2. 设备指纹基础回顾：采集原理、属性与生成流程

在深入批次稳定性监控之前，必须牢固掌握设备指纹的底层机制。本章系统梳理设备指纹的采集原理、核心属性分类以及从原始数据到稳定指纹的生成流程，为后续 PSI 监控与策略对齐奠定基础。

2.1 设备指纹的采集原理

设备指纹的采集并非单一技术，而是多种探测手段的组合。核心原理是通过客户端脚本（通常是 JavaScript）或原生 SDK，向浏览器或操作系统请求特定接口，获取设备在硬件、软件、网络层面的差异化特征。

2.2 常见设备属性分类

设备属性按照来源可分为三大类：硬件层、软件层、网络层。每一类属性在指纹生成中承担不同的角色，其批次稳定性也各不相同。

2.2.1 硬件属性

• 屏幕分辨率与色深：通过 screen.width、screen.colorDepth 获取，受显卡驱动影响。
• CPU 核心数与架构：通过 navigator.hardwareConcurrency 获取，虚拟机环境常出现异常值。
• 设备内存：通过 navigator.deviceMemory 获取，部分浏览器支持有限。
• Canvas 指纹：利用 <canvas> 绘制特定图形，提取像素差异，是硬件+驱动层的综合特征。
• WebGL 渲染器：通过 WebGL API 获取 GPU 型号与驱动信息，区分度极高。

2.2.2 软件属性

• 操作系统与版本：通过 navigator.platform 或 User-Agent 解析。
• 浏览器内核与版本：Chrome、Firefox、Safari 等内核差异明显。
• 已安装字体列表：通过 Flash 或 JS 探测，不同系统字体集合差异大。
• 时区与语言偏好：Intl.DateTimeFormat 与 navigator.language 提供区域信息。
• 浏览器插件与扩展：通过 navigator.plugins 枚举，隐私模式下可能被限制。

2.2.3 网络属性

• IP 地址：服务端获取，变化频繁，通常不作为稳定指纹核心。
• TCP/IP 栈指纹：通过被动采集分析 MSS、TTL、窗口大小等参数。
• WebRTC 本地 IP：通过 RTCPeerConnection 获取内网 IP，存在隐私争议。
• HTTP 头顺序与特征：不同浏览器/库发送的请求头顺序存在差异。

2.3 指纹生成流程

从原始属性采集到最终指纹标识，通常经历四个阶段：采集 → 归一化 → 特征提取 → 哈希生成。下图展示了完整的指纹生成流水线。

2.4 指纹生成的代码示例

以下是一个简化的设备指纹生成流程，展示从采集到哈希的核心逻辑。实际生产环境需加入更多容错与归一化处理。

// 简化版设备指纹生成示例
function generateDeviceFingerprint() {
  // 1. 采集原始属性
  const rawData = {
    canvas: getCanvasFingerprint(),       // Canvas 指纹
    webgl: getWebGLRenderer(),            // WebGL 渲染器
    screen: `${screen.width}x${screen.height}`,
    colorDepth: screen.colorDepth,
    cpuCores: navigator.hardwareConcurrency || 4,
    timezone: Intl.DateTimeFormat().resolvedOptions().timeZone,
    language: navigator.language
  };

  // 2. 归一化处理
  const normalized = {
    canvas: rawData.canvas.trim().toLowerCase(),
    webgl: rawData.webgl.replace(/\s+/g, ' ').trim(),
    screen: rawData.screen,
    colorDepth: rawData.colorDepth.toString(),
    cpuCores: Math.min(rawData.cpuCores, 64).toString(),
    timezone: rawData.timezone || 'UTC',
    language: rawData.language.split('-')[0]
  };

  // 3. 特征组合（按固定顺序拼接）
  const featureString = [
    normalized.canvas,
    normalized.webgl,
    normalized.screen,
    normalized.colorDepth,
    normalized.cpuCores,
    normalized.timezone,
    normalized.language
  ].join('||');

  // 4. 哈希生成（使用 SHA-256）
  return sha256(featureString);
}

2.5 属性稳定性分级

不同属性在批次间的稳定性差异显著。以下分级表帮助识别哪些属性适合作为稳定指纹核心，哪些需要额外监控。

2.6 本章小结