在大多数系统日志中，点击是一个事件。
但在风控系统眼中，点击是一条轨迹。
当用户移动鼠标、滑动触控板、在屏幕上拖拽或输入文字时，
这些连续动作会在时间轴上形成一条可被建模的“输入轨迹”。
这条轨迹，正是输入轨迹指纹的来源。
它并不关心你点击了哪个按钮，而是关注：
输入轨迹指纹，是通过分析连续输入行为的空间路径与时间变化，
生成的、用于区分不同操作者或操作方式的行为特征集合。
它通常由以下信息共同构成：
这些特征单独看并不起眼，但组合后具有高度可区分性。
自动化脚本可以轻松模拟“结果”：
比如点击按钮、填写表单、提交请求。
但模拟“过程”要难得多。
真实用户的输入轨迹往往具备：
而脚本生成的轨迹，往往：
这使得输入轨迹成为区分“人”与“程序”的高价值信号。
输入轨迹指纹并非只用于反作弊，它的应用范围更广：
它的优势在于：无需额外交互，就能持续评估风险。
输入轨迹指纹并非绝对可靠，常见挑战包括：
因此，成熟系统通常不会单独依赖输入轨迹，而是将其作为行为分析的一部分。
不会。它关注的是动作路径与节奏，不涉及输入内容本身。
理论上可以逼近，但成本高且稳定性差，难以长期保持一致。
会，但轨迹中的“行为模式”仍可能保持相似。
属于行为特征数据，通常需配合隐私声明与合规使用。
