浏览器指纹熵值计算器
按各项指纹特征的可能取值数，用信息熵模型估算浏览器指纹组合的唯一识别能力。
免费在线工具
Loading…
使用说明
添加多个指纹特征（如User-Agent、屏幕分辨率、字体列表哈希、时区、Canvas指纹等），填写每项特征在人群中大致的可能取值数（区分度桶数），工具用信息熵公式计算每项特征贡献的比特数与总熵值，并估算大约每多少个浏览器会出现一次相同指纹组合。默认加载一组示例特征演示算法效果。
功能介绍
- 支持自由添加/删除任意数量的指纹特征
- 基于信息熵模型计算单项特征比特数与总熵值
- 估算相同指纹组合出现的碰撞概率（1/X）
- 算法归纳自Panopticlick等经典指纹研究
使用场景
评估浏览器指纹追踪风险
评估当前采集的指纹特征组合对用户的唯一识别能力
隐私合规自查
为隐私合规审查提供指纹识别能力的量化参考
反指纹追踪方案设计
对比不同特征组合的熵值，辅助设计降低指纹唯一性的方案
常见问题
「可能取值数」应该怎么填？
不是精确统计，而是该特征在目标人群中大致的区分度桶数估算，例如屏幕分辨率+色深组合数、字体列表哈希桶数等，可参考公开的浏览器指纹研究数据。
为什么实际熵值可能比计算结果低？
本工具给出的是理论上限估算，假设各取值均匀分布。实际中特征取值分布往往不均匀（如某个User-Agent占绝大多数），会导致实际可区分的熵值低于理论值。