Skip to content

SaaS 免费试用被同一批人反复薅?用 Python 按 IP 归属地识别「换壳」试用账号 ​

一个做在线设计工具的小团队,开放了 14 天免费试用、不用绑卡,想着先冲量再谈转化。上线两个月,注册数看着挺漂亮,付费转化率却从 6% 掉到 2%。老板以为是定价问题,把产品同学按在地上改了一轮定价页,没救。

真正的原因在数据里躺着:有个 IP 段注册了两百多个试用账号,邮箱全是 xxx+1@、xxx+2@ 同一个域名的变体,登录地集中在同一座城市。这些人根本不是用户,是把「14 天免费额度」当成了免费产品用——用完一个号,换一个继续。行业里管这叫试用滥用(trial abuse),它是 SaaS 最隐蔽的一种成本:你把算力、存储、导出次数免费送出去了,换来一堆永远不会付费的活跃数据,还顺带把转化率的分母做大了。

一、试用滥用的几种典型形态 ​

先看清楚对手长什么样,再谈怎么防:

  • 多账号领试用。 一个邮箱注册一个,+1、+2、换个域名继续。邮箱是最容易伪造的身份,加个点、换个别名就过去了。
  • 代理池/IP 段轮换。 批量注册脚本通常挂代理,注册 IP 每次都不一样,但往往落在同一批机房段或同一个城市。
  • 异地登录复用。 账号注册时随便填,用的时候人在另一个省——尤其是倒卖出来的试用账号,买家分布在全国各地。
  • 团队/公司批量薅。 同一家公司几十个员工各领一个试用,出口 IP 是同一个 NAT。

这四种里,账号信息(邮箱、昵称、设备号)都能低成本伪造,地域反而不好改。你可以随手换个邮箱,但让一台手机、一条宽带在物理上换个城市是要花钱的。这就是 IP 归属地在这类风控里的位置:它给的是「这个人大概在哪儿」,作为交叉验证的一条线索,而不是判决书。

二、方案:给试用账号建一张风险画像 ​

思路是「事后批量跑」——每天凌晨拉出过去 24 小时的试用账号,跑一遍规则,输出一张风险清单给运营复核。这比注册时同步拦截温和得多,也避免了当场误杀。

规则分两层:

个体层(这条记录自己有没有问题)

规则说明权重
R1 注册地与常用登录地跨省两个 IP 归属省都已知且不同2
R2 邮箱本地部分高度相似去掉数字/符号后前缀相同2
R3 设备指纹被多账号共用同一 device_id 挂在 ≥2 个账号上3

聚合层(这一批 IP 有没有问题)

规则说明权重
R4 同 IP 注册多账号完全相同 IP ≥3 个账号3
R5 同 IP 段(/24)注册多账号同 /24 段 ≥8 个账号2
R6 同城市多账号同一 IP 城市 ≥5 个账号且域名各异1

分数到 4 分以上进人工复核队列,6 分以上直接限流(限制导出、并发数),但不封号——先观察。这几条规则里 R4/R5 靠 IP 数据,R1 靠 IP 归属地对比,是整个画像的骨架。

三、Python 实现:一张表进去,风险清单出来 ​

输入是一份试用账号表(account_id,email,ip_register,ip_last_login,device_id,created_at),输出打分结果。查询走缓存 + 限速,避免把免费额度打满。

python
#!/usr/bin/env python3
# trial_abuse.py —— 按 IP 归属地给 SaaS 试用账号做滥用风险画像
# 用法: python3 trial_abuse.py trials.csv --out flagged.csv
# 依赖: pip install requests
import argparse
import csv
import json
import os
import re
import sys
import time
from collections import defaultdict

import requests

API = "https://ip9.com.cn/get"
CACHE_FILE = "ip_geo_cache.json"
PACE = 1.05          # 免费版 60 次/分钟/IP,留一点余量
UNKNOWN = "未知"


def load_cache():
    if os.path.exists(CACHE_FILE):
        with open(CACHE_FILE, encoding="utf-8") as f:
            return json.load(f)
    return {}


def save_cache(cache):
    tmp = CACHE_FILE + ".tmp"
    with open(tmp, "w", encoding="utf-8") as f:
        json.dump(cache, f, ensure_ascii=False)
    os.replace(tmp, CACHE_FILE)


def lookup(session, cache, ip, state):
    """返回 dict(prov, city, isp);失败/非法返回 {}。state 里存限速用的 last 时间。"""
    if ip in cache:
        return cache[ip]
    if not ip or ip.startswith(("10.", "192.168.", "172.16.", "127.")):
        return {}      # 内网 IP 不用查,也不会是真实访客

    wait = state["last"] + PACE - time.monotonic()
    if wait > 0:
        time.sleep(wait)
    try:
        resp = session.get(API, params={"ip": ip}, timeout=3,
                           headers={"Accept": "application/json"})
        payload = resp.json()
    except (requests.RequestException, ValueError) as exc:
        print(f"[warn] {ip} 查询失败: {exc}", file=sys.stderr)
        return {}      # 网络类错误不缓存,下次重试
    finally:
        state["last"] = time.monotonic()

    if payload.get("ret") == 429:
        print("[warn] 429 触发限速,本轮跳过剩余新 IP", file=sys.stderr)
        state["stop"] = True
        return {}
    data = payload.get("data")
    if payload.get("ret") != 200 or not isinstance(data, dict) or not data.get("ip"):
        cache[ip] = {}     # 非法 IP,确定的结果,可以缓存
        return {}

    row = {
        "prov": data.get("prov") or "",
        "city": data.get("city") or "",
        "isp": data.get("isp") or "",
        # 下面两个是 VIP 版字段,免费版为空;有值时可用来判断是不是机房代理
        "ip_type": data.get("ip_type") or "",
    }
    cache[ip] = row
    return row


def email_key(email):
    """把 a.b+3@x.com 归一成 a.b@x.com,用来识别换别名重复注册"""
    local, _, domain = (email or "").partition("@")
    local = local.split("+")[0].replace(".", "").rstrip("0123456789")
    return f"{local}@{domain}"


def seg24(ip):
    parts = ip.split(".")
    return ".".join(parts[:3]) + ".0/24" if len(parts) == 4 else ""


def prov_of(geo):
    return geo.get("prov") or UNKNOWN


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("trials")
    ap.add_argument("--out", default="flagged.csv")
    args = ap.parse_args()

    with open(args.trials, encoding="utf-8-sig", errors="ignore") as f:
        rows = [r for r in csv.DictReader(f) if r.get("account_id")]

    cache, state = load_cache(), {"last": 0.0, "stop": False}
    session = requests.Session()
    geo = {}
    print(f"试用账号 {len(rows)} 条,开始解析归属地…", file=sys.stderr)

    try:
        for i, r in enumerate(rows, 1):
            for col in ("ip_register", "ip_last_login"):
                ip = (r.get(col) or "").strip()
                if ip and ip not in geo:
                    if state["stop"]:
                        geo[ip] = {}
                    else:
                        geo[ip] = lookup(session, cache, ip, state)
            if i % 200 == 0:
                save_cache(cache)
                print(f"  进度 {i}/{len(rows)}", file=sys.stderr)
    finally:
        save_cache(cache)

    # ---- 聚合层:先按 IP / IP 段 / 城市 / 设备建索引 ----
    by_ip = defaultdict(list)
    by_seg = defaultdict(list)
    by_city = defaultdict(list)
    by_dev = defaultdict(list)
    by_mail = defaultdict(list)

    for r in rows:
        ipr = (r.get("ip_register") or "").strip()
        ipl = (r.get("ip_last_login") or "").strip()
        for ip in {ipr, ipl}:
            if ip:
                by_ip[ip].append(r["account_id"])
                by_seg[seg24(ip)].append(r["account_id"])
                by_city[prov_of(geo.get(ip, {})) + "/" + (geo.get(ip, {}).get("city") or "")].append(r["account_id"])
        if r.get("device_id"):
            by_dev[r["device_id"]].append(r["account_id"])
        by_mail[email_key(r.get("email"))].append(r["account_id"])

    # ---- 个体层打分 ----
    out = []
    for r in rows:
        aid = r["account_id"]
        hits, score = [], 0

        greg = geo.get((r.get("ip_register") or "").strip(), {})
        glog = geo.get((r.get("ip_last_login") or "").strip(), {})
        if greg.get("prov") and glog.get("prov") and greg["prov"] != glog["prov"]:
            score += 2
            hits.append(f"R1 注册地{g_reg_str(greg)}→登录地{g_reg_str(glog)}")

        if len(by_mail[email_key(r.get("email"))]) > 1:
            score += 2
            hits.append("R2 邮箱别名重复")

        if r.get("device_id") and len(by_dev[r["device_id"]]) > 1:
            score += 3
            hits.append("R3 设备共用")

        ipr = (r.get("ip_register") or "").strip()
        if ipr and len(by_ip[ipr]) >= 3:
            score += 3
            hits.append(f"R4 同 IP 注册 {len(by_ip[ipr])} 个")
        elif ipr and len(by_seg[seg24(ipr)]) >= 8:
            score += 2
            hits.append(f"R5 同 IP 段注册 {len(by_seg[seg24(ipr)])} 个")

        city_key = prov_of(glog) + "/" + (glog.get("city") or "")
        if glog.get("city") and len(by_city[city_key]) >= 5:
            score += 1
            hits.append(f"R6 同城 {len(by_city[city_key])} 个账号")

        out.append({
            "account_id": aid,
            "email": r.get("email", ""),
            "prov_register": greg.get("prov", ""),
            "city_last_login": glog.get("city", ""),
            "isp": greg.get("isp", ""),
            "risk_score": score,
            "rules": "; ".join(hits),
            "action": "限流" if score >= 6 else ("人工复核" if score >= 4 else "放行"),
        })

    out.sort(key=lambda x: -x["risk_score"])
    with open(args.out, "w", newline="", encoding="utf-8-sig") as f:
        w = csv.DictWriter(f, fieldnames=list(out[0].keys()))
        w.writeheader()
        w.writerows(out)

    review = sum(1 for x in out if x["action"] != "放行")
    print(f"完成:风险账号 {review}/{len(out)} 条(限流 {sum(1 for x in out if x['action']=='限流')} 条)")
    print(f"输出:{args.out}")


def g_reg_str(geo):
    return f"{geo.get('prov','')}{geo.get('city','')}"


if __name__ == "__main__":
    main()

拿一份 500 条账号的样本跑一遍:

text
$ python3 trial_abuse.py trials.csv
试用账号 500 条,开始解析归属地…
完成:风险账号 63/500 条(限流 11 条)
输出:flagged.csv

flagged.csv 按风险分从高到低排,运营直接看前几行就能判断:

text
account_id,email,prov_register,city_last_login,isp,risk_score,rules,action
T0231,zha***+9@mail.com,河北,深圳,联通,8,R1 注册地河北保定→登录地广东深圳; R2 邮箱别名重复; R4 同 IP 注册 5 个,限流
T0188,a***@corp.cn,北京,北京,电信,3,R3 设备共用,放行

四、这套规则最容易踩的坑 ​

同 IP 多账号不一定是坏人。 校园网、创业园区、共享办公、公司 NAT、运营商 CGNAT,同一个出口 IP 下面本来就可能有几百个真实用户。所以 R4/R5 的阈值不能拍脑袋定,得先统计你自己产品的基线——比如先看正常付费用户里「同 IP 多账号」的占比是多少,再定阈值。开头的团队如果直接拿 R4≥3 就去封号,会误杀掉一整个园区的客户。

共享出口要有豁免机制。 建议维护一张「白名单 IP 段」:公司自己的办公网、已签约客户的出口,以及通过 ip_type 判断出的 IDC 机房段(注意 ip_type 是 VIP 版字段)。判断逻辑上的区别是——机房 IP 更可能是脚本代理,校园/企业出口更可能是真人。

IP 归属地不能单独当证据。 它返回的是城市级结果,城市中心经纬度也不是用户真实坐标。跨省登录这条规则(R1)必须有时间窗口和时间差支撑才有意义:注册后 5 分钟就跨省登录,和注册三个月后因出差跨省登录,完全是两回事。建议把时间差一并纳入评分。

别在注册请求里同步查。 注册接口超时会直接损伤转化,查询放到异步队列或凌晨批处理。上面的脚本一天跑一次,两千个账号、去重后几百个 IP,十来分钟就是全量。

IP 是个人信息,收集要说清楚。 注册表单和隐私政策里要写明「我们会记录 IP 用于安全与风控」,原始 IP 的留存期限定好,跑完画像的中间文件(ip_geo_cache.json 里存的是城市级结果,问题不大)按需清理。给运营看的清单里尽量只留省市,不带完整 IP。

最后一步永远是人工。 这套分数的作用是「把可疑的排到前面」,不是自动判决。开头的团队就是靠这份清单,一周内清掉了 40 多个纯薅毛账号,后面再上的限流策略也没误伤到真实客户。

总结 ​

试用滥用治不好,往往不是算法不够聪明,而是没把「地域」这条线索用起来。邮箱能换、设备号能刷,让一个账号在物理上换一座城市,成本比换个邮箱高一个数量级。

查询就是一个 GET:https://ip9.com.cn/get?ip=<IP>,免费版无需注册、60 次/分钟/IP,返回国家、省市、邮编、区号、运营商、经纬度(城市中心)等字段,IPv4/IPv6 都支持;需要 ip_type(区分家宽/企业/机房)、area(区县)等字段时属于 VIP 版能力,具体口径见 https://www.ip9.com.cn。