浏览器指纹
通过收集浏览器Canvas渲染、WebGL、字体列表、屏幕分辨率、时区、AudioContext等数十个参数并组合为哈希值，形成设备的唯一软性标识符。即便清除Cookie也难以规避，广泛用于用户追踪和风控系统。
核心事实
时间轴 (近 90 天)
测试暴露出AI代理的弱点：部分代理框架因依赖无头浏览器而在浏览器指纹一致性上留下可被识别的环境特征。
浏览器指纹是网站通过收集用户浏览器的多种属性组合成高熵标识符，用以区分不同访问者；与Cookie不同，指纹难以被用户主动清除，常被用于跨会话追踪和机器人识别。
原文提出的三层防御架构为：邮箱规范化与ASN拦截及零扣款Step-Up验证、硬件加/24子网复合指纹、预扣式原子Redis Lua预算预留。
平台风控系统通过采集 User-Agent、Canvas/WebGL 指纹、时区、字体列表、鼠标轨迹、请求间隔等数十项信号来识别自动化行为。
指纹是被动采集的，不在设备上留下可供删除的痕迹，而是在每次访问时由服务器实时计算
特征标准化与接口随机化两种反指纹路径各有权衡：过度标准化可能破坏网站功能，随机化可能影响用户体验，没有一劳永逸的方案
即便用户更换网络IP、切换浏览器账号，只要底层设备不变，服务器侧计算出的指纹哈希值往往与上次访问高度相似
研究发现超过80%的浏览器配置在采集约18个维度后即可在全网范围内唯一定位
浏览器指纹技术通过采集设备和浏览器的大量特征，在服务器端重建用户身份，用户难以主动清除
单独任何一项浏览器特征都不足以识别个人，但多个维度组合后其熵值足以在数以亿计的设备中锁定特定用户
还有 3 条时间轴事件
全部知识事实 (14)
仅凭浏览器指纹就能在数百万用户中以超过90%的准确率识别出同一台设备
70%待验证测试暴露出AI代理的弱点：部分代理框架因依赖无头浏览器而在浏览器指纹一致性上留下可被识别的环境特征。
50%待验证浏览器指纹是网站通过收集用户浏览器的多种属性组合成高熵标识符，用以区分不同访问者；与Cookie不同，指纹难以被用户主动清除，常被用于跨会话追踪和机器人识别。
50%待验证原文提出的三层防御架构为：邮箱规范化与ASN拦截及零扣款Step-Up验证、硬件加/24子网复合指纹、预扣式原子Redis Lua预算预留。
50%待验证平台风控系统通过采集 User-Agent、Canvas/WebGL 指纹、时区、字体列表、鼠标轨迹、请求间隔等数十项信号来识别自动化行为。
50%待验证即便清除所有Cookie、使用隐身模式，指纹依然能够将用户重新关联起来
50%待验证指纹是被动采集的，不在设备上留下可供删除的痕迹，而是在每次访问时由服务器实时计算
50%待验证研究发现超过80%的浏览器配置在采集约18个维度后即可在全网范围内唯一定位
50%待验证特征标准化与接口随机化两种反指纹路径各有权衡：过度标准化可能破坏网站功能，随机化可能影响用户体验，没有一劳永逸的方案
50%待验证即便用户更换网络IP、切换浏览器账号，只要底层设备不变，服务器侧计算出的指纹哈希值往往与上次访问高度相似
50%待验证浏览器指纹技术通过采集设备和浏览器的大量特征，在服务器端重建用户身份，用户难以主动清除
50%待验证单独任何一项浏览器特征都不足以识别个人，但多个维度组合后其熵值足以在数以亿计的设备中锁定特定用户
50%待验证即使用户不登录账号、清空 Cookie，服务商仍可通过指纹识别判断是同一台设备/浏览器在反复请求
50%待验证仅通过 Canvas 渲染结果、WebGL 渲染器信息和已安装字体列表三项，就能以超过90%的准确率区分不同设备
50%