是什么让一个指纹信号变得唯一？

当一个信号的取值散布在许多小的用户群体之间、而非集中于某个常见值时，它就是唯一的。像 canvas 和 WebGL 这样基于渲染的信号往往高度唯一，因为它们反映了特定的硬件和驱动。像语言这类大多数用户共享的属性，单靠自己携带的唯一性甚微。

信号唯一性与熵有何关系？

两者密切相关：唯一性描述一个信号的取值有多具区分度，而熵以比特量化这种区分度。高熵信号高度唯一，能有力地缩小某台设备的范围。系统会按这一属性对信号加权，以最大化标识能力。

指纹识别

信号唯一性是衡量某个信号有多具区分度的指标，反映它携带了多少关于某台设备的标识性信息。像 canvas 或 WebGL 输出这样高度唯一的信号，对识别的贡献远大于平台或语言这类大多数用户共享的常见信号。

工作原理

唯一性取决于某个信号的取值如何在总体中分布。如果几乎人人报告相同的值，该信号就几乎无法缩小某台设备的范围；如果取值散布在许多小群体之间，那么知道该取值就能有力地区分一台设备。这与熵密切相关。

指纹系统会根据观测到的分布凭经验估计唯一性，然后据此对每个信号加权。像基于渲染的 canvas 和 WebGL 哈希这样具区分度的信号权重很高，而像操作系统平台或首选语言这样被广泛共享的信号，单靠自己贡献甚微，却仍能增添印证。

唯一性必须与稳定性相权衡，因为最具区分度的信号有时也是最易变、或最容易被隐私工具扰动的信号。良好的识别会将高度唯一的信号与稳定信号相调和，从而使组合而成的画像既具区分度又持久。

为何重要

信号唯一性支配着一台设备能以多高的把握与其他设备区分开来，这直接塑造了欺诈检测的可靠性。按唯一性对信号加权，可防止常见属性稀释一次匹配，并确保由具区分度的证据来驱动识别。它对于产生关于两个会话是否属于同一台设备的良好校准置信度，是核心所在。

使用 TRACIO

TRACIO 会按唯一性对其 130+ 个信号加权，从而使在形成访客 ID 时，具区分度的渲染和硬件信号比被广泛共享的属性权重更高。在唯一性与稳定性之间取得平衡，让 TRACIO 能够构建既具区分度又持久的画像，支撑其在内部基准上的识别精度。这种加权是计算一次匹配置信度方式的核心组成部分。

常见问题

从每月 2,500 次 API 调用的免费方案开始。无需信用卡。