обговорює Chrome, Firefox та Safari, але конкретні можливості й ліміти storage різняться. [1]
Чому cookie blocker або incognito не закривають такий клас атак
Cookie blocker працює проти storage-based tracking, де сайт прямо зберігає або читає ідентифікатор. Incognito зменшує persistence між сесіями. FROST належить до іншого класу: сайт вимірює поведінку апаратного ресурсу під час поточної сесії.
Це схоже на різницю між “хтось записав ваш номер у блокнот” і “хтось слухає шум за стіною, щоб здогадатися, що відбувається”. У другому випадку видалення блокнота не прибирає сам sensor.
Тому privacy engineering для сучасного web має включати не тільки consent/storage policy, а й side-channel thinking: таймери, shared resources, storage pressure, cache behavior, rendering pipeline, GPU/CPU/SSD contention, cross-origin isolation.
Що можуть зробити браузери, продукти й користувачі
Для звичайного користувача FROST поки що research-grade загроза, а не масовий exploit kit. Але для браузерних платформ і продуктів із privacy claims це вже практичний сигнал.
Захист від side-channel атак рідко має одну кнопку. Частина роботи лежить на browser vendors, частина — на product/security командах, частина — на дисципліні користувача.
Скріншот секції risk-defense-mapДля браузерів
Paper обговорює варіанти mitigation: відстеження незвично великих OPFS writes across origins, сповіщення користувачів, обмеження OPFS як low-level I/O sensor, зменшення точності timing signals і сильніші permission/visibility моделі для high-impact storage behavior. Автори також вказують, що найсильніші mitigation можуть ламати легітимні workflows. [1]
Для вебпродуктів
Якщо ви будуєте SaaS, фінансовий кабінет, health portal або internal tools, не обіцяйте “повну приватність” лише тому, що у вас немає third-party cookies. Privacy claims мають враховувати browser platform leakage, third-party scripts, analytics, embedded content і side-channel surface.
Для користувачів
Тримайте браузер і ОС оновленими, не відкривайте випадкові high-risk сайти поруч із чутливими сесіями, використовуйте окремі browser profiles для банкінгу/адмінок/роботи, обмежуйте extensions і third-party scripts. Це не “фікс FROST”, але зменшує загальну площу browser privacy attacks.
Для security teams
Додайте side-channel ризики до threat modeling для вебзастосунків, які активно використовують storage APIs, WASM, high-frequency timers, workers, canvas/GPU або локальну обробку великих даних. Це особливо актуально для браузерних IDE, редакторів і offline-first продуктів.
Практичні уроки для команд, які будують вебпродукти
Навіть якщо FROST ніколи не стане масовою атакою в такому вигляді, він добре показує, куди рухається risk surface сучасного web.
Не зводьте приватність до cookie banner
Browser fingerprinting і side channels можуть працювати без традиційних tracking identifiers. Ваша privacy позиція має говорити про data minimization, third-party dependencies, telemetry і client-side behavior.
Перевіряйте storage-heavy features окремо
Якщо продукт використовує OPFS, IndexedDB, local caches або великі offline datasets, додайте security review саме для storage behavior: quota, cleanup, partitioning, observability і user controls.
Ставте межі для third-party JavaScript
Кожен analytics/tag/chat/widget script отримує можливість виконувати код у browser context. Навіть якщо він не має доступу до ваших backend secrets, він впливає на privacy surface користувача.
Будуйте threat models на рівні платформи
Сучасний браузер — це ОС усередині ОС. CPU, GPU, storage, timers, workers, codecs, fonts і rendering можуть ставати датчиками. Threat model має це визнавати.
Пишіть чесні UX-повідомлення
Коли продукт каже “ми не відстежуємо вас”, користувач чує абсолют. Краще конкретизувати: які дані не збираються, які scripts є, як працює local storage, як видалити дані і які межі контролю.
Як ми б враховували це у web/security роботі
У landing pages і content-heavy сайтах ми за замовчуванням тримаємо код static-first: менше client runtime, менше сторонніх scripts, менше непотрібного local storage. Це не робить сайт “невразливим до side channels”, але прибирає багато зайвих точок, які часто з’являються без бізнес-причини.
Для SaaS і внутрішніх кабінетів підхід інший: потрібен окремий security review storage APIs, auth flows, analytics, session handling, embedded widgets і permissions. Особливо якщо продукт працює з фінансовими, медичними, юридичними або корпоративними даними.
Потрібен privacy/security review вебпродукту?
PAS7 Studio може пройтися по вашому frontend/runtime surface: third-party scripts, storage APIs, auth/session flows, analytics, CSP, headers, logs і privacy claims. Результат — не абстрактний аудит, а список конкретних змін для продукту.
Часті запитання
Ні. FROST не дає сайту прямий доступ до довільних локальних файлів. Атака використовує OPFS для власного origin-scoped файлу і вимірює timing/latency, щоб робити fingerprinting активності. [1][3]
Ні. 88.95% — це F1 score у top-50 closed-world website fingerprinting експерименті на macOS. У реальному світі результат залежить від набору сайтів, фонової активності, ОС, SSD, браузера і шуму. [1]
Інкогніто зменшує persistence cookies/storage між сесіями, але не є універсальним захистом від side-channel вимірювань у поточній сесії. Для такого класу атак потрібні browser-level mitigations і зменшення exposure до недовіреного JavaScript.
Публічно FROST описано як дослідницьку роботу. Вона важлива не тому, що кожен сайт уже так стежить, а тому, що показує практичний шлях від web API до hardware side-channel без native malware. [1]
Мінімізувати third-party scripts, тримати frontend static-first там, де це можливо, ревʼювати storage-heavy features, писати чесні privacy claims і додавати side-channel thinking у threat modeling продукту.
Джерела і що саме з них використано
Основні твердження про FROST у цій статті взяті з primary source — paper авторів. Документація OPFS використана для пояснення API, а не для оцінки результатів атаки.
Головний висновок: приватність тепер залежить від усієї платформи
Опишіть задачу — перші 15 хвилин консультації безкоштовні.
Пов'язані статті
Скільки коштує розробка AI асистента у 2026: RAG чатбот, база знань, CRM, Telegram та підтримка
Практичний гід для бізнесу: від чого залежить ціна розробки AI асистента у 2026 році, що входить у RAG чатбот, інтеграції з CRM, Telegram, guardrails, оцінювання, моніторинг і супровід.
AI для розробки лендінгів: де він реально прискорює запуск, а де псує конверсію
Дослідження про використання AI у розробці лендінгів: v0, Webflow AI, Builder.io, Framer-подібні AI builders, генерація UX, copy, SEO, персоналізація, A/B тести, ризики шаблонності, безпеки, доступності та технічного боргу.
AI SEO / GEO у 2026: ваші наступні клієнти — не люди, а агенти
Пошук зміщується від кліків до відповідей. Боти та AI-агенти сканують, цитують, рекомендують і дедалі частіше купують. Дізнайтесь, що таке AI SEO / GEO, чому класичного SEO вже недостатньо, і як PAS7 Studio допомагає брендам перемагати у «агентному» вебі.
Найпотужніший чіп від Apple? M5 Pro і M5 Max б'ють рекорди
Аналітичний розбір Apple M5 Pro і M5 Max станом на березень 2026 року. Пояснюємо, чому ці чіпи можна вважати найпотужнішими професійними ноутбучними SoC від Apple, як вони виглядають на тлі M4 Pro, M4 Max, M1 Pro, M1 Max і що показують у порівнянні з актуальними Intel та AMD.
Професійна розробка для вашого бізнесу
Створюємо сучасні веб-рішення та боти для бізнесу. Дізнайтеся, як ми можемо допомогти вам досягти цілей.