Appearance
游戏账号被盗申诉怎么核验?用登录地画像做分级(Python 实现)
客服系统里最典型的申诉长这样:玩家说「号被盗了,东西被清空」,附一张充值记录截图,要求找回。你打开这个账号的登录流水,看到凌晨 2 点从成都登录,25 分钟后从广州登录,第二天绑定手机号被改。
到这一步,判断其实已经不难了。难的是在此之前——每天几百条申诉,客服不可能每条都去翻流水、查 IP、算距离。大多数团队的做法是让玩家填一堆表、上传身份证、等 48 小时,玩家体验极差,恶意找回的人照样混得过去。
这篇讲怎么把「登录地」这件事自动化:给账号建一个城市画像,自动标出不可能旅行,再按风险分级决定走快速通道还是人工复核。代码用 Python,接口是 IP9 的免费版。
一、申诉工单要回答三个不同的问题
先拆清楚,这三个问题不能用同一套规则:
① 申诉人是不是号主? 解决的信号是"你对这个账号知道多少"——注册时间、常用设备、最近登录过的城市。登录地在这里的作用是做验证问题,不是判据。
② 账号是不是真的被盗了? 信号是行为异常:短时间内跨城登录、登录地突然变成常驻地以外、常用设备全部更换。
③ 是不是"恶意找回"? 这是最容易被忽略的一类——号是玩家自己卖掉的,交易完成后再来申诉找回。它的特征是:申诉 IP 的常驻城市,跟账号历史常驻城市高度一致,但账号近期有稳定的异地登录(买家在用)。这种情况如果按②的规则处理,你会把买家的号判给卖家。
三种情况的处置完全不同,所以工单系统里必须先分类,再谈证据。
二、为什么用登录地,而不是别的信号
账号安全能用的信号就那么几个,横着比一下:
| 信号 | 能拿到吗 | 伪造成本 | 留存周期 |
|---|---|---|---|
| 身份证实名 | 有,但要人脸 | 极高 | 长期,合规敏感 |
| 绑定手机 | 有 | 中(改绑需要验证) | 长期 |
| 设备指纹 | 部分端有 | 低(改机工具泛滥) | 中 |
| 登录 IP 归属地 | 每次登录都有 | 高(要挂对应城市的代理,还要保持稳定) | 短(一般存 90 天) |
设备指纹在模拟器、改机工具面前基本失守,而且现在工作室用云手机,一机十号是常态。登录地的好处是它跟物理世界绑定:改机工具改不了你人在哪,挂代理也只能挂到某个机房——而机房 IP 的运营商字段往往直接写着云厂商名字。
还有一个现实原因:登录 IP 你本来就有,不需要玩家配合,不需要额外 SDK,历史流水翻出来就能算。
三、画像怎么建:三个指标
常驻城市。 最近 90 天登录里出现次数最多的城市。占比(home_ratio)比城市本身更有意义:一个正常玩家的常驻城市占比通常在 0.6 以上;如果最高的城市只占 0.2,说明这个账号本来就在多地流转,画像不可信。
罕见城市。 只出现过一两次的新城市,尤其是首次出现时间在最近 7 天内的。这类是盗号最直接的特征——盗号者不可能在济南连续登录三个月。
不可能旅行。 连续两次登录的城市之间,用球面距离除以时间差,速度超过民航巡航(约 900 km/h)就标记。这是整套里最硬的证据,因为它同时否定了"我出门了"和"我家搬家了"这两种解释。
阈值别设太死。济南到北京 360 公里,高铁 1.5 小时,算下来 240 km/h,正常;上海到洛杉矶 10000 公里,13 小时飞行,770 km/h,也正常(跨境那一跳要单独处理,国际航班加上中转很容易超过 900)。所以规则里加一条:只在国内城市之间比,且距离超过 500 公里才判。
四、Python 实现
只用标准库,读登录流水 → 反查归属地 → 建画像 → 分级 → 生成验证问题。
python
import json
import math
import time
import urllib.error
import urllib.parse
import urllib.request
from collections import Counter
from datetime import datetime, timedelta, timezone
API = "https://ip9.com.cn/get"
CST = timezone(timedelta(hours=8))
_last_call = 0.0
_cache: dict[str, dict] = {}
def geo(ip: str) -> dict | None:
"""单 IP 查归属地:内存缓存 + 主动限速(免费版 60 次/分钟)。"""
global _last_call
if ip in _cache:
return _cache[ip]
wait = 1.05 - (time.time() - _last_call)
if wait > 0:
time.sleep(wait)
_last_call = time.time()
url = f"{API}?{urllib.parse.urlencode({'ip': ip})}"
# 注意:不带 UA 的裸 urllib 请求会被挡(实测 403),必须带一个正常的 User-Agent
req = urllib.request.Request(url, headers={"User-Agent": "ip9-appeal-check/1.0"})
for _ in range(2):
try:
with urllib.request.urlopen(req, timeout=3) as resp:
body = resp.read().decode("utf-8")
except urllib.error.HTTPError as e:
if e.code == 429:
time.sleep(1.0)
continue
return None
except Exception:
return None
payload = json.loads(body)
if payload.get("ret") != 200: # 400 = IP 非法,重试没意义
return None
_cache[ip] = payload["data"]
return payload["data"]
return None
def haversine(a: dict, b: dict) -> float:
"""球面距离(km)。用城市中心点坐标,只能做量级判断。"""
r = 6371.0
lat1, lon1 = float(a.get("lat") or 0), float(a.get("lng") or 0)
lat2, lon2 = float(b.get("lat") or 0), float(b.get("lng") or 0)
p1, p2 = math.radians(lat1), math.radians(lat2)
dp, dl = p2 - p1, math.radians(lon2 - lon1)
h = math.sin(dp / 2) ** 2 + math.cos(p1) * math.cos(p2) * math.sin(dl / 2) ** 2
return 2 * r * math.asin(math.sqrt(h))
def tag(ip: str) -> str:
g = _cache.get(ip) or {}
city = g.get("city") or ""
prov = g.get("prov") or ""
if g.get("country_code") != "cn":
return f"{g.get('country') or '未知'}"
return f"{prov}{city}" if prov != city else f"{prov}"
def build_profile(rows: list[tuple[str, str]]) -> dict:
events = []
for ts, ip in rows:
g = geo(ip) or {}
events.append({
"ts": datetime.strptime(ts, "%Y-%m-%d %H:%M").replace(tzinfo=CST),
"ip": ip,
"prov": g.get("prov") or "", "city": g.get("city") or "",
"isp": g.get("isp") or "", "country": g.get("country_code") or "",
"lng": g.get("lng"), "lat": g.get("lat"),
})
events.sort(key=lambda e: e["ts"])
cities = Counter(t for t in (tag(e["ip"]) for e in events) if t != "未知")
total = sum(cities.values())
home, home_n = cities.most_common(1)[0] if cities else ("未知", 0)
anomalies = []
for prev, cur in zip(events, events[1:]):
if prev["country"] != cur["country"]:
continue
dist = haversine(prev, cur)
hours = (cur["ts"] - prev["ts"]).total_seconds() / 3600
if hours <= 0:
continue
speed = dist / hours
if dist > 500 and speed > 900: # 民航巡航 800~900 km/h
anomalies.append({
"kind": "impossible_travel",
"from": tag(prev["ip"]), "to": tag(cur["ip"]),
"km": round(dist), "minutes": round(hours * 60),
"speed": round(speed), "at": cur["ts"].strftime("%Y-%m-%d %H:%M"),
})
first_seen = {}
for e in events:
first_seen.setdefault(tag(e["ip"]), e["ts"])
new_cities = [c for c in first_seen if c != home and cities[c] <= 2]
return {"total_logins": total, "home": home,
"home_ratio": round(home_n / total, 2) if total else 0,
"cities": dict(cities.most_common()),
"new_cities": new_cities, "anomalies": anomalies}
def grade(profile: dict, appeal_ip: str) -> dict:
g = geo(appeal_ip) or {}
appeal_city = tag(appeal_ip)
reasons, level = [], "低"
if not g:
level = "中"
reasons.append("申诉 IP 查不到归属地(内网/查询失败),只能转人工")
elif g.get("country_code") != "cn":
level = "中"
reasons.append(f"申诉来自境外({g.get('country')}),需人工复核")
if profile["home_ratio"] >= 0.6 and appeal_city == profile["home"]:
reasons.append(f"申诉 IP 落在常驻城市 {profile['home']},与账号历史一致")
elif profile["home"]:
level = "中"
reasons.append(f"申诉 IP 在 {appeal_city},与常驻城市 {profile['home']} 不符")
if profile["anomalies"]:
level = "高"
reasons.append(f"检测到 {len(profile['anomalies'])} 次不可能旅行,账号极可能已被盗")
return {"level": level, "reasons": reasons, "appeal_city": appeal_city}
def challenge(profile: dict) -> list[str]:
"""生成 4 选 1 的验证问题:三个历史城市 + 一个干扰项。"""
opts = [c for c in profile["cities"] if c][:3]
for filler in ["青海西宁", "贵州贵阳", "吉林长春", "海南三亚"]:
if filler not in opts:
opts.append(filler)
break
return opts
if __name__ == "__main__":
profile = build_profile(LOGIN_LOG) # 从登录流水表取 (时间, IP)
verdict = grade(profile, APPEAL_IP)
print(json.dumps({
"account_home": profile["home"],
"home_ratio": profile["home_ratio"],
"cities": profile["cities"],
"anomalies": profile["anomalies"],
"appeal": verdict,
"challenge_options": challenge(profile),
}, ensure_ascii=False, indent=2))我的测试流水是一个虚构账号的 12 次登录(9 次济南、1 次北京、然后 11 月 12 日凌晨广州和成都来回跳),跑出来是这样:
json
{
"account_home": "山东济南",
"home_ratio": 0.67,
"cities": {
"山东济南": 8,
"广东广州": 2,
"北京": 1,
"四川成都": 1
},
"anomalies": [
{
"kind": "impossible_travel",
"from": "四川成都",
"to": "广东广州",
"km": 1239,
"minutes": 25,
"speed": 2975,
"at": "2026-11-12 04:05"
}
],
"appeal": {
"level": "高",
"reasons": [
"申诉 IP 落在常驻城市 山东济南,与账号历史一致",
"检测到 1 次不可能旅行,账号极可能已被盗"
],
"appeal_city": "山东济南"
},
"challenge_options": [
"山东济南",
"广东广州",
"北京",
"青海西宁"
]
}注意最后那个 challenge_options:三个历史城市里混一个无关城市。这道题对号主来说是送分题,对盗号者来说是送命题——他能从流水里看到登录城市,但不知道哪一个是号主真正待过的(因为我们会故意把"广州""成都"这种被盗当天的城市也放进去)。
顺带说个踩过的坑:Python 的 urllib 默认 UA 是 Python-urllib/3.x,直接请求会被不少接口挡掉,实测 IP9 返回 403。代码里显式带了 User-Agent 才能通。用 requests 的话默认 UA 也不会被拦,但一样建议写上。
五、阈值与误判:哪些情况会冤枉人
玩家真的在天上。 高铁 4 小时跨 1300 公里(325 km/h)不会触发,飞机场到机场那一跳(起飞地到家)也不会——因为中间隔了几个小时。但机场中转 + 直接开游戏就有可能触发:北京飞广州 3 小时 1900 公里,落地立刻登录,速度 630 km/h,安全;如果玩家用云游戏,服务器节点在别的省份,登录 IP 直接跳到机房,距离更离谱。
所以规则里必须给一类豁免:ip_type 为 IDC 的登录不参与不可能旅行判定。这个字段免费版不返回,VIP 版有——如果你认真做这块,值得为此升一档。
运营商跨省出口。 移动网络的出口 IP 有时会落在邻省(尤其是 CGNAT 之后),玩家在河北保定,IP 显示北京。济南到北京 360 公里,没超过 500 的门槛,不会误判。但如果你的用户集中在长三角,苏州到上海只有 100 公里,这类误判会更多,所以距离门槛宁高勿低。
城市中心点误差。 接口返回的经纬度是城市中心点,不是用户位置。两个相距 30 公里的城市在坐标上可能只差 5 公里,也可能差 40 公里。用它算距离,误差几十公里是常态,只适合判断"是不是跨越了大区",不要用它做精度竞赛。真要精确,得配合 GPS(如果 App 有权限)和基站数据。
代理和加速器。 游戏加速器会让登录 IP 变成加速器节点,通常是某个省的机房。这类账号的画像会很花,home_ratio 低到 0.1 以下——画像不可信的时候,正确动作是降低自动判定权重、直接转人工,而不是硬判。
六、工单怎么用这个结果
分级出来之后,处置动作要跟等级绑定,别让客服自己拍脑袋:
| 等级 | 触发条件 | 处置 |
|---|---|---|
| 低 | 常驻城市一致、无常驻地外的新城市、无障碍 | 自助找回(邮箱/短信验证通过即放行) |
| 中 | 申诉城市与常驻地不符,或查询失败 | 加一道验证问题,通过后转人工抽检 |
| 高 | 出现不可能旅行,或近 7 天新增多个城市 | 立即冻结账号防止资产转移,人工核验后恢复 |
「高」这一档尤其要注意时序:先冻结,再核验。盗号者拿到号第一件事是清空资产、卖号,你慢一小时,损失就追不回来了。冻结本身是可逆的,误伤的代价远小于被盗。
至于「恶意找回」,判定逻辑正好相反:申诉 IP 在常驻地、账号历史也在常驻地,但近 30 天有一个稳定的异地登录(同一个城市反复出现,不是零星跳)。这时候要做的是核对交易记录和改绑时间,不能直接按"号被盗"处理。
七、合规上别越界
登录地属于可以间接识别个人的信息,做画像要守住几条线:
- 只存省市,不长期存完整 IP。分析要的是城市级粒度,IP 查完就可以丢;
- 验证问题不要暴露太多。别把"你上次登录的城市是"做成唯一凭据,它只是辅助;
- 申诉材料里不出现对方的登录地细节。工单里写"检测到异常登录"就够了,写"你的号 11 月 12 日在成都登录"等于把侦查信息给了对方;
- 留存期想清楚。登录流水一般存 90 天够用,超过这个周期的数据对申诉没有价值,只是风险。
总结
这套东西的价值不在于算得多准,而在于把客服脑子里那套"看一眼流水觉得不对劲"的经验,变成可复现的分数。上线之后你会发现两个变化:高等级申诉的处理时间从几小时压到十几分钟,而人工复核量反而下降——因为低等级的自助通道把大部分正常申诉接走了。
接口还是那个:https://ip9.com.cn/get?ip=<ip>,返回 prov、city、lng、lat、isp 这些字段,IPv4/IPv6 都支持,免费版 60 次/分钟。要是打算按 ip_type 排除机房 IP(前面说的加速器和云手机场景),那是 VIP 版的能力,按次计费,价格和 SLA 看官网 https://www.ip9.com.cn。
最后提醒一句:IP 归属地是概率信号,不是判决书。它能帮你把工单分成三堆,但最终决定账号归属的,应该是设备、交易记录、改绑时间这些能互相印证的证据。IP 只是让你更快找到该看哪一堆。