ขั้นตอนการลงทะเบียนถูกออกแบบมาเพื่อเพิ่มคอนเวอร์ชัน และการออกแบบนั้นก็สร้างช่องโหว่ที่คาดเดาได้สำหรับการใช้ในทางที่ผิด บัญชีปลอมและการใช้งานหลายบัญชีใช้ประโยชน์จากเงื่อนไขที่ง่ายซึ่งทำให้การลงทะเบียนรวดเร็วสำหรับคนอื่นๆ นั่นคือ การตรวจสอบยืนยันเบื้องต้นและระบบที่มองว่าทุกบัญชีที่เข้ามาเป็นคนแปลกหน้าที่ไม่มีประวัติ การฉ้อโกงโดยใช้บัญชีปลอมเป็นปัญหาที่เกิดขึ้นจริง โดย 62% ของผู้ค้ารายงานว่ามีข้อโต้แย้งเพิ่มขึ้นในปี 2025 เนื่องจากผู้กระทำการฉ้อโกงปลอมแปลงตัวตนหรือจัดการบัญชีของตน

เราจะสำรวจวิธีการตรวจจับผู้ใช้ปลอมและการใช้บัญชีหลายบัญชีในทางที่ผิดอย่างเป็นระบบ วิธีการวิเคราะห์ความเชื่อมโยงเพื่อเชื่อมโยงบัญชีที่ดูแตกต่างกันแต่ใช้โครงสร้างพื้นฐานร่วมกัน และวิธีการกำหนดเป้าหมายผู้กระทำผิดซ้ำซากโดยไม่ทำให้การลงทะเบียนที่ถูกต้องช้าลง

ไฮไลต์

• การตรวจจับผู้ใช้ปลอมและการใช้หลายบัญชีในทางที่ผิดทำได้ยากเมื่อแต่ละบัญชีดูสะอาดตา ดังนั้นการวิเคราะห์ความเชื่อมโยงระหว่างคุณลักษณะที่ใช้ร่วมกันจึงเป็นวิธีที่มีประสิทธิภาพ

• การตรวจสอบแบบเป็นขั้นตอนช่วยรักษาอัตราการแปลงให้สูง โดยจำกัดการตรวจสอบไว้เฉพาะบัญชีที่มีคะแนนความเสี่ยงสูง แทนที่จะใช้การตรวจสอบแบบเดียวกันกับทุกการสมัครใช้งาน

• การใช้หลายบัญชีเป็นกลไกทั่วไปที่อยู่เบื้องหลังการใช้ทดลองใช้ฟรีในทางที่ผิด การฉ้อโกงการแนะนำเพื่อน และการฉ้อโกงการสมัครสมาชิก การตรวจจับการลงทะเบียนควรเป็นส่วนสำคัญของกลยุทธ์การป้องกันการฉ้อโกงโดยรวม

ผู้ใช้ปลอมและการลงทะเบียนหลายบัญชีในทางที่ผิดคืออะไร

บัญชีผู้ใช้ปลอม คือบัญชีที่สร้างขึ้นโดยใช้สัญญาณยืนยันตัวตนที่น่าเชื่อถือต่ำ เช่น อีเมลชั่วคราว ชื่อปลอม หมายเลขโทรศัพท์เสมือน หรือข้อมูลประจำตัวที่ผ่านการตรวจสอบขั้นพื้นฐาน แต่ไม่ตรงกับบุคคลจริงที่มีเจตนาดี การใช้บัญชีหลายบัญชีในทางที่ผิดเป็นปัญหาที่เกี่ยวข้องแต่แตกต่างกัน คือ ผู้กระทำผิดรายหนึ่งสร้างบัญชีหลายบัญชี โดยมักใช้ข้อมูลประจำตัวที่ดูแตกต่างกัน เพื่อหลีกเลี่ยงข้อจำกัด นโยบาย หรือการแบนที่คุณบังคับใช้แล้ว

เหตุใดการลงทะเบียนหลายบัญชีในทางที่ผิดจึงพบได้บ่อยในขั้นตอนการลงทะเบียน

เงื่อนไขที่ทำให้การสมัครสมาชิกมีอัตราการแปลงสูง คือเงื่อนไขเดียวกันกับที่ทำให้เกิดการฉ้อโกงได้ง่าย

นี่คือสาเหตุที่ทำให้เกิดปัญหา

• ลงทะเบียนง่าย: การตรวจสอบขั้นต่ำในการลงทะเบียนทำให้แต่ละบัญชีใหม่ถูกมองว่าเป็นคนแปลกหน้า และผู้ไม่ประสงค์ดีสามารถใช้ประโยชน์จากจุดนี้ได้ซ้ำแล้วซ้ำเล่า การยืนยันทางอีเมลช่วยป้องกันการละเมิดแบบไม่ตั้งใจได้ แต่ก็ไม่ได้ผลกับผู้ที่ใช้โดเมนที่สามารถใช้ชื่อปลอมได้ หรือกล่องจดหมายแบบใช้แล้วทิ้ง

• ระบบอัตโนมัติ: การสร้างบัญชีด้วยตนเองนั้นยุ่งยาก การสร้างบัญชีด้วยสคริปต์ การหมุนเวียนข้อมูลประจำตัว และการสลับไปมาระหว่างพร็อกซีที่อยู่อาศัยนั้นใช้เวลาในการตั้งค่าไม่กี่ชั่วโมงและสามารถสร้างบัญชีได้หลายร้อยบัญชี อุปสรรคในการเข้าใช้งานระบบอัตโนมัติลดลงแล้ว เนื่องจากเครื่องมือสำหรับการสร้างอีเมลปลอม การสร้างหมายเลขเสมือน และการปลอมแปลงลายนิ้วมือของเบราว์เซอร์นั้นเข้าถึงได้ง่ายมากขึ้น

• การตรวจสอบที่ไม่รัดกุม: การตรวจสอบทางโทรศัพท์เป็นการป้องกันการฉ้อโกง แต่สามารถหลีกเลี่ยงได้ด้วยหมายเลข Voice over Internet Protocol (VoIP) การยืนยันทางอีเมลหรือทางโทรศัพท์เพียงอย่างเดียวไม่สามารถยืนยันได้ว่าบัญชีที่เข้ามานั้นแตกต่างจากบัญชีที่ธุรกิจเคยตรวจสอบมาแล้ว

• สิ่งจูงใจที่น่าดึงดูด: เมื่อมีการมอบทดลองใช้ฟรี เครดิตจากการแนะนำเพื่อน หรือส่วนลดโปรโมชั่นให้กับบัญชีใหม่ การสร้างบัญชีจะมีมูลค่าเป็นตัวเงินที่วัดได้

กลไกเบื้องหลังการหลอกลวงด้วยการให้ทดลองใช้ฟรี การฉ้อโกงการแนะนำเพื่อน การหลีกเลี่ยงการแบน และการเก็บเกี่ยวเครดิตโปรโมชั่นนั้นเหมือนกัน นั่นคือ กระบวนการลงทะเบียนของธุรกิจไม่มีหน่วยความจำ และผู้ไม่หวังดีรู้เรื่องนี้ดี

สัญญาณใดบ้างที่บ่งชี้ถึงผู้ใช้ปลอมและการใช้บัญชีหลายบัญชีในทางที่ผิด

ไม่มีสัญญาณใดสัญญาณหนึ่งที่สรุปได้อย่างแน่ชัด แต่การดูสัญญาณหลายอย่างประกอบกันจะช่วยให้คาดการณ์อย่างแม่นยำได้

นี่คือตัวบ่งชี้ที่ชัดเจนที่สุดของการใช้งานผู้ใช้ปลอมและการลงทะเบียนหลายบัญชีในทางที่ผิด

• การใช้อุปกรณ์และเบราว์เซอร์ร่วมกัน: ลายนิ้วมือที่ใช้ร่วมกันในหลายบัญชีเป็นตัวบ่งชี้ที่สำคัญ ลายนิ้วมือสามารถปลอมแปลงได้ แต่การทำเช่นนั้นอย่างสม่ำเสมอในหลายบัญชีต้องใช้ความพยายาม ซึ่งการกระทำที่ผิดกฎหมายบางครั้งอาจมองข้ามตรงนี้ไป

• รูปแบบเครือข่ายที่ผิดปกติ: การลงทะเบียนซ้ำๆ จากหมายเลขโปรโตคอลอินเทอร์เน็ต (IP) เดียวกัน หมายเลขระบบอัตโนมัติ (ASN) เดียวกัน หรือช่วงของศูนย์ข้อมูลเดียวกัน อาจบ่งชี้ถึงการทำงานอัตโนมัติหรือการประสานงาน การรับส่งข้อมูลพร็อกซีที่อยู่อาศัยนั้นยากต่อการกรอง แต่สามารถแสดงให้เห็นถึงความไม่สอดคล้องกันทางภูมิศาสตร์ได้

• โครงสร้างอีเมลที่ซ้ำซ้อน: ผู้ไม่ประสงค์ดีอาจใช้โดเมนชั่วคราวและรูปแบบนามแฝง (เช่น คำต่อท้าย "+tag" ในที่อยู่อีเมล หรือรูปแบบจุดต่างๆ เช่น j.ohn.doe@domain.com) โดยอาจใช้การลงทะเบียนจำนวนมากจากโดเมนที่ไม่ใช่โดเมนหลักเพียงโดเมนเดียว หรือที่อยู่อีเมลที่ใช้รูปแบบการตั้งชื่อที่ตรวจจับได้ในบัญชีต่างๆ

• ความคล้ายคลึงกันของข้อมูลระบุตัวตน: ชื่อ ที่อยู่ และหมายเลขโทรศัพท์ที่แตกต่างกันเล็กน้อย แต่มีโครงสร้างที่คล้ายคลึงกัน (เช่น ตัวเลขเรียงลำดับ ตัวอักษรสลับตำแหน่ง ชื่อพื้นฐานเดียวกันแต่มีคำต่อท้ายต่างกัน) อาจบ่งชี้ว่าเป็นข้อมูลที่สร้างขึ้นมา ไม่ใช่ข้อมูลระบุตัวตนจริง

• ความเร็วและจังหวะการลงทะเบียนอัตโนมัติ: บัญชีที่สร้างขึ้นในช่วงเวลาสั้นๆ หรือในช่วงเวลาที่สม่ำเสมอ ซึ่งบ่งชี้ว่าเป็นพฤติกรรมที่มีการกำหนดไว้ล่วงหน้า และไม่สอดคล้องกับวิธีการลงทะเบียนของผู้ใช้ที่เป็นมนุษย์

• รูปแบบพฤติกรรมหลังการสมัครใช้งาน: ผู้ใช้งานจริงจะสำรวจเว็บไซต์ บัญชีที่ใช้ในทางที่ผิดอาจมุ่งตรงไปยังการกระทำที่มีมูลค่าสูงสุด เช่น การเปิดใช้งานเวอร์ชันทดลองใช้ การรับรหัสโปรโมชัน หรือการแนะนำเพื่อน แล้วก็หยุดอยู่แค่นั้น อัตราส่วนที่สูงของบัญชีที่ดำเนินการเพียงอย่างเดียวแล้วหยุดใช้งานไปนั้น ควรได้รับการตรวจสอบ

คุณจะตรวจจับผู้ใช้ปลอมและการใช้บัญชีหลายบัญชีในทางที่ผิดผ่านการวิเคราะห์ความเชื่อมโยงได้อย่างไร

การปิดกั้นสัญญาณแต่ละตัวเป็นสิ่งจำเป็นแต่ไม่เพียงพอ ผู้กระทำการที่มุ่งมั่นจะหมุนเวียนอินพุต ดังนั้นวิธีการที่ยั่งยืนกว่าคือการวิเคราะห์ความเชื่อมโยง

วิธีการมีดังนี้

• พิจารณาคุณลักษณะระบุตัวตนเป็นโหนดในกราฟ: ที่อยู่อีเมล ลายนิ้วมือของอุปกรณ์ หมายเลขโทรศัพท์ และที่อยู่สำหรับการเรียกเก็บเงิน ล้วนเป็นโหนดที่แตกต่างกัน เมื่อสองบัญชีใช้โหนดร่วมกัน แสดงว่าบัญชีเหล่านั้นเชื่อมต่อกัน เมื่อกลุ่มบัญชีใช้โหนดร่วมกันหลายโหนดในหลายคุณลักษณะ นั่นอาจเป็นสัญญาณของการกระทำที่ละเมิดลิขสิทธิ์แบบประสานงานกัน

• บันทึกคุณลักษณะทั้งในขณะลงทะเบียนและในการทำธุรกรรม: การแฮชลายนิ้วมือของอุปกรณ์ ที่อยู่ IP และฟิลด์ข้อมูลประจำตัวในขณะลงทะเบียน จะให้วัตถุดิบสำหรับการวิเคราะห์ความเชื่อมโยงเมื่อคุณต้องการในภายหลัง

• การรวมกลุ่มข้ามช่วงเวลา: การเชื่อมโยงบัญชีที่สร้างขึ้นภายในช่วงเวลาแคมเปญเดียวกันจะทำให้เห็นการลงทะเบียนที่ประสานงานกัน ซึ่งหากพิจารณาแยกต่างหากแล้วจะไม่ดูน่าสงสัย

• ทำการวิเคราะห์ย้อนหลังเกี่ยวกับการละเมิดที่ได้รับการยืนยันแล้ว: เมื่อคุณยืนยันว่าบัญชีใดบัญชีหนึ่งมีการละเมิด ให้ตรวจสอบแผนผังของโหนดเพื่อค้นหาบัญชีที่เชื่อมต่อที่คุณยังไม่ได้ระบุไว้ ผู้กระทำผิดที่ได้รับการยืนยันแล้วหนึ่งรายอาจเปิดเผยผู้กระทำผิดรายอื่น ๆ อีกหลายราย

• ใช้การให้คะแนนความเชื่อมั่น ไม่ใช่การกำหนดสถานะแบบไบนารี: กำหนดคะแนนความเสี่ยงตามจำนวนและความแข็งแกร่งของการเชื่อมต่อ เพื่อให้การบังคับใช้เป็นไปอย่างเหมาะสม บัญชีที่มีการเชื่อมต่อที่อ่อนแอเพียงหนึ่งจุดอาจได้รับการตรวจสอบอย่างเข้มงวด ในขณะที่บัญชีที่มีการเชื่อมต่อที่แข็งแกร่งสี่จุดอาจถูกบล็อก

มีกลยุทธ์ป้องกันอะไรบ้างที่สามารถหยุดการใช้บัญชีหลายบัญชีในทางที่ผิดโดยไม่กระทบต่อคอนเวอร์ชัน

หากระบบตรวจจับการฉ้อโกงของคุณเข้มงวดเกินไป คุณอาจบล็อกผู้ใช้ที่ถูกต้องได้ แต่หากระบบหลวมเกินไป การใช้ในทางที่ผิดก็อาจเล็ดลอดเข้ามาได้ การตรวจสอบแบบเป็นขั้นตอนจะช่วยหลีกเลี่ยงปัญหานี้ได้โดยการปรับการตอบสนองให้เหมาะสมกับความเสี่ยง

นี่คือวิธีการจัดโครงสร้าง

• คะแนนความเสี่ยงต่ำ = ไม่มีการดำเนินการใดๆ: การลงทะเบียนมาตรฐานพร้อมสิทธิ์การเข้าถึงทันที ผู้ใช้อาจเข้ามาที่หน้านี้ และไม่มีผลอะไรต่อประสบการณ์การใช้งาน

• คะแนนความเสี่ยงปานกลาง = การตรวจสอบแบบเบา: เพิ่มขั้นตอนที่ง่ายสำหรับบุคคลจริง แต่มีค่าใช้จ่ายสูงสำหรับการดำเนินการอัตโนมัติ เช่น การยืนยันทางโทรศัพท์พร้อมการตรวจสอบผู้ให้บริการจริง (นอกเหนือจากการตรวจสอบรูปแบบมาตรฐาน) หรือการยืนยันทางอีเมลแบบจำกัดเวลา ซึ่งการดำเนินการแบบกลุ่มไม่สามารถประมวลผลได้อย่างมีประสิทธิภาพ

• คะแนนความเสี่ยงสูง = ปิดกั้นการกระทำที่มีมูลค่าสูง: จะไม่มีการบล็อกการลงทะเบียน แต่จะจำกัดการเข้าถึงการเปิดใช้งานทดลองใช้ การแลกรับโปรโมชั่น หรือการจ่ายเงินค่าแนะนำ จนกว่าบัญชีจะแสดงพฤติกรรมที่ถูกต้องตามกฎหมายในระดับพื้นฐาน การล็อกอินจากอุปกรณ์เดียวกันสองครั้งภายในสองวัน การกรอกข้อมูลโปรไฟล์ หรือการซื้อครั้งแรก ล้วนเป็นการยืนยันแบบอ่อนๆ การหน่วงเวลาแบบนี้อาจมีประสิทธิภาพมากกว่าการบล็อกบัญชีโดยตรง ผู้กระทำการที่ประสงค์ร้ายที่รอการจ่ายเงิน 72 ชั่วโมงแล้วไม่ได้รับเงิน จะเรียนรู้ได้อย่างรวดเร็วว่าการกระทำของพวกเขาไม่ได้ผล ในขณะที่ผู้ใช้จริงที่รอในช่วงเวลาเดียวกันจะได้รับความไม่สะดวกเพียงเล็กน้อยเท่านั้น

มีการจำกัดอัตราการใช้งานทั้งตามบัญชีและตามคุณลักษณะ หากลายนิ้วมือของอุปกรณ์หรือที่อยู่ IP ถูกเชื่อมโยงกับการลงทะเบียนสามครั้งใน 24 ชั่วโมงที่ผ่านมา การลงทะเบียนใหม่จากคุณลักษณะนั้นจะต้องได้รับการตรวจสอบอย่างเข้มงวดหรือถูกระงับอย่างเด็ดขาด ถึงแม้แต่ละบัญชีจะดูไม่มีปัญหาเลยก็ตาม

การลงทะเบียนหลายบัญชีในทางที่ผิด เกี่ยวข้องกับการฉ้อโกงช่วงทดลองใช้ โปรโมชัน และการสมัครสมาชิกอย่างไร

การที่ใครสักคนจะสร้างบัญชีหลายบัญชีเพียงเพื่อเอาไว้ใช้นั้นไม่ใช่เรื่องปกติ การเข้าใจความเชื่อมโยงระหว่างการใช้บัญชีหลายบัญชีในทางที่ผิดกับการฉ้อโกงประเภทอื่นๆ คือสิ่งที่เชื่อมโยงการตรวจจับการลงทะเบียนของคุณเข้ากับกลยุทธ์การป้องกันการฉ้อโกงในวงกว้าง

นี่คือจุดที่ความซ้ำซ้อนปรากฏขึ้น

• การใช้ช่วงทดลองใช้ฟรีในทางที่ผิด: หากช่วงทดลองใช้ของคุณรีเซ็ตเมื่อสร้างบัญชี ใครก็ตามที่มีสคริปต์และที่อยู่อีเมลจำนวนมากสามารถเข้าถึงผลิตภัณฑ์ของคุณได้โดยไม่มีกำหนดโดยไม่ต้องจ่ายเงิน การตรวจจับการลงทะเบียนเป็นแนวป้องกันแรกที่มีประสิทธิภาพ เมื่อช่วงทดลองใช้ถูกนำไปใช้ในทางที่ผิด บัญชีนั้นก็ถูกสร้างขึ้นแล้ว

• การแสวงหาผลประโยชน์จากส่วนลดโปรโมชัน: ส่วนลดสำหรับผู้ใช้ใหม่และสิ่งจูงใจสำหรับการสั่งซื้อครั้งแรกมีมูลค่าเป็นตัวเลขที่วัดได้ต่อบัญชีที่สร้างขึ้น ซึ่งทำให้กระบวนการลงทะเบียนของคุณกลายเป็นเป้าหมายโดยตรงสำหรับการดำเนินการในทางที่ผิดอย่างเป็นระบบในวงกว้าง

• การฉ้อโกงผ่านการแนะนำ: โปรแกรมแนะนำที่จ่ายเงินเมื่อบัญชีใหม่ดำเนินการบางอย่างนั้นมีความเสี่ยงเป็นพิเศษ ผู้กระทำความผิดที่ควบคุมทั้งบัญชีผู้แนะนำและบัญชีใหม่สามารถสร้างเงินรางวัลได้โดยไม่ต้องมีการเพิ่มจำนวนผู้ใช้จริงในทั้งสองฝ่าย

• การฉ้อโกงการสมัครสมาชิก: ผู้ใช้ที่ถูกแบนหรือถูกเรียกเก็บเงินคืนสามารถสร้างบัญชีใหม่และสมัครสมาชิกใหม่ได้ หากการตรวจสอบวิธีการชำระเงินของคุณไม่ตรงกับข้อมูลยืนยันตัวตนจากบัญชีที่ถูกตั้งข้อสงสัย การลงทะเบียนใหม่นี้เป็นกลไกการรีเซ็ต และหากไม่มีการวิเคราะห์ความเชื่อมโยงระหว่างบัญชีใหม่กับบัญชีเก่า การบังคับใช้กฎจะไม่ส่งผลต่อเนื่อง

Stripe Radar ช่วยอะไรได้บ้าง

Stripe Radar ใช้โมเดล AI ในการตรวจจับและป้องกันการฉ้อโกง โดยฝึกด้วยข้อมูลจากเครือข่ายทั่วโลกของ Stripe โมเดลเหล่านี้จะได้รับการอัปเดตอย่างต่อเนื่องตามแนวโน้มการฉ้อโกงล่าสุด เพื่อปกป้องธุรกิจของคุณเมื่อการฉ้อโกงพัฒนา

Stripe ยังมี Radar for Fraud Teams ซึ่งช่วยให้ผู้ใช้เพิ่มกฎที่กำหนดเองเพื่อจัดการกับสถานการณ์การฉ้อโกงเฉพาะสำหรับธุรกิจของตนและเข้าถึงข้อมูลเชิงลึกเกี่ยวกับการฉ้อโกงที่ล้ำสมัย
Radar สามารถช่วยธุรกิจของคุณได้ดังนี้

• ป้องกันการสูญเสียจากการฉ้อโกง: Stripe ประมวลผลการชำระเงินมากกว่า 1 ล้านล้านดอลลาร์ต่อปี ปริมาณที่มากเช่นนี้ช่วยให้ Radar ตรวจจับและป้องกันการฉ้อโกงได้อย่างแม่นยำ ซึ่งช่วยประหยัดเงินให้คุณ

• เพิ่มรายรับ: โมเดล AI ของ Radar ได้รับการฝึกฝนจากข้อมูลการโต้แย้งการชำระเงินที่เกิดขึ้นจริง ข้อมูลลูกค้า ข้อมูลการเรียกดู และอื่นๆ ซึ่งทำให้ Radar สามารถค้นหาธุรกรรมที่มีความเสี่ยงและลดการตรวจพบที่ผิดพลาดได้ ซึ่งส่งผลให้คุณมีรายรับเพิ่มขึ้น

• ประหยัดเวลา: Radar ถูกสร้างขึ้นใน Stripe และไม่ต้องใช้โค้ดในการตั้งค่า คุณยังสามารถติดตามตรวจสอบประสิทธิภาพในการจัดการการฉ้อโกง เขียนกฎ และอื่นๆ อีกมากมายได้ในแพลตฟอร์มเดียว ซึ่งจะช่วยเพิ่มประสิทธิภาพ

ดูข้อมูลเพิ่มเติมเกี่ยวกับ Stripe Radar หรือเริ่มใช้งานเลยวันนี้