跳至正文
Fraud Rings

五百个账户。二十个人。

从单次会话内部看,多账户滥用永远不像欺诈——每个账户都是一个一个干干净净注册的。Fraud Rings 回答的正是单次会话检查回答不了的问题:您的用户里,有多少其实是同一个人?

6h

图谱重建间隔

90d

滚动分析窗口

0–100

每个团伙的风险评分

问题所在

一个人,多个账户

每一次注册看起来都很干净,是因为每一次注册确实都很干净。损失藏在跨账户的模式里,而任何一次只看一个账户的检查,都看不见这种模式。

促销与奖励滥用

新人礼金、推荐奖励、首单折扣,每个账户只能领一次——而领的人手里有四十个账户。获客数字看着健康,活动预算却全流进了同一个钱包。

封禁规避

被停用的用户十分钟后带着新邮箱和一份干净的资料回来了。没有关联分析,这个新账户就没有历史、没有被拦下的理由,也没有办法和您已经做过的判断挂上钩。

被抬高的联盟分成

合作伙伴推荐的是自己的流量——把自我注册包装成新客户。分成付给了根本不是新客户的转化,而每一笔单独看都能通过审核。

退款与拒付洗单

同一个人在多个账户之间循环下单、退款和拒付,让每一个账户都保持在会触发人工复核的阈值之下。

工作原理

四类关联,一张图谱

关联图谱每 6 小时在最近 90 天的滚动窗口上重建一次。账户是节点,同源证据构成边,每一组彼此连通的账户就是一个团伙,并带有 0 到 100 的风险评分。

   acct_2841 ────── acct_7719 ────── acct_8804
       │                │                     
       │                │                     
   acct_0192 ────── acct_5533 ────── acct_1170

由共用证据连接起来的账户构成一个团伙;重建每 6 小时执行一次,覆盖最近 90 天。

同一个浏览器

两个账户用过同一个浏览器配置文件,识别依据是 300 多路信号,而不是随手就能清掉的 Cookie。无痕窗口和清空存储都不会打断这种匹配。

同一台设备

浏览器不同,机器只有一台。即便浏览器配置文件看起来毫无相似之处,硬件和操作系统层面的特征依然对得上——这正是把铁了心的多账户操作者和普通回访用户区分开来的地方。

同一个家庭网络

长期反复出现在同一条家庭宽带上的账户。办公室、校园和运营商 NAT 会把互不相识的人放在同一个地址背后,所以这只算佐证,本身并不构成证明。

吻合的行为模式

一个人移动指针、输入和滚动的方式。它是图谱中四类证据之一,作用是强化一条关联——团伙绝不会仅凭行为相似度建立。

关联的洁净度

认定一个团伙就是一次指控。我们也照此对待它。

说两个账户属于同一个人,是在对某个人的行为下判断,而您的团队会据此行动:暂缓出金、冻结余额、关闭账户。一个误判的团伙比一个漏掉的团伙更糟——它让您失去一位真实客户,也让团队失去对这件工具的信任。所以图谱被设计成主动丢掉那些自己无法站住脚的证据。

地理上不可能的设备被整体剔除

当一台设备呈现出任何一个人都不可能走出的位置轨迹时,这不是需要打折看待的弱证据,而是一个被共用或被伪造的标识。这台设备本该产生的每一条关联都会从图谱中移除,而不只是被降权。

桶型标识被过滤掉

有些技术标识背后会堆积几十个互不相干的配置文件。若放任不管,一个桶就会把所有碰过它的人连成一个毫无意义的巨大团伙。这类标识会在团伙成形之前被检出并排除。

新过滤器先在暗处运行

洁净度层在被允许改变您所看到的结果之前,会先在既有图谱上接受评估。通过标准不是团伙数量下降了,而是真实的核心结构原封不动地保留了下来。

这次清理实际带来了什么

1,188

最大误判团伙中的账户数

77

洁净度处理后剩余的账户数

效果并不细微。在我们自己的数据中,把地理上不可能的设备从图谱里拉出来之后,最大的一个误判团伙从 1,188 个账户缩到了 77 个——而同一份数据集里真实的核心结构原地未动。这是我们刻意做出的取舍:宁可得到一批我们敢于为之辩护的团伙,也不要一大堆让您的分析师不得不反复怀疑的结果。

我们不会给出的,是一个精确率数字。团伙准确度取决于您的流量构成,而洁净度层至今仍在逐层推出。我们确实会给出的,是每一条关联背后的证据——因此每个团伙都可以按它究竟由什么构成来判断。

在仪表盘中

团伙、证据,以及一张可以拆开看的图谱

我们不会替您拦截任何东西,也不会给出没有理由的判定。仪表盘是为那些事后必须为决定作出解释的分析师设计的。

团伙列表

工作区中的每一个团伙,附带规模、0 到 100 的风险评分和最近一次重建的时间。按风险排序,就能直接找到那少数几个值得人工过目的团伙。

证据明细

对每一条关联:它属于哪一类证据、连接了哪些账户、图谱究竟看到了什么。系统认为这些账户属于同一群人的理由摆在屏幕上,而不是藏在一个不透明的评分背后。

交互式图谱

逐个节点展开一个团伙。从一个账户走到它的邻居,找到把两个簇维系在一起的那一条关联,然后自己判断这条关联是否撑得起这个分量。

在哪些场景见效

为“一个人变成一群人”的地方而建

电商平台

自己养一批买家账户来抬评分的卖家团伙,以及为了反复领取首单折扣而不断更换账户的买家。

iGaming 与博彩

同时操作几十个账户的薅奖励者,以及换个名字回来的自我排除玩家。两者都会以一个连通的群体呈现,而不是一堆互不相干的注册。

金融科技与借贷

为绕开单客户额度而分散在多个账户上的申请人,以及只有在逐个账户单独阅读时才显得平常的退款循环。

联盟与推荐计划

自我推荐团伙:合作伙伴、所谓的新用户和收款账户,全都落在图谱的同一个簇里。

Business 方案及以上可用

Fraud Rings 包含在 Business 方案及以上。在 Pro 方案中,您可以看到数据里存在团伙——有多少个、规模有多大——但不含账户级明细。

常见问题

常见问题

弄清您的用户里有多少其实是同一个人

接入您的流量,让图谱先跑起来,然后在每一条关联的证据摆在眼前的情况下,看看第一批团伙。