每一次交互都会留下 痕迹
我们相信，每一次数字交互都会留下痕迹。我们的使命，就是读懂它。
我们的故事
tracio.ai 由一支前 Cloudflare 与前 Stripe 工程师团队于 2024 年创立，他们多年来一直在大规模构建机器人管理与欺诈检测系统。我们从两端看到了同一个问题：Cloudflare 的机器人管理团队需要更好的设备信号，而 Stripe 的欺诈团队则需要在浏览器更新和隐私设置下依然可靠的指纹识别技术。
现有的解决方案要么是封闭源代码的黑盒，要求您交出访客数据；要么是每逢 Chrome 更新就失效的开源库。我们知道，一定有更好的办法 — 一套建立在深层硬件信号、AI 驱动的跨会话匹配之上，并将所有数据保留在您自有基础设施上的系统。
我们打造 tracio.ai，就是要做成我们当年在 Cloudflare 和 Stripe 时梦寐以求的设备智能平台。如今，我们在 4 个数据中心每月处理超过 20 亿次事件，团队由 12 名工程师组成，他们坚信精准、速度与透明并非可有可无 — 而是根基所在。
我们的价值观
精准
每一个信号都很重要。我们为 130 多个信号中的每一个衡量其唯一性、稳定性和交叉验证准确度。如果某个信号无助于提升识别效果，我们就会将其移除。
透明
没有黑盒。我们的客户端 SDK 是开源的。我们的文档解释了我们采集的每一个信号，以及引擎做出的每一个决策。
速度
服务端处理低于 10 毫秒，客户端采集低于 50 毫秒。我们对延迟精益求精，因为每一毫秒的延迟，都意味着您的欺诈防御失明一毫秒。
卓越工程
我们交付可承载每秒 5 万次事件的生产级基础设施。后端采用 Go 与 Rust，分析使用 ClickHouse，流式处理使用 Kafka。绝不走捷径。
为规模而生
为规模而生
设备识别处理基础设施的工程目标——平台在架构上所要承载的负载、延迟与可用性。
为我们基础设施设定的设计目标，而非实时生产读数。
我们的与众不同之处
大多数指纹识别方案依赖简单的哈希拼接：采集少量信号，将它们哈希在一起，然后寄望结果保持稳定。这种方法一旦遇到浏览器更新、用户更改设置或操作系统给渲染引擎打补丁，就会立刻失灵。
Tracio 采取了根本不同的方法。我们的 Device Identification 引擎按稳定性对信号进行区分 — 极少变化的硬件级信号构成核心身份，而易变信号则通过 AI 驱动的匹配算法处理，可容忍预期内的漂移。
结合用于自动化检测的 Bot Detection、用于服务端智能的 Smart Signals，以及用于 IP 分析的 IP Intelligence，我们提供一个完整的设备智能平台，全程运行在您自有的基础设施之上。
Device Identification
采用专有识别算法与 AI 置信度评分，实现 99.5% 准确率的设备识别。
Bot Detection
多种检测方法识别 15 种以上自动化框架，误报率接近于零。
Smart Signals
24 个服务端智能信号，用于检测 VPN、隐身模式、篡改和虚拟机。
IP Intelligence
基于商业 IP 情报的 VPN、代理和 Tor 检测，并附带速度追踪。