Appearance

多账号运营怎么防关联？用 IP 归属地自查账号关联风险（Python 实现） ​

做了三年跨境电商的运营老赵，手上有 6 个店铺账号，最近一个月被封了 2 个，申诉邮件里都提到一句「存在关联风险」。他不死心，找了一圈论坛，结论基本一致：IP 是平台判定关联最硬的一张牌。同一个出口 IP 登录多个账号，哪怕你换了电脑、换了浏览器，账号照样可能被绑在一起。这篇文章就写怎么用 IP 归属地接口，把自己手上账号的登录记录跑一遍自查，提前把风险揪出来。

一、账号为什么会「被关联」 ​

平台判定账号关联，靠的是多维信号叠加：设备指纹（浏览器、显卡、时区）、支付方式、收货地址、行为轨迹，以及——IP。IP 是里面最直白的一个：两个账号在相近的时间从同一个公网 IP 登录，很难解释成巧合。

但普通人容易把这事理解反。关联不是说「同 IP 必然封号」，而是「同 IP + 其他特征叠加」才触发风控。所以自查要做的不是看单条记录，而是把账号、IP、城市、运营商、登录时间摊开，找「异常聚集」：

  • 一个 IP 下挂着几个账号（同出口）
  • 多个账号的归属地在同一城市、同一运营商
  • 某个账号的登录地城市频繁快速漂移（一分钟前北京、一分钟后广州，脚本特征）

这三类信号，靠 IP 归属地数据就能扫出来大半。

二、自查思路：给登录记录打上属地标签 ​

把手上的账号登录记录整理成一张表：账号、登录 IP、登录时间。然后对每个 IP 调一次归属地接口，拿到省份、城市、运营商，把标签并回去，再按维度聚合统计。

这里有个现实约束：不少平台的登录日志只存了 IP，没存城市。IP 归属地接口就是来补这块的。免费额度一天几百次完全够个人自查用——IP9 的免费版是 60 次/分钟/IP，查完几十个账号绰绰有余（https://ip9.com.cn/get?ip=<ip>，一次返回国家/省/市/运营商/经纬度）。接口不支持批量，循环调用时自己加个限速就行。

三、Python 实现 ​

核心逻辑就三步：读记录 → 查归属地（带缓存，同一 IP 只查一次）→ 聚合统计。下面这段可以直接跑：

python
import csv
import json
import time
import urllib.request
from collections import defaultdict, Counter

API = "https://ip9.com.cn/get?ip={ip}"
CACHE = {}          # ip -> 归属地信息，同一 IP 只查一次
LAST_REQ = 0        # 简单限速：免费版 60 次/分钟，这里控制到 1 秒 1 次
MIN_GAP = 1.0

def lookup(ip):
    """查询 IP 归属地，失败时返回 None。"""
    global LAST_REQ
    if ip in CACHE:
        return CACHE[ip]
    now = time.time()
    if now - LAST_REQ < MIN_GAP:
        time.sleep(MIN_GAP - (now - LAST_REQ))
    LAST_REQ = time.time()
    try:
        req = urllib.request.Request(API.format(ip=ip), headers={"User-Agent": "ip9-self-check/1.0"})
        with urllib.request.urlopen(req, timeout=5) as resp:
            data = json.loads(resp.read().decode("utf-8"))
        if data.get("ret") != 200:
            return None
        d = data["data"]
        info = {"prov": d.get("prov", ""), "city": d.get("city", ""), "isp": d.get("isp", "")}
        CACHE[ip] = info
        return info
    except Exception:
        return None

def load_records(path):
    """读取登录记录：account, ip, time 三列。"""
    with open(path, encoding="utf-8") as f:
        return list(csv.DictReader(f))

def analyze(records):
    ip_accounts = defaultdict(set)   # ip -> {账号}
    acct_cities = defaultdict(set)   # 账号 -> {城市}
    acct_isps = defaultdict(set)
    for r in records:
        ip = r["ip"].strip()
        info = lookup(ip)
        acct = r["account"].strip()
        if not info:
            continue
        ip_accounts[ip].add(acct)
        acct_cities[acct].add(f"{info['prov']}-{info['city']}")
        acct_isps[acct].add(info["isp"])
    return ip_accounts, acct_cities, acct_isps

def report(ip_accounts, acct_cities, acct_isps):
    print("== 高亮：一个 IP 下挂了多个账号 ==")
    for ip, accts in sorted(ip_accounts.items(), key=lambda x: -len(x[1])):
        if len(accts) >= 2:
            print(f"  {ip}: {len(accts)} 个账号 -> {sorted(accts)}")
    print("== 高亮：账号登录地出现多个城市 ==")
    for acct, cities in acct_cities.items():
        if len(cities) > 1:
            print(f"  {acct}: {sorted(cities)}")
    print("== 账号数统计 ==")
    print("  账号总数:", len(acct_cities))
    ip_cnt = Counter(len(v) for v in ip_accounts.values())
    print("  IP 分布:", dict(sorted(ip_cnt.items())))

if __name__ == "__main__":
    records = load_records("login_records.csv")
    ip_accounts, acct_cities, acct_isps = analyze(records)
    report(ip_accounts, acct_cities, acct_isps)

login_records.csv 长这样（表头三列即可）：

csv
account,ip,time
shop_a,114.114.114.114,2026-09-20 10:00:00
shop_b,114.114.114.114,2026-09-20 10:05:00
shop_a,123.125.115.110,2026-09-21 09:00:00

跑完它会直接告诉你：哪个 IP 挂着多个账号、哪个账号在多个城市登录过。这两类就是平台风控最喜欢的切入点。

四、落地注意事项 ​

  • 同 IP 不等于实锤。公司/校园网是共享出口，几十号人同一个公网 IP 很正常。自查报告里出现「同 IP 多账号」，先看运营商是不是住宅宽带、时间是不是接近，别一上来就下结论。
  • IP 只是其中一环。设备和行为信号平台同样在看，IP 自查干净不代表绝对安全；反过来，独享代理换 IP 也盖不住指纹雷同。要隔离就全维度隔离，只换 IP 是自欺欺人。
  • 限速和缓存是标配。免费接口有 60 次/分钟的限制，脚本里已经做了 1 秒 1 次限速和同 IP 缓存。数据量大就拉长间隔，别硬刚限流。
  • 合规边界：这套逻辑用来自查自己的账号、或者平台做风控是正当的；拿去批量注册、搞黑产多开，属于另一回事，不在讨论范围。

总结 ​

多账号防关联，第一步永远是「知道自己账号的 IP 画像长什么样」。用 IP9 免费接口（https://ip9.com.cn/get?ip=xxx，无需注册，直接 get 调用）给登录记录打属地标签，几十行 Python 就能把「同 IP 多账号」「多地漂移」两类高风险信号扫出来。想更细一点，免费版返回的 isp 运营商字段还能帮你区分住宅带宽和机房 IP。定期跑一遍，比封号之后再申诉省心得多。官网：https://www.ip9.com.cn 。