跳至正文
欺诈防范

支付欺诈检测:IP 信号在风控体系中的位置

支付欺诈检测是分层的体系,而 IP 是其中成本最低的一层:网络信号能在授权前拦下什么,又在哪里交棒给下一层。

作者GeoIPHub 团队发布于更新于阅读时长阅读约 16 分钟
五层堆叠的半透明图层,最底层泛着网络纹理的光,表示 IP 信号在支付欺诈防护体系中的位置

随便问十个支付团队什么能阻止欺诈,您会听到十种不同的单一答案:规则、机器学习、3-D Secure、人工审核。诚实的答案是一整套体系。所有真正有效的支付防御都是分层的,因为每一层都有盲区,而攻击者专门瞄准您漏掉的那一层。本文从头到尾梳理这套体系,并重点讲最先触发、成本最低的一层:网络层,它通常被浓缩成一个可以直接据此行动的 0-100 IP 欺诈评分。用对之后,IP 情报能在整类攻击触及支付处理方之前将其清除,并且悄悄改善它后面的每一层。

一束光穿过层层堆叠的图层,表示一笔交易依次通过各道欺诈检查
IP 层是整个体系里成本最低的检查,也是第一道检查。

如实衡量这个问题的规模

银行卡欺诈并没有减少。Nilson Report 估计,全球银行卡欺诈损失在 2022 年为 334.5 亿美元,预计到 2028 年将超过 430 亿美元,其中美国的损失绝大部分是无卡支付问题(Nilson Report)。而且成本的不对称在两个方向上都很惊人:算上人力、调查和追偿,美国零售与电商商家每损失 1 美元欺诈,实际成本是 4.61 美元(The Paypers),而误拦合法订单造成的收入流失则悄无声息。支付防御必须同时压低欺诈和误拒,这正是分级、分层的系统所擅长的。

了解您的对手:四类支付攻击

OWASP 的自动化威胁目录列出了这些攻击的工业化版本(OWASP Automated Threats):

攻击OWASP 编号发生了什么特征
卡片测试OAT-001 Carding机器人用批量盗取的银行卡发起小额授权,找出仍然有效的卡尝试频次高、来源为数据中心或代理、金额极小
卡片破解OAT-010机器人对只有部分信息的银行卡暴力破解缺失的有效期和 CVV单张卡被大量拒绝、参数被系统性地变换
套现OAT-012已验证的盗刷银行卡被用于真实购物或购买礼品卡地理不一致、匿名化工具、加急配送、数字商品
结账环节 ATO(账户层)被劫持的客户账户使用已保存的银行卡付款受信任账户上出现新的网络和设备

友好欺诈,即真正的持卡人对一笔自己确实发生的购买提出争议,被有意放在这张表之外:没有任何网络信号能预见它,这本身就是一条关于分层体系的教训。

逐层拆解这套体系

  1. 网络层(授权前)。 在每次结账、更新银行卡和支付尝试时对 IP 评分。数据中心脚本、匿名化会话和高频来源就在这里被过滤,几乎不产生任何成本。
  2. 频次层。 统计每个 IP、每个 /64 前缀、每张卡、每个账户、每个活动的尝试次数。廉价的计数器能抓到信誉判断漏掉的东西。
  3. 设备与行为层。 设备指纹和会话行为用来识别回头客,并发现穿过网络过滤的自动化行为。两者的分工在设备指纹与 IP 情报的对比中有详细说明。
  4. 发卡行认证层。 3-D Secure 基于风险的认证:发卡行对低风险订单无感放行,其余订单发起挑战,通过认证的欺诈责任转移给发卡行(Visa 关于 3-D Secure)。
  5. 审核与证据层。 为真正模棱两可的订单设置人工审核队列,并为日后要打的争议留存证据,详见用 IP 检测减少拒付。

顺序很重要,因为成本随深度上升。一次 IP 查询只需几毫秒,花费不到一分钱。一次 3-D Secure 挑战会损失转化。一次人工审核要花掉分析师几分钟时间。一次拒付则要赔上商品、手续费,还会拉高您的争议率。在第一层被拦下的每一次攻击,都不会在第五层给您出账单。

IP 层在授权前能提供什么

基础设施的真实性。 真实客户从住宅和移动网络付款。来自数据中心或托管网段的结账,在证明清白之前就是自动化行为,而连接类型加 ASN 类型是您能运行的成本最低的第一道筛选。

支付环节的匿名化。 浏览阶段的 VPN 和代理标记本身只是很弱的证据。但同样的标记如果恰好出现在输入银行卡的那一步,或者结账时出现 Tor 出口,就值得加入摩擦。检测原理见VPN 和代理检测的工作原理。

地理一致性。 三个国家通常应当一致:IP 所在地、银行卡 BIN 的发卡国家,以及收货或账单地址。只有一项不一致,可能是出行中的用户或 VPN。三项全都不一致,又是首单并选择加急配送,就是值得发起挑战的模式。

正确选择统计的键。 卡片测试每个来源会发起数百次尝试。请以 IP 为键统计,对于 IPv6 则以 /64 前缀而不是完整地址为键,否则一个团伙看起来会像成千上万个用户(按 /64 对 IPv6 限速)。

缓冲因素。 运营商级 NAT 会让成千上万的合法客户共用一个地址;而在 Security.org 2026 年 8 月的调查中,1,008 名受访者里有 42% 的美国成年人表示使用 VPN。CGNAT 标记应当让您对共享 IP 的频次反应更宽松,而不是更严厉。

同一个结账页上的 Tor 出口与 iCloud 中继

同样是匿名化的问题,答案会因 IP 的实际性质而截然相反。我们在 2026-10-05 查询了一个 Tor 出口和一个 iCloud Private Relay 出口(结果会随网段变动而变化):

GeoIPHub API
[ { "ip": "185.220.101.1", "asn": { "asn": 60729, "asn_type": "hosting", "connection_type": "datacenter" }, "geo": { "country_code": "DE", "city": "Hamburg (Hamburg-Nord)" }, "detection": { "is_tor": true, "is_relay": false, "is_anonymous": true, "anonymity_level": "high" }, "scoring": { "fraud_score": 100, "recommended_action": "block", "detection_methods": ["tor_exit", "datacenter_blocklisted", "rdns_tor", "known_spammer"] } }, { "ip": "104.28.46.99", "asn": { "asn": 13335, "asn_type": "unknown", "connection_type": "unknown" }, "geo": { "country_code": "AO", "city": "Luanda", "geo_confidence": 0.8 }, "detection": { "is_tor": false, "is_relay": true, "is_anonymous": false, "relay_provider": "iCloud Private Relay" }, "scoring": { "fraud_score": 9, "recommended_action": "allow", "detection_methods": ["relay_ip"] } } ]

Tor 出口的评分为 100,recommended_action: "block",而 detection_methods 说明了原因:tor_exit 加上由其反向 DNS 得出的 rdns_tor,且位于托管基础设施上。这就是有多重佐证的高风险区间,应在授权前拦截。中继的评分为 9,结果是 allow,因为 is_relay: true 且 relay_provider: "iCloud Private Relay",说明这是使用系统自带隐私功能的 Apple 用户,而不是代理。请注意它在 IP 侧的国家是安哥拉:中继出口可能离持卡人很远,所以对中继 IP 而言,BIN 与 IP 国家不一致只是很弱的证据,不应仅凭它就把订单推入拦截区间。

卡片测试值得单独讲一段

卡片测试影响着全球约三分之一的电商商家(卡片测试统计),它是 IP 层应当直接将其清除的攻击中最典型的一种。机器人用小额授权验证盗取的银行卡,无论成败您都要付授权和拒绝的费用,而每张被验证有效的卡都会在别处变成真正的欺诈。流量特征非常明显:来源是数据中心和代理,尝试速率是机器速度,金额很小甚至为零。请在请求到达支付处理方之前对 IP 评分,按地址和前缀限速,并对未通过的请求悄悄拒绝或放进沙箱。在网络边缘阻止卡片测试,是大多数支付团队尚未充分部署、却回报最高的欺诈控制措施。

为发卡行提供信号,而不是与之对抗

3-D Secure 并不是您自身检测能力的对手,而是一层依赖信号运行的机制。发卡行根据它能看到的风险情况决定无感放行还是发起挑战,而您决定把哪些订单送进这个流程。实际做法与按动作设置欺诈评分阈值一致:干净区间无感放行,中等区间送入 3-D Secure 挑战,让通过认证的欺诈责任转移给发卡行,有多重佐证的高风险区间则在授权前拦截,使其永远不会影响您的通过率。IP 情报就是以低成本、可解释的方式完成这种分区的工具。

IP 层看不到什么

请准确地认识这些盲区,因为它们决定了体系里的其余部分。IP 看不到友好欺诈,即合法持卡人在自己常用的家庭网络上,对自己做过的购买提出争议。它无法标记在受害者自己所在街区使用的被盗银行卡。在没有帮助的情况下,它也无法区分同一个 CGNAT 地址背后的两位客户。这些缺口正是设备识别、发卡行认证和交易后审核存在的原因,也是 IP 风险评分被设计成决策中一项可解释的输入,而不是决策本身的原因。

每次支付尝试一次查询

每次支付尝试只需一次查询,就能返回授权前的全貌:connection_type 和 asn_type 把住宅与移动网络的客户同数据中心与托管网络的脚本区分开;detection 块会标出 VPN、代理、Tor 和中继出口,并给出每个标记背后的 proxy_type 和 anonymity_level;geo 块提供 IP 侧的国家,用于 BIN 与地址的一致性检查,并附带 geo_confidence,让您知道该在多大程度上依赖它;is_cgnat 标出共享的运营商地址,以便您放宽而不是拒绝;而可解释的 0-100 欺诈评分会附带 recommended_action(allow、review、step-up 或 block),直接对应您 3-D Secure 路由中的无感放行、挑战和拦截三个区间。所有字段在免费套餐中均可使用,每天 1,500 次查询,在把它接入支付流程之前,您还可以无需 API 密钥直接查看任意 IP 的欺诈评分。

从网络层开始搭建支付欺诈检测体系

本文是地图,相邻的几篇指南是具体的地形。阈值的具体数字见上文链接的按动作阈值指南;账户安全这扇门见检测账户接管与凭证填充;争议方面的收益见体系清单中提到的拒付指南;十分钟即可完成的集成见用免费 API 为您的应用添加 IP 欺诈检测。请先搭建网络层。它是唯一一层越早运行成本越低的层。

常见问题

什么是支付欺诈检测?

支付欺诈检测是企业在交易之前、之中和之后运行的一整套检查,用来发现未经授权或带有欺骗性的支付:盗刷银行卡、卡片测试、结账环节的账户接管以及友好欺诈。成熟的系统是分层的,而不是一整块。网络与 IP 检查最先运行,频次与设备信号用于佐证,3-D Secure 这类发卡行认证处理中等风险区间,交易后的审核与拒付证据则完成闭环。

结账时哪些 IP 信号最重要?

四类信号承担了大部分工作:连接类型与 ASN 类型(来自数据中心或托管网段的消费者结账,在证明清白之前就是脚本)、匿名化标记(支付环节出现 VPN、代理或 Tor)、地理一致性(IP 所在国家、银行卡 BIN 所属国家与收货地址是否一致),以及以 IP 及其 IPv6 /64 前缀为键的频次统计(同一来源大量尝试刷卡就是卡片测试)。每一项都需要结合上下文,因为运营商级 NAT 和主流 VPN 的使用都属正常现象。

什么是卡片测试,如何阻止它?

卡片测试(OWASP OAT-001 Carding)是指机器人用批量盗取的卡号发起小额授权,以找出仍然有效的卡。每次尝试都会让您付出授权费用,而每一次成功之后都会在别处变成真正的欺诈。它是最适合用 IP 解决的支付攻击:这些机器人运行在数据中心网段和代理池中,速率远超真人,因此在请求到达支付处理方之前先对 IP 评分,并按单个地址和 /64 前缀限速,就能清除其中的大部分。

3-D Secure 能取代欺诈检测吗?

不能。3-D Secure 是一层认证机制,对已通过认证的交易,它会把欺诈责任转移给发卡行,而其基于风险的流程在获得丰富信号时效果最好。全部发起挑战会损失转化,一个都不挑战则仍要自己承担责任。实用的做法是用您自己的风险评分(包括 IP 情报)来决定哪些交易进入 3-D Secure 挑战,哪些无感放行,哪些在授权前就直接拦截。

结账时应该拦截 VPN 用户吗?

不应自动拦截。大约四分之一的互联网用户在使用 VPN,其中大多出于正当的隐私需求,因此只要看到 VPN 标记就一律拦截,会白白拒掉真实的收入。对普通的 VPN 标记,应当把它当作增加验证的理由,例如把订单送入 3-D Secure 挑战;硬性拦截则留给有佐证的情形,比如 Tor 出口,或已知的滥用 IP 再叠加地理不一致、高频次等其他风险信号。

作者

GeoIPHub 团队

GeoIPHub API 背后的团队

由 GeoIPHub 团队撰写,即构建 GeoIPHub IP 情报 API 及其扫描器的团队。草稿在 AI 辅助下完成,并由团队编辑;除非标注为示例,API 示例均为针对线上 API 的真实查询。

分享本文
更多文章

相关 文章

  • 欺诈防范

    如何通过 IP 检测减少拒付

    用 IP 检测减少拒付:对每笔无卡支付订单背后的 IP 评分以阻止 CNP 欺诈,并用 IP 证据赢得友好欺诈争议。

    · 阅读约需 25 分钟