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.
Коротко
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.
Найпростіша модель: атакувальний сайт не питає “який сайт відкритий?”, а постійно ставить SSD маленькі питання “наскільки швидко ти зараз відповідаєш?”.
OPFS 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]
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-worksУ 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]
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]
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.
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.
Для 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.
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-mapНавіть 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.
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.
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.
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.
• 2. FROST publication page — Graz University of Technology / authors’ project page
• 3. MDN: Origin private file system — browser storage model and OPFS overview
• 4. Chrome Developers: The origin private file system — OPFS use cases and web app storage behavior
• 5. WICG File System Access specification — origin private file system definitions
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-assisted attacks і prompt injection у 2026: нова поверхня атак для продуктів з AI
Практичний гайд з безпеки AI-функцій: prompt injection, tool abuse, excessive agency, RAG poisoning, data leakage, output handling, human approval gates і permissions для AI agents.
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.
Професійна розробка для вашого бізнесу
Створюємо сучасні веб-рішення та боти для бізнесу. Дізнайтеся, як ми можемо допомогти вам досягти цілей.