Mozilla联合多伦多大学及加州大学圣地亚哥分校研究人员，基于近2500万Firefox正式版用户的真实遥测数据，完成了一项大规模浏览器指纹识别研究。该研究旨在量化现实环境中用户的唯一性，识别关键特征，并据此设计了随Firefox 143版本发布的指纹识别防护功能。 核心发现：少数指标驱动唯一性 研究显示，浏览器指纹的可识别性并非由大量独立测量累积而成，而是主要由少数高影响力特征及其组合驱动。以最具辨识度的Fingerprint Pro为例，80%被视为唯一的用户仅在获取8个指标后即被锁定，尽管该工具总共收集超过50个指标。Signifyd的情况类似，80%的唯一用户在获取9个指标后被识别，而其收集指标总数超过80个。 此外，传统文献中常用的“香农熵”并不能可靠预测指纹识别的实际影响。研究引入辛普森指数（赫芬达尔-赫希曼指数）来量化队列大小差异，发现仅凭唯一性比例判断防护措施效果存在偏差。例如，两种防护措施虽将唯一用户比例均降低约2.1个百分点，但其中一个将队列分数提高了56%，另一个仅提高13%。 平台差异与防护策略 数据表明，数字只有在按操作系统区分时才具有实际意义。不同操作系统的关键指纹指标差异显著，导致同一防护措施在不同平台上的表现悬殊。例如，限制屏幕分辨率使macOS用户的唯一性累计减少25.3个百分点，而在其他三个平台上仅减少0至3个百分点。若平均所有用户，这一降幅仅为3.5个百分点，容易掩盖对特定平台的关键保护作用。 在防护手段上，标准化与随机化需相辅相成。标准化使用户报告值趋于一致，但无法完全消除独特性；随机化虽强大但可被检测绕过。两者结合才能有效承担隐私保护重任。同时，通过分析指纹值与硬件特征的关联，研究团队找到了导致差异的根本原因，并在Android平台上实现了图像渲染、Web Audio和数学运算输出的更高一致性。 兼容性与隐私的平衡 研究强调，兼容性不是隐私的权衡，而是前提。严格模式导致的网页故障往往具有延迟性，用户难以将故障与隐私设置关联，从而产生挫败感甚至归咎于浏览器本身。因此，Mozilla在设计和调整缓解措施时，严格基于测量影响与网页兼容性进行评估，确保默认设置下网页正常运行。 出于安全考虑，团队故意未公布所有分析结果，以避免帮助商业指纹识别器进化。部分本可发布的数据和分析角度被刻意保留，以防止攻击者构建更精准的指纹识别工具。 数据收集与隐私保护 本次测量数据来自Firefox专用的user-characteristics遥测ping，该功能在2025年和2026年各启用一次。数据采集采用隐蔽HTTP（OHTTP）技术，通过独立中继转发加密提交，确保Mozilla无法获取用户IP地址，中继无法查看内容。数据仅包含用于去重的UUID，不含客户端ID，且不与任何其他遥测数据关联。仅有四名授权员工可访问数据，保留期为90天，目前原始数据已被删除。 为促进后续研究，Mozilla发布了四种类型的聚合数据与分析代码，包括不同防护阶段的指纹列表、按指标划分的值频率聚合表等。所有发布数据均经过匿名化处理，出现次数少于100次的值被扣留，确保无法反向追踪个人用户。团队还提供了交互式测试工具，用户可在本地浏览器中运行测试，将自己的指纹特征与约2500万用户的聚合数据进行对比，全程不上传任何数据。