跨会话设备匹配背后的数学原理

设备指纹识别面临一个根本性挑战：信号会变化。浏览器会更新，用户会修改设置，字体会被安装和卸载。严格比较会把每一个发生变化的信号都当作一台新设备，从而摧毁识别的准确性。我们的跨会话匹配系统通过 AI 驱动的技术解决了这个问题——它量化相似度，而不是要求完全相等。

问题所在：信号漂移

设想一台昨天被采集了指纹的设备，在浏览器更新之后于今天再次到访。user agent 字符串发生了变化。现在新支持了两个 CSS 特性。新增了一个 WebGL 扩展。canvas 渲染结果保持不变（同一块 GPU、同一套驱动）。音频指纹完全相同。除了新增的那个扩展之外，WebGL 参数也完全相同。

采用精确匹配时，这台设备将无法被识别——因为组合指纹已经改变了。但凭直觉我们知道这是同一台设备。硬件信号完全一致，而软件层面的变化与一次浏览器更新完全吻合。我们的跨会话匹配系统把这种直觉形式化了。

针对特征信号的基于集合的比较

许多浏览器信号天然可以表示为集合：所支持的 CSS 特性集合、可用的字体集合、WebGL 扩展集合。对于这些信号，我们使用基于集合的相似度指标来衡量重叠程度。对于两个集合 A 和 B，我们计算共享元素与元素总数的比值。

一台设备昨天有 45 个 CSS 特性、今天有 47 个（其中 44 个相同），其相似度分数很高。这足以表明这是同一台设备经过了一次浏览器更新。而一台完全不同的设备可能只共享 30 个 CSS 特性，相似度分数会低得多。“同一设备”与“不同设备”之间的阈值是从带标签的数据中学习得来的。

高效的候选生成

在大规模场景下，计算每一对设备之间的相似度代价高得令人望而却步。我们的候选生成系统采用先进的索引技术，以很高的概率将相似项映射到同一个查找桶中，从而让我们能够在常数时间内找到潜在匹配。

这种方法在候选生成阶段消除了 99.9% 的比较，即便面对数十亿设备画像，系统依然保持高效。

针对复杂信号的 AI 驱动分析

有些信号无法整齐地分解为集合。canvas 指纹、音频处理输出和 WebGL 参数向量都是复杂数据，简单的集合比较并不适用。对于这些信号，我们采用 AI 驱动的分析，将设备画像映射到一个表示空间中，使相似的设备彼此靠近。

AI 模型能够捕捉信号之间不那么显而易见的关系。例如，它会学到：WebGL renderer 字符串从某个 GPU 型号变为同一型号的小幅升级版本，代表的是同一台机器上的 GPU 升级；而变为一个完全不同的 GPU 厂商，则代表这是一台完全不同的设备。

组合这些技术

我们的生产系统以级联方式使用多种技术。第一步，高效的候选生成识别出潜在匹配。第二步，基于集合的比较为基于特征的信号提供精确的重叠度量。第三步，AI 驱动的分析为依赖硬件的信号打出相似度分数。最终的置信度分数是所有方法的加权组合，其权重在带标签的数据上调优得出。

这种级联架构兼具准确性与高效性。对于一位回访用户，总匹配耗时平均在 5ms 以内。