本文提出了WGPULens，一个系统化测量WebGPU隐私泄露风险的框架。WebGPU作为新的Web图形API，允许网页通过验证的编程模型运行GPU工作负载，虽然验证机制保证了内存安全，但共享的浏览器、驱动程序、操作系统和GPU状态仍可能暴露隐私敏感信号。WGPULens从四个维度进行测量：控制场景实验、浏览器原生协同驻留测试、参与者现场研究、真实网页Tranco爬取。控制场景实验识别出持久的管线编译状态是最清晰的泄露表面，冷/暖管线探测可揭示先前编译状态，并能从浏览器可见观测中推断原生GPU活动。其他资源探针结果较弱或呈阴性。参与者现场研究显示WebGPU行为在样本内具有高度独特性，确定性组件在单次运行内稳定，但跨重复访问的精确稳定性较低。网页爬取发现WebGPU主要用于适配器探测和静态支持代码，未见页面加载时编译管线、队列、查询或映射活动。缓解措施试验表明，源代码级密钥分离可作为评估管线缓存分区的代理。总体结论是WebGPU隐私分析必须针对具体表面进行：浏览器需测量哪些GPU状态跨越哪些边界，哪些浏览器可见信号可揭示它们，以及对应缓解措施的成本。该研究对浏览器厂商、Web标准制定者和关注Web隐私的安全研究人员具有重要参考价值。