该论文提出了一种新颖的验证码（CAPTCHA）方法，利用客户端GPU在受控WebGL渲染负载下的物理时序行为作为区分人类与自动化程序的信号。与传统的基于像素输出的WebGL指纹识别不同，该方法测量渲染时间动态以进行分类，而非识别，因此不会泄露持久标识符。研究者通过12小时被动部署（207个未授权请求，其中86%为自动化，85%声称是浏览器的客户端未通过HTTP头一致性检查）分析了实际对抗环境。随后，通过单个公共端点收集了真实浏览器（13种不同GPU，正类）和基于关键帧的无头自动化（负类）的GPU时序样本。实验发现，软件渲染的自动化（实际中主要的对抗手段）与真实GPU的平均渲染时间相差约5倍。在控制混杂因素的对比中（同一GPU系列和浏览器引擎，仅无头与交互式执行不同），无头自动化在真实硬件上仍表现出独特的时序特征，在帧抖动、定时器量化比和变异系数上与人类样本差异75-106%。这些是单个GPU架构上的试点结果，需要跨架构收集来建立泛化性。