为什么应在交易前评估 IP 风险

防范欺诈，需要先解读 IP 地址所反映的信号，再决定如何处理一笔业务。

网络欺诈可能造成重大损失。在支付、登录或数据交换前，评估 IP 地址的相关风险，有助于发现值得关注的信号。这种评估能发挥多大作用，取决于如何将其与其他可用信息结合起来。

IP 地理位置和信誉信息可以实时提供判断所需的背景。忽略这些信息可能留下盲区；将其视为确凿证据，同样可能导致错误。为了说明问题的规模，2024 年《尼尔森报告》曾预测，2026 年全球银行卡欺诈损失约为 363.7 亿美元。这是针对银行卡的预测，既不代表所有网络欺诈的损失，也不是对 IP 所致损失的测量。

什么是 IP 风险评分？

IP 地址用于在互联网上路由通信，但无法唯一识别某个人或某台设备。多台设备可以通过 NAT 共享一个公网 IP 地址，地址分配也可能发生变化。风险评分汇总了与某个地址相关的信号，与其他评分工具类似，可以作为评估时的参考指标。一些服务采用 0 至 100 的评分范围，但具体量表及其含义取决于提供商。

常见信号包括已观察到的行为、位置是否一致、与已知恶意活动的关联，以及是否使用 VPN 或代理服务器。垃圾邮件投诉和是否被列入封禁名单，也可能纳入考量。需要区分信誉评分与风险评分：前者分数高可能表示更可信，后者分数高则可能表示风险更大。两者的阈值不能混用。检测到 VPN，也不能证明存在欺诈。

审查风险评分

审查这些评分，意味着核实服务使用了哪些数据、如何解读这些数据，以及这些信息能在业务发生前支持什么决策。企业可以查询信誉数据源，核验 IP 地址，并将结果纳入支付、访问和数据交换流程。经过充分评估的集成方案可以加快审核、减少错误，但单凭一个评分，并不能保证防止未授权访问或损失。

欺诈与网络信号

攻击者可能使用代理并更换地址，使其位置更难识别。但这并不足以将全球损失中的某个具体比例归因于这些做法。《尼尔森报告》记录的银行卡欺诈损失在 2021 年为 323.3 亿美元，2023 年为 338.3 亿美元；其 2024 年报告预测，2026 年将达到 363.7 亿美元。另一方面，英国金融业协会（UK Finance）的历史数据系列显示，2023 年英国发行的银行卡因欺诈损失 5.513 亿英镑，其中 3.605 亿英镑与远程购物有关。这些数据对应的是有明确定义的类别，并非对所有网络支付欺诈的统计。

账户接管、合成身份欺诈，以及被称为“多头借贷”（loan stacking）的同时申请多笔贷款，都需要结合不同信号加以审查。在Regula 于 2023 年开展的研究中，46% 的受访企业曾遭遇合成身份欺诈；90% 认为，这种威胁在随后几年会日益加剧。该调查涵盖八个国家、五个行业的 1,069 名负责人，其结果并不代表所有企业。VPN 可能增加解读位置信息的难度，但也有保护隐私和远程访问等正当用途。某些免费服务会将用户设备变成他人流量的出口节点；这种风险并不意味着所有 VPN 用户都值得怀疑。

IP 风险评估机制

分析时可以查询地理定位、VPN 和 Tor 节点检测，以及封禁名单信誉等服务。在 SEON 等系统中，规则为各类信号赋予分值，配置的阈值则为批准、审核或拒绝提供依据。这些权重和类别属于特定模型，并不是通用的风险衡量标准。

API 可以将网络数据纳入实时评估。根据具体服务，这些数据可能包括提供商特征、端口开放的迹象，或 IP 地址变化的频率。需要核实每项数据实际测量的是什么。在MaxMind 于 2025 年 8 月发布的一项分析中，相对于随机预测这一基准，匿名 IP 指标、IP 风险评分和 minFraud 综合评分的精确率—召回率曲线下面积（PR-AUC），按账户计算的平均提升幅度分别为 43%、125% 和 300%。这里的比较基准是随机预测。这些数字并不保证任何企业都能获得相应的准确率提升。

企业可以允许其认定为低风险的业务继续进行，并在出现相关风险迹象时，要求进行额外验证，例如多因素认证。在信贷申请中，IP 信号可以为调查提供线索，但不应取代完整评估，也不应单独成为拒绝申请人的理由。

提供商发布的案例与示例

• Buffered。据 SEON 发布的案例，这家 VPN 提供商在三十天内将拒付率降低了 91%。该方案结合了 IP 分析、机器学习和自定义规则。这一结果仅属于该案例，无法据此单独确定某一项评分的作用。
• Simplex。在MaxMind 于 2021 年发布的案例中，这家加密货币支付网关使用 minFraud 提供的 IP 地理位置、电子邮件风险和金融机构数据，为其算法提供输入，并辅助人工审核。该案例并未记录 300% 的提升；这一数字来自上文所述、MaxMind 后来发布的对比分析。
• TrustDecision。该公司关于风险管理的说明展示了如何将 IP、设备指纹与联系信息关联起来，以辅助调查欺诈网络。这是对技术方法的介绍，并未记录某家金融机构捣毁某个具体欺诈网络的事件。

如何理解专业人士的观点

IP 数据的价值取决于其所处的情境。Proofpoint 关于信誉列表的技术文档提醒，列表中的类别描述的是已观察到的行为，不应将其视为最终的“允许或阻止”二元决策。在业务发生前审查信号可能有所帮助，但不能据此断言几乎所有欺诈都使用 VPN，也不能认定存在一种适用于所有企业的唯一有效评分。

纳入企业策略

检查点可以设在登录、支付和 API 调用环节。将 IP 数据与设备及业务操作的信号相结合，可以补充判断所需的背景，但无法提供绝对可靠的全貌。企业必须明确自身在数据保护和支付安全方面应履行的义务。《通用数据保护条例》（GDPR）要求采取与风险相适应的安全措施，而 PCI DSS 规定了具体的控制措施和分析要求；仅查询 IP 信誉，并不能证明已满足这些要求。数据处理也必须有充分依据，并限定在必要范围内。

面临的挑战

IP 地址可能变化，共享网络包含不同用户，VPN 会改变表面位置，封禁名单也可能存在错误。对小企业而言，系统集成和审核的成本同样重要。结合多种数据源并使用机器学习可能有所帮助，但仍需利用自身数据衡量效果、检查误报，并纠正错误决策。

未来趋势

人工智能可以拓展历史行为分析和异常检测的能力。抗量子计算技术和基于区块链的信誉记录，是值得分别评估的可能方向，但不应预设它们能解决评分质量问题。实时检查的普及，也不能证明这类检查会全面成为强制要求，更不能证明已经存在一项国际标准，要求在每次业务操作前审查 IP。

常见问题

• 什么是 IP 风险评分？
  它是汇总某个地址相关信号的指标，例如信誉、表面位置或网络类型。评分范围及分数的含义取决于具体服务。
• 为什么要在交易前检查评分？
  它可能揭示一些不一致之处，值得在批准交易前进一步核实。使用 VPN 或被列入封禁名单，都需要结合背景解读；这既不能证明欺诈，也不能保证带来某个具体百分比的改善。
• 如何实施这项检查？
  通过将 API 集成到访问和支付流程中，并采用经过评估的标准，决定何时允许、审核或停止一项业务，以及何时要求额外验证。
• 最常见的挑战有哪些？
  动态或共享 IP、表面位置、过时数据和误封。结合多种数据源并复查结果，有助于发现和纠正错误。
• 小企业能承担这项成本吗？
  企业需要评估服务价格、集成成本、人工审核费用，以及对正常客户的影响。Buffered 案例中公布的 91% 降幅是一个具体结果，并非对所有企业的投资回报承诺。