1. 课程导论：设备指纹批次稳定性的定义、PSI监控在风控中的价值、课程整体大纲与学习目标

1.1 设备指纹批次稳定性的定义

设备指纹批次稳定性，是指在连续多个时间窗口（通常以天或周为单位）内，同一设备指纹计算组件（如 Canvas、WebGL、AudioContext、时区、字体列表等）所生成的指纹特征值，在整体批次分布上保持统计一致性的能力。稳定性并非指单个指纹值完全不变，而是指批次级别的分布偏移在可接受范围内。

设备指纹的批次稳定性直接决定了风控模型在生产环境中的泛化能力。若某一特征的批次分布发生剧烈偏移（如浏览器版本升级导致 Canvas 输出模式改变），模型对该特征的权重将失效，引发误杀或漏过。

1.2 PSI监控在风控中的价值

群体稳定性指标（Population Stability Index, PSI）是衡量两个批次之间分布偏移程度的量化工具。在设备指纹风控场景中，PSI 监控承担以下关键价值：

1.3 课程整体大纲与学习目标

本课程共 30 章，覆盖从理论到工程落地的完整链路。以下为课程大纲概览：

完成本课程后，学员将能够：

1. 独立计算并解读 设备指纹特征的 PSI 值，识别批次偏移的根因。
2. 设计并部署 覆盖 50+ 特征的 PSI 实时监控系统，延迟低于 5 分钟。
3. 制定并执行 基于 PSI 数据的特征治理策略，将模型衰减速度降低 60% 以上。
4. 输出合规报告 满足金融监管对模型特征稳定性的审计要求。

1.4 设备指纹批次稳定性监控架构总览

下图展示了本课程将要实现的 PSI 监控与策略对齐的整体架构，帮助学员建立全局视角：

1.5 课程学习路径建议

根据学员背景不同，推荐以下学习路径：