3. 设备指纹生成算法

设备指纹的生成并非简单的“采集→拼接→哈希”。在实际风控场景中，我们需要平衡稳定性（同一设备每次生成的指纹一致）与区分度（不同设备指纹不碰撞），同时对抗模拟器、改机工具和代理IP的干扰。本章从底层算法视角拆解三种主流生成路径。

3.1 哈希算法：确定性指纹的基石

哈希算法是设备指纹最基础的生成手段。它将采集到的设备属性（如IMEI、MAC、Android ID、IDFA）拼接成字符串，再通过单向哈希函数映射为固定长度的摘要值。

3.2 机器学习特征融合：从确定性到概率性指纹

纯哈希指纹在遇到“属性缺失”或“改机篡改”时容易失效。机器学习特征融合通过将多个弱信号（如传感器噪声、屏幕亮度、WiFi扫描列表、触摸轨迹）编码为特征向量，再通过模型融合成概率性指纹。

典型融合流程包含三个层级：

1. 原始信号层：采集加速度计、陀螺仪、磁力计、麦克风背景噪声等连续信号。
2. 特征工程层：提取统计特征（均值、方差、FFT峰值）、时序特征（自相关、熵）和分布特征（直方图、分位数）。
3. 模型融合层：将上述特征与硬件ID特征拼接，输入全连接网络或Transformer编码器，输出128维或256维的指纹向量。

3.3 设备ID生成策略：从单因子到多因子决策

设备ID是风控策略中最上层的标识。生成策略决定了指纹的生命周期和可重置性。常见的策略分为三类：

3.4 多因子投票生成策略

在实际生产环境中，单一因子容易被篡改或失效。推荐使用多因子投票策略生成最终设备ID。其核心逻辑是：

• 主因子：硬件ID（IMEI/Android ID/IDFA）——权重最高，但可能被用户关闭权限。
• 辅助因子：WiFi BSSID列表、蓝牙MAC列表、传感器指纹——当主因子缺失时启用。
• 行为因子：安装应用列表、系统语言、时区、字体列表——用于交叉验证。

当至少两个因子投票指向同一设备时，才生成稳定的设备ID；否则标记为“低置信度设备”，触发二次验证（如短信验证码或滑块验证）。

3.5 代码示例：HMAC-SHA256设备ID生成

以下是一个生产级别的设备ID生成函数，包含属性排序、加盐和HMAC签名：

import hashlib
import hmac
import json

def generate_device_id(device_attributes: dict, salt: str = "fp_salt_2024") -> str:
    """
    生成稳定的设备指纹ID
    :param device_attributes: 设备属性字典，如 {"imei": "12345", "android_id": "abcde", "wifi_bssid": "00:11:22:33:44:55"}
    :param salt: 加盐值，定期轮换可重置指纹
    :return: 64位十六进制设备ID
    """
    # 1. 过滤空值，只保留非空属性
    filtered = {k: v for k, v in device_attributes.items() if v}

    # 2. 按属性名排序，保证顺序一致性
    sorted_items = sorted(filtered.items())

    # 3. 拼接为 "key1=value1|key2=value2" 格式
    raw_string = "|".join([f"{k}={v}" for k, v in sorted_items])

    # 4. 使用HMAC-SHA256加盐签名
    message = raw_string.encode("utf-8")
    key = salt.encode("utf-8")
    digest = hmac.new(key, message, hashlib.sha256).hexdigest()

    return digest

# 示例调用
attrs = {
    "imei": "356938035643809",
    "android_id": "a1b2c3d4e5f6",
    "wifi_bssid": "02:00:00:00:00:00",
    "serial": "unknown"  # 会被过滤
}
device_id = generate_device_id(attrs)
print(f"设备ID: {device_id}")
# 输出示例: 设备ID: e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855

3.6 三种生成路径的对比与选型