
Fingerprint'и реальних пристроїв
Профілі забирають повні fingerprint'и з апстрім-каталогу справжніх macOS / Windows машин, а не генерують шум. Поля внутрішньо узгоджені — рівно те, що очікують fingerprint-чекери.
Кожен профіль отримує fingerprint реального пристрою — UA, platform, WebGL, Canvas, Audio, ClientRects, hardwareConcurrency, deviceMemory і більше. Береться з апстрім-каталогу справжніх пристроїв, а не вигадується шумом. Вбудовано в кожен антидетект-профіль.

Сучасні fingerprint-чекери не читають одне поле — вони крос-чекають WebGL renderer проти UA, ClientRects проти розміру екрана, AudioContext проти CPU cores. Afina забирає цілий узгоджений набір зі справжнього пристрою і опціонально накладає шум, тому кожен профіль читається як унікальна, але правдоподібна машина.

Профілі забирають повні fingerprint'и з апстрім-каталогу справжніх macOS / Windows машин, а не генерують шум. Поля внутрішньо узгоджені — рівно те, що очікують fingerprint-чекери.

Обирайте macOS M1/M2/M3/M4, Intel Mac, Windows 10 чи Windows 11. WebGL renderer, AudioContext, мовні дефолти та OS-специфіка одразу узгоджені з чипом. Доступно через API і проксі-aware UI.

Опціональний анти-кореляційний шум на Canvas, WebGL, ClientRects і AudioContext — вимикайте на профіль або глобально. Налаштовується всередині RPA-скриптів через account settings.

Тестується проти широко вживаних fingerprint-чекерів мультиаккаунтингу. Новий чекер? Каталог оновиться у наступному релізі, без вашого конфігу.
Fingerprint'и реальних пристроїв, налаштовуваний шум і оновлення анті-детекту — в кожному релізі.
Керування fingerprint в Afina дає кожному профілю повний fingerprint справжньої macOS / Windows машини — UA, platform, WebGL, Canvas, AudioContext, ClientRects, hardwareConcurrency, deviceMemory і десятки інших. Береться з апстрім-каталогу реальних пристроїв, а не з випадкового шуму, тому anti-fraud читає кожен профіль як унікальний, але правдоподібний.
Сучасні fingerprint-чекери читають не одну властивість — вони крос-чекають WebGL renderer проти UA, ClientRects проти розміру екрана, AudioContext-семпли проти числа CPU-ядер. Випадковий шум на властивість створює inconsistencies, які чекер ловить миттєво. Когерентний fingerprint з одного реального пристрою прибирає весь цей клас детекту.
Кожен профіль вибирає device chip — macOS M1/M2/M3, Windows Intel/AMD покоління — і наслідує повний узгоджений fingerprint цієї машини. WebGL-рядки збігаються з GPU, шрифти з OS, hardware concurrency з CPU.
Canvas, Audio, ClientRects, WebRTC, Battery, Speech Synthesis voices, MediaDevices, screen.colorDepth, перерахування плагінів — все керовано, все узгоджено. Headless / Puppeteer / Playwright giveaways (navigator.webdriver, відсутній chrome.runtime тощо) прибрані на рівні Chromium-збірки.
Per-profile Canvas / WebGL / Audio шум, щоб два профілі на одному device chip все одно розрізнялися для fingerprint-трекерів — без переходом в inconsistency. Сила налаштовується на профіль.
Afina — справжня Chromium-збірка з антидетект-поверхнею, вшитою в движок, а не JS-ін'єкція поверх. TLS / JA3 handshake збігається зі stock Chrome byte-for-byte — корпоративні WAF і CDN bot-walls не флагають.
Дефолтні профілі Afina проходять Pixelscan, CreepJS, BrowserLeaks, AmIUnique, IPHey, FingerprintJS, Bot.sannysoft, Browserscan, Whoer і EFF Cover Your Tracks. Цифри відтворювані — встановіть, створіть профіль, проженіть чекер, побачите «consistent / anonymous». Сторінка fingerprint-check відстежує pass rate по кожному.
Рекламні платформи, маркетплейси, тикетинг, dating і крипто-біржі — всі ганяють anti-fraud стеки, що спираються на fingerprint. Мультиаккаунтинг працює лише коли кожен профіль читається як інший реальний користувач. Web scraping і збір SERP виживають за bot-wall лише коли JA3, HTTP/2 SETTINGS і ClientHints узгоджені. Afina — субстрат для всіх цих сценаріїв.