Webbapplikationer blir mer och mer avancerade och ställer mer krav på dagens enheter. Rendering av grafik i HTML5 canvas är något som kan ställa stort krav på enheter och en påföljd av detta är att svarstiden blir lång. En eventuell lösning på problemet med bristande prestanda hos enheter är att förflytta renderingen från klientsidan till serversidan. Två versioner av samma webbapplikation skapades där renderingen sker på klientsidan i en version och på serversidan i annan version med hjälp av Node.js. Webbapplikationen renderar diagram som baseras på olika variabler. Tester genomfördes för att jämföra versionerna, där det visade sig att klientversionen var den version som resulterade i lägst svarstid och minst överförd datamängd. Ytterligare tester med större skillnad gällande prestanda och typ för enheter är av intresse för framtida arbete.

På senare tid har det blivit allt mer populärt med interaktiva webbapplikationer. Ett sådant exempel är interaktiva linjediagram där användaren kan manipulera den information som visas i ett diagram. Information som visas i ett sådant diagram kan till exempel vara aktiekursdata. För att rita ut diagrammen i webbläsaren kan till exempel HTML5 Canvas eller SVG användas. Eftersom renderingstider är viktigt för att få en tillfredställande produkt är det intressant att ta reda på vilken av dessa tekniker som är snabbast och därför har ett experiment med flera testfall skapats där det interaktiva momentet undersökts. Resultatet av mätningar från dessa testfall visade på att SVG är snabbare än HTML5 Canvas. Mätningar utfördes dock endast i Google Chrome och därför skulle det vara intressant att i framtida arbeten även se mätningar i andra webbläsare och med annan hårdvara samt fler optimeringar av koden eller ytterligare parametrar.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-11T15:41:27Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Um Método de Web Fingerprinting baseado em Atributos relaci.pdf: 5647311 bytes, checksum: 2fa1d2fa1e9866efc5d985ca75224f14 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-11T15:41:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Um Método de Web Fingerprinting baseado em Atributos relaci.pdf: 5647311 bytes, checksum: 2fa1d2fa1e9866efc5d985ca75224f14 (MD5) / Made available in DSpace on 2018-05-11T15:41:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Um Método de Web Fingerprinting baseado em Atributos relaci.pdf: 5647311 bytes, checksum: 2fa1d2fa1e9866efc5d985ca75224f14 (MD5) Previous issue date: 2018-04-02 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Web fingerprinting is the process in which a user is, with high likelihood, uniquely identified by the extracted features from his/her device, generating a fingerprint. In order to be effective, the method must generate a stable fingerprint, and therefore it is necessary to employ discriminatory attributes with low volatility, capable of providing the same characteristics over the time. There are a variety of proposed techniques, but not all of them are capable of generating a stable fingerprint. In this work it is proposed, designed and evaluated a Web Fingerprinting method that aims to employ features that provide characteristics related to the devices’ hardware. One of the ways to achieve this objective is through the use of technologies such as HTML5 and the Web Audio API. Theses are promising technologies for Web Fingerprinting methods because they provide features related to the devices’ hardware, which reduces the extracted fingerprint’s mutability and increases the number of target devices in which the method can be executed, since HTML5 is adopted by default in the most popular web browsers. As results, it was found that the HTML5 Canvas and the Web Audio API, when employed with other attributes related to the hardware characteristics of the device, converges to a web Fingerprinting method capable of uniquely identify several users (with 90,34% of accuracy). In addition, it was found that grouping weaker attributes with more relevant ones allows the Web Fingerprinting method to extract more characteristics than to use just relevant attributes. / Web Fingerprinting é o processo no qual um usuário é, com alta probabilidade, identificado de forma única a partir das características extraídas de seu dispositivo, gerando uma chave identificadora (fingerprint). Para um método que gere um fingerprint ser eficaz é necessário obter respostas estáveis, o que implica em empregar atributos discriminatórios com baixa volatilidade. Em outras palavras, atributos capazes de fornecer as mesmas características sobre os dispositivos ao longo do tempo. Há uma diversidade de técnicas propostas na literatura, mas nem todas são capazes de gerar um fingerprint estável. Nesta dissertação é proposto, projetado e avaliado um método de Web Fingerprinting que busca utilizar características relacionadas ao hardware dos dispositivos. Uma das formas de alcançar esse objetivo é empregar HTML5 Canvas e Web Audio API, tecnologias promissoras por serem capaz de fornecer características relacionadas ao hardware do dispositivo, o que reduz a mutabilidade do fingerprint extraído e aumenta o número de dispositivos-alvo em que o método pode ser aplicado. Como resultado, constatou-se que o emprego do HTML5 Canvas e da Web Audio API, em conjunto como outros atributos cujas características são relativas ao hardware do dispositivo, permite identificar, de forma única, com 90,34% de precisão, diversos usuários. Além disso, percebeu-se que agrupamento de atributos mais fracos com os mais discriminatórios permite extrair mais características do que utilizar atributos discriminatórios de forma isolada.