---
title: "Hybrid Fingerprinting"
type: concept
tags: []
last_updated: 2026-05-01
---

## Definition

结合精确匹配（SHA-256 主键哈希）与模糊匹配（向量语义相似度）两种信号，防止因表面相似而误合并不同记录的混合指纹识别机制。

## The Problem

纯语义相似度是模糊的：
- `"John Doe ID:101"` 与 `"Jon Doe ID:102"` 语义高度相似
- 但主键不同（ID:101 ≠ ID:102），实际上是两条不同的记录
- 若仅依赖语义相似度，可能被错误聚类合并

## Solution

```
Hybrid Score = SHA-256(PK_hash) + Vector_Similarity(embedding)
```

- **PK Hash differs** → 强制分离聚类，不允许合并
- **PK Hash matches** → 才考虑向量相似度进行聚类

## Implementation

```python
# 伪代码
for each candidate_pair:
    if sha256(pk1) != sha256(pk2):
        force_separate_clusters()  # PK不同，强制分离
    else:
        if vector_similarity(embedding1, embedding2) > threshold:
            merge_clusters()  # PK相同且语义相似，才合并
```

## Related

- [[Semantic Anomaly Compression]]
- [[Air-Gapped SLM Fix Generation]]