Een IP-fraudescore (Internet Protocol) beoordeelt hoe waarschijnlijk het is dat een bepaald IP-adres is gekoppeld aan frauduleuze activiteiten. De score wordt berekend aan de hand van gegevens van virtuele privénetwerken (VPN's), onjuiste geolocaties, de transactiesnelheid en het gebruik van proxy's, bijvoorbeeld via datacenters. Helaas is 30%–95% van het verkeer op grote proxy-netwerken van particulieren gekoppeld aan illegale of twijfelachtige fraudeactiviteiten, waardoor fraude een wereldwijd probleem is.

Ondernemingen halen een IP-fraudescore op (tijdens het afrekenen of wanneer een klant een nieuw account aanmaakt) om te helpen beslissen of een transactie wordt goedgekeurd, ter controle wordt doorgestuurd of direct wordt geblokkeerd. Op zichzelf geeft de IP-fraudescore alleen informatie door over de online verbinding van de transactie en niet over de persoon die deze gebruikt. Dit is waar fraudestrategieën mis kunnen gaan.

Hieronder bespreken we hoe IP-fraudescores worden gecontroleerd, hoe ondernemingen deze gebruiken in betalingsrisicomodellen en waarom te sterk vertrouwen hierop kan leiden tot fout-positieven voor legitieme klanten.

Belangrijkste punten

• Een IP-fraudescore gebruikt gegevens over VPN- en proxydetectie, onjuiste geolocaties en de frequentie van transactiepogingen om het risico in te schatten, maar kan niet bevestigen wie er daadwerkelijk achter een transactie zit.

• Alleen vertrouwen op IP-scores kan fout-positieven opleveren voor legitieme klanten, waaronder zakelijke reizigers, medewerkers op afstand die zakelijke VPN's gebruiken en mensen op gedeelde mobiele netwerken.

• Bepaalde softwareprogramma's kunnen transactiegegevens van miljoenen ondernemingen gebruiken om een completer beeld van het potentiële risico van één transactie te vormen dan een zelfstandige IP-checker kan bieden.

Wat is een IP-fraudescore?

Een IP-fraudescore is een numerieke of gelaagde beoordeling die inschat hoe waarschijnlijk het is dat een bepaald IP-adres is gekoppeld aan frauduleuze activiteiten. Om deze te genereren, controleren scoretools het IP-adres met databases van bekende VPN's, proxy's, Tor-knooppunten en datacenters en voegen vervolgens de gedragsgeschiedenis toe, zoals accountovernames, pogingen tot het testen van betaalkaarten en eerdere chargebacks.

Welke signalen bepalen een IP-fraudescore?

Doorgaans halen scoretools verschillende soorten informatie op, waardoor een beeld van het werkelijke risico ontstaat.

Dit zijn de belangrijkste signalen die worden gebruikt om een IP-fraudescore te bepalen:

• VPN- en proxydetectie: Het IP-adres wordt gecontroleerd aan de hand van lijsten met bekende commerciële VPN's en open proxy's, waarmee fraudeurs hun echte locatie kunnen verbergen of vanuit één verbinding vele identiteiten kunnen doorlopen.

• Onjuiste geolocaties: Als het IP-adres zich in Sint-Petersburg in Rusland bevindt, maar het factuuradres in Toronto in Canada, wordt die discrepantie gezien als een risicofactor, vooral bij een eerste bestelling zonder aankoopgeschiedenis om mee te vergelijken.

• Transactiesnelheid: Een IP-adres dat in een uur tijd een dozijn bestellingen plaatst, elk met een andere betaalkaart, wordt als verdachter gezien dan een IP-adres dat in één sessie een enkele transactie probeert te voltooien.

• Gebruik van Tor-exitknooppunten: Tor leidt online verkeer via meerdere relays om de oorsprong van een potentiële transactie te verbergen. Hierdoor is dit vrijwel automatisch een waarschuwingssignaal, hoewel veel mensen dit om volkomen legitieme privacyredenen gebruiken.

• Verkeer uit datacenters: Consumenten winkelen doorgaans niet via de IP-bereiken van Amazon Web Services (AWS) of Google Cloud. Verkeer dat afkomstig is van dergelijke sites wijst vaak op een bot, een scraper of een script dat pogingen tot het testen van betaalkaarten uitvoert.

• Signalen voor identificatie van apparaten aan de hand van hun kenmerken: Browserconfiguratie, schermresolutie en geïnstalleerde lettertypen worden gekoppeld aan het IP-adres om te zien of de transactie lijkt op een echte persoon of een gescripte aanval.

Hoe gebruiken ondernemingen IP-fraudescores in betalingsrisicomodellen?

E-commerce-ondernemingen en betaalplatformen halen doorgaans een IP-score op wanneer een potentiële klant een account aanmaakt of iets probeert te kopen bij het afrekenen. Bij het aanmelden kan een hoge fraudescore leiden tot extra identiteitscontroles voordat een nieuw account volledige rechten krijgt. Bij het afrekenen kan dit leiden tot een beslissing over de goedkeuring van de transactie, de doorsturing voor handmatige controle of de vereiste van een extra authenticatiestap.

Doorgaans werken risicomodellen met drempelwaarden in plaats van een enkele grens voor goedkeuring of afwijzing. Een score onder de 25 kan zonder complicaties worden geaccepteerd, terwijl een score tussen 25 en 75 kan leiden tot extra verificatie of ter controle kan worden vastgehouden. Alles boven de 75 vereist vaak voorzichtigheid, vooral in combinatie met andere waarschuwingssignalen, zoals een niet-overeenkomend factuuradres of een ongewoon grote eerste bestelling.

Een onderneming die een transactie uitsluitend op basis van een hoge risicoscore blokkeert, kan echter echte klanten weigeren. Het afwegen van factoren zoals verificatie van de betaalkaart, apparaatgegevens en gedragspatronen zorgt voor een completer beeld bij het nemen van een beslissing over een transactie. Als de bereiken van de IP-score (of de drempelwaarden) te soepel zijn ingesteld, kunnen frauduleuze bestellingen door de mazen van het net glippen. Maar als deze te strikt zijn, kunnen legitieme klanten bij het afrekenen worden geweigerd. Veel fraudeteams beschouwen het instellen van drempelwaarden als een doorlopende kalibratieoefening.

Waarom genereren IP-fraudescores fout-positieven?

Legitiem gedrag kan op netwerkniveau riskant lijken, maar elke klant die ten onrechte wordt geblokkeerd of gedwongen wordt om extra verificatiestappen te voltooien, kan de winst van een onderneming schaden. Aan de andere kant kunnen herhaalde complicaties bij het afrekenproces klanten naar concurrenten drijven die een eenvoudiger afrekenproces hebben.

Enkele van de grootste bronnen van fout-positieven zijn:

• Bedrijfs- en universiteitsnetwerken: Grote organisaties leiden duizenden werknemers via een klein aantal gedeelde IP-adressen. Hierdoor kan één adres een onwaarschijnlijk volume aan niet-gerelateerde transacties lijken te genereren.

• Mobiele providers: Carrier-Grade Network Address Translation (CGNAT) betekent dat één IP-adres honderden of duizenden afzonderlijke abonnees tegelijk kan vertegenwoordigen, wat elke score op basis van transactiesnelheid verstoort.

• Internationale reizen: Een kaarthouder die winkelt vanuit een land dat geen deel uitmaakte van de aankoopgeschiedenis van de klant, levert een onjuiste geolocatie op waardoor het lijkt alsof de transactie een gestolen betaalkaart betreft, terwijl de klant mogelijk gewoon in het buitenland reist.

• Privacytools: VPN's worden gebruikt voor redenen die losstaan van fraude, van het beveiligingsbeleid op de werkplek tot persoonlijke voorkeur, maar scoremodellen behandelen ze standaard nog steeds als een verhoogde risicofactor.

Een IP-fraudescore controleren

Wanneer een onderneming een enkel IP-adres controleert, nemen verschillende onafhankelijke IP-fraudescorecheckers een adres en retourneren ze een risicobeoordeling die deels is gebaseerd op waarschuwingssignalen, zoals het gebruik van een VPN, een proxy of een datacenter. Deze systemen zijn geschikt voor een eenmalige controle van de risicobeoordeling of om te begrijpen waarom een bepaalde transactie is gemarkeerd.

Maar het één voor één controleren van IP-adressen is niet altijd haalbaar voor ondernemingen die een groot aantal transacties verwerken. Idealiter wordt de IP-score ingebouwd in hetzelfde systeem dat in realtime tijdens het afrekenen de betaalkaart, het apparaat en het gedrag van de klanten evalueert, zonder extra handmatige stappen. Op die manier hoeven ondernemingen geen scores handmatig op te halen en hun eigen regels eromheen op te stellen; de score wordt automatisch bepaald als onderdeel van het betaalproces.

Stripe Radar neemt IP-adressen en locatiegegevens mee in de fraudescores, maar behandelt die gegevens niet als een op zichzelf staand beslissingspunt. Radar evalueert elke transactie met honderden signalen, waaronder de reputatie van het IP-adres en de geolocatie, samen met het gedrag met de betaalkaart, de kenmerken van het apparaat en de patronen die specifiek zijn voor de eigen transactiegeschiedenis van een onderneming.

De schaal achter de IP-adresanalyse van Radar onderscheidt zich van een specifieke IP-adreschecker. Radar traint de machine-learningmodellen met transactiegegevens van miljoenen ondernemingen op Stripe, wat een duidelijker beeld geeft van normaal en abnormaal transactiegedrag in tal van sectoren, regio's en klanttypen dan een afzonderlijke onderneming zou kunnen opbouwen door alleen naar het eigen verkeer te kijken. Dankzij die schaal kan Radar opkomende fraudepatronen, zoals een nieuw proxynetwerk of een gecoördineerde golf van het testen van betaalkaarten, sneller oppikken dan een onderneming die vertrouwt op statische blokkeringslijsten voor IP-adressen. Met Radar kunnen ondernemingen ook regels op maat toevoegen boven op de machine-learning-score, zodat een onderneming zelf kan bepalen hoe moet worden gereageerd wanneer een transactie wordt gemarkeerd vanwege een risico dat aan het IP-adres is gerelateerd.

Hoe Stripe Radar kan helpen

Stripe Radar helpt bij het detecteren van fraude en het ontsluiten van groei, met behulp van AI die is getraind met gegevens uit het wereldwijde netwerk van Stripe. Radar helpt jouw onderneming gedurende de gehele levenscyclus van de klant te beschermen tegen fraude voordat de winst wordt aangetast, en helpt tegelijkertijd bij het goedkeuren van meer legitieme klanten en betalingen.

Radar kan je onderneming helpen met:

• Fraudeverliezen voorkomen: De AI van Radar leert van meer dan $ 1,9 biljoen aan jaarlijkse transacties in het wereldwijde netwerk van Stripe, waardoor het fraudepatronen kan identificeren en blokkeren die individuele ondernemingen misschien niet zelf zouden ontdekken.

• Bescherming verenigen bij zich ontwikkelende fraudeaanvallen: Radar brengt bescherming tegen transactiefraude, accountfraude en misbruik door klanten samen in één oplossing, zodat je uniforme bescherming krijgt bij de belangrijkste soorten fraude.

• Aanpassen aan ontwikkelende fraude: Radar past zich voortdurend aan bij veranderende fraudepatronen, van misbruik door de eerste partij tot agentische transacties, wat helpt om jouw onderneming te beschermen tegen opkomende bedreigingen.

• Werken met jouw bestaande technologiebundel: Gebruik Radar voor betalingen via Stripe zonder vereiste integratie, of krijg toegang tot de informatie van Radar via programmeerbare API's, ongeacht of je betalingen op Stripe verwerkt of niet.

Lees meer over Stripe Radar of ga vandaag nog aan de slag.

Veelgestelde vragen over IP-fraudescores