熵（指纹识别）

熵量化的是不确定性。一个在总体中取许多大致等概率取值的信号，比一个几乎总是相同的信号携带更多的熵比特。例如，一个罕见的 canvas 哈希对设备的区分能力，远胜于大多数用户共享的一个常见平台字符串。

当信号相互独立时，它们的熵会相加，因此将若干个中等信号组合起来，便可产生足以在数十亿台设备中锁定其中一台的总比特数。实际上信号会部分相关，因此某个组合的有效熵会低于朴素求和的结果，这正是审慎的选择和加权至关重要的原因。

指纹系统会根据观测到的分布估计每个信号的熵，并优先采用高熵、稳定的信号。这与隐私和稳定性之间存在张力：最具标识性的信号，也可能正是最容易改变或最容易被反指纹工具扰动的信号。