คะแนนการฉ้อโกงของอินเทอร์เน็ตโปรโตคอล (IP) จะให้คะแนนว่าที่อยู่ IP ที่ระบุน่าจะเชื่อมโยงกับกิจกรรมที่ฉ้อโกงมากน้อยเพียงใด คะแนนนี้คำนวณโดยใช้รายละเอียดจากเครือข่ายส่วนตัวเสมือน (VPN) ความไม่ตรงกันของตำแหน่งทางภูมิศาสตร์ ความเร็วในการทำธุรกรรม และการใช้พร็อกซี เช่น ผ่านศูนย์ข้อมูล น่าเสียดายที่ปริมาณการเข้าชม 30%–95% บนเครือข่ายพร็อกซีที่อยู่อาศัยหลักมีความเกี่ยวข้องกับกิจกรรมฉ้อโกงแบบแบล็กแฮตหรือเกรย์แฮต ซึ่งทำให้การฉ้อโกงกลายเป็นปัญหาระดับโลก

ธุรกิจจะดึงคะแนนการฉ้อโกงของ IP ไม่ว่าจะที่หน้าการชำระเงินหรือเมื่อลูกค้าสร้างบัญชีใหม่ เพื่อช่วยในการตัดสินใจว่าจะอนุมัติธุรกรรม ส่งไปตรวจสอบ หรือบล็อกทันที คะแนนการฉ้อโกงของ IP เพียงอย่างเดียวจะส่งต่อข้อมูลเกี่ยวกับการเชื่อมต่อออนไลน์ของธุรกรรมเท่านั้น ไม่ใช่ตัวบุคคลที่ใช้งาน ซึ่งนี่คือจุดที่กลยุทธ์การป้องกันการฉ้อโกงอาจผิดพลาดได้

ด้านล่างนี้ เราจะพูดถึงวิธีเรียกใช้การตรวจสอบคะแนนการฉ้อโกงของ IP วิธีที่ธุรกิจนำไปใช้ในโมเดลความเสี่ยงในการชำระเงิน และเหตุใดการพึ่งพาสิ่งเหล่านี้มากเกินไปอาจส่งผลให้เกิดผลบวกลวงสำหรับลูกค้าที่ถูกต้องตามกฎหมาย

ประเด็นสำคัญ

• คะแนนการฉ้อโกงของ IP จะใช้รายละเอียดเกี่ยวกับการตรวจจับ VPN และพร็อกซี ความไม่ตรงกันของตำแหน่งทางภูมิศาสตร์ และความถี่ของการพยายามทำธุรกรรมเพื่อประเมินความเสี่ยง แต่ก็ไม่สามารถยืนยันได้ว่าใครคือผู้อยู่เบื้องหลังธุรกรรมอย่างแท้จริง

• การพึ่งพาคะแนน IP เพียงอย่างเดียวอาจสร้างผลบวกลวงให้กับลูกค้าที่ถูกต้องตามกฎหมาย รวมถึงนักเดินทางเพื่อธุรกิจ พนักงานที่ทำงานทางไกลซึ่งใช้ VPN ขององค์กร และผู้ที่อยู่บนเครือข่ายอุปกรณ์เคลื่อนที่ที่ใช้ร่วมกัน

• โปรแกรมซอฟต์แวร์บางโปรแกรมสามารถดึงข้อมูลธุรกรรมจากธุรกิจหลายล้านแห่งมาสร้างภาพรวมที่สมบูรณ์ยิ่งขึ้นเกี่ยวกับความเสี่ยงที่อาจเกิดขึ้นจากธุรกรรมเดียวได้ดีกว่าที่เครื่องมือตรวจสอบ IP แบบสแตนด์อะโลนจะทำได้

คะแนนการฉ้อโกงของ IP คืออะไร

คะแนนการฉ้อโกงของ IP คือตัวเลขหรือการจัดระดับที่ประเมินว่าที่อยู่ IP ที่ระบุน่าจะเชื่อมโยงกับกิจกรรมฉ้อโกงมากน้อยเพียงใด ในการสร้างคะแนนนี้ เครื่องมือให้คะแนนจะตรวจสอบที่อยู่ IP กับฐานข้อมูลของ VPN, พร็อกซี, โหนดของ Tor และศูนย์ข้อมูลที่รู้จัก จากนั้นจึงเพิ่มประวัติพฤติกรรม เช่น การเข้ายึดบัญชี การพยายามทดสอบบัตร และการดึงเงินคืนในอดีต

สัญญาณใดบ้างที่กำหนดคะแนนการฉ้อโกงของ IP

โดยทั่วไปแล้ว เครื่องมือให้คะแนนจะดึงข้อมูลจากหลายประเภทมาเพื่อให้เห็นภาพความเสี่ยงที่แท้จริง

สัญญาณหลักที่ใช้ในการกำหนดคะแนนการฉ้อโกงของ IP มีดังนี้

• การตรวจจับ VPN และพร็อกซี: ที่อยู่ IP จะได้รับการตรวจสอบกับรายการ VPN เชิงพาณิชย์และพร็อกซีแบบเปิดที่รู้จัก ซึ่งผู้กระทำการฉ้อโกงสามารถปกปิดตำแหน่งจริงของตนหรือหมุนเวียนใช้ข้อมูลระบุตัวตนหลายรายการจากการเชื่อมต่อเดียว

• ความไม่ตรงกันของตำแหน่งทางภูมิศาสตร์: หากพบว่าที่อยู่ IP อยู่ในเซนต์ปีเตอร์สเบิร์ก รัสเซีย แต่ที่อยู่สำหรับการเรียกเก็บเงินอยู่ในโตรอนโต แคนาดา ความคลาดเคลื่อนนั้นจะถือเป็นปัจจัยเสี่ยง โดยเฉพาะกับคำสั่งซื้อครั้งแรกที่ไม่มีประวัติการซื้อให้เปรียบเทียบ

• ความเร็วในการทำธุรกรรม: ที่อยู่ IP ที่ทำการสั่งซื้อหลายสิบครั้งในหนึ่งชั่วโมง โดยแต่ละครั้งใช้บัตรต่างกัน จะดูน่าสงสัยมากกว่าที่อยู่ IP อื่นที่พยายามทำธุรกรรมครั้งเดียวให้เสร็จสิ้นในรวดเดียว

• การใช้โหนดออกของ Tor: Tor จะกำหนดเส้นทางปริมาณการเข้าชมออนไลน์ผ่านรีเลย์หลายตัวเพื่อซ่อนต้นทางของธุรกรรมที่เป็นไปได้ ซึ่งทำให้กลายเป็นการตั้งสถานะเกือบอัตโนมัติ แม้ว่าหลายคนจะใช้เพื่อเหตุผลด้านความเป็นส่วนตัวที่ถูกต้องตามกฎหมายอย่างสมบูรณ์ก็ตาม

• ปริมาณการเข้าชมศูนย์ข้อมูล: โดยทั่วไปแล้วผู้บริโภคจะไม่ได้ช้อปปิ้งจากช่วง IP ของ Amazon Web Services (AWS) หรือ Google Cloud ปริมาณการเข้าชมที่มาจากไซต์เช่นนี้มักชี้ไปที่บอท โปรแกรมสแครปเปอร์ หรือสคริปต์ที่พยายามทดสอบบัตร

• สัญญาณการตรวจสอบเอกลักษณ์ของอุปกรณ์: การกำหนดค่าเบราว์เซอร์ ความละเอียดของหน้าจอ และแบบอักษรที่ติดตั้งจะถูกนำมาอ้างอิงข้ามกับที่อยู่ IP เพื่อดูว่าธุรกรรมนั้นดูเหมือนคนจริงๆ หรือเป็นการโจมตีด้วยสคริปต์

ธุรกิจใช้คะแนนการฉ้อโกงของ IP ในโมเดลความเสี่ยงในการชำระเงินอย่างไร

ธุรกิจอีคอมเมิร์ซและแพลตฟอร์มการชำระเงินมักจะดึงคะแนน IP เมื่อผู้ที่อาจเป็นลูกค้าสร้างบัญชีหรือพยายามซื้อของที่หน้าการชำระเงิน ในขั้นตอนการสมัครสมาชิก คะแนนการฉ้อโกงที่สูงอาจทำให้ต้องมีการตรวจสอบข้อมูลระบุตัวตนเพิ่มเติมก่อนที่บัญชีใหม่จะได้รับสิทธิ์เต็มรูปแบบ ที่หน้าการชำระเงิน อาจต้องตัดสินใจว่าจะอนุมัติธุรกรรม ส่งไปตรวจสอบด้วยตนเอง หรือต้องมีขั้นตอนการตรวจสอบสิทธิ์เพิ่มเติม

โดยทั่วไป โมเดลความเสี่ยงจะทำงานตามเกณฑ์มากกว่าการใช้จุดตัดผ่านหรือตกเพียงจุดเดียว คะแนนที่ต่ำกว่า 25 อาจผ่านไปได้โดยไม่มีปัญหาซับซ้อนใดๆ ในขณะที่คะแนนระหว่าง 25 ถึง 75 อาจต้องมีการยืนยันเพิ่มเติมหรือถูกระงับไว้เพื่อตรวจสอบ คะแนนใดๆ ที่สูงกว่า 75 มักจะต้องใช้ความระมัดระวัง โดยเฉพาะอย่างยิ่งเมื่อจับคู่กับสัญญาณเตือนอื่นๆ เช่น ที่อยู่สำหรับการเรียกเก็บเงินไม่ตรงกัน หรือคำสั่งซื้อครั้งแรกที่มีจำนวนมากผิดปกติ

อย่างไรก็ตาม ธุรกิจที่บล็อกธุรกรรมโดยดูจากคะแนนความเสี่ยงที่สูงเพียงอย่างเดียวอาจปฏิเสธลูกค้าจริงได้ การชั่งน้ำหนักปัจจัยต่างๆ เช่น การยืนยันบัตร ข้อมูลอุปกรณ์ และรูปแบบพฤติกรรม จะช่วยให้ธุรกิจมีภาพที่สมบูรณ์ยิ่งขึ้นเมื่อพยายามตัดสินใจเกี่ยวกับธุรกรรม การกำหนดช่วงคะแนน IP หรือเกณฑ์ที่หละหลวมเกินไปอาจทำให้คำสั่งซื้อที่ฉ้อโกงหลุดรอดไปได้ แต่หากตั้งไว้เข้มงวดเกินไป ลูกค้าที่ถูกต้องตามกฎหมายก็อาจถูกปฏิเสธที่หน้าการชำระเงินได้ ทีมป้องกันการฉ้อโกงหลายทีมถือว่าการกำหนดเกณฑ์เป็นสิ่งที่ต้องมีการปรับเทียบอย่างต่อเนื่อง

เหตุใดคะแนนการฉ้อโกงของ IP จึงสร้างผลบวกลวง

พฤติกรรมที่ถูกต้องตามกฎหมายอาจดูเสี่ยงในระดับเครือข่าย แต่ลูกค้าแต่ละรายที่ถูกบล็อกอย่างไม่ถูกต้องหรือถูกบังคับให้ทำตามขั้นตอนการยืนยันตัวตนเพิ่มเติมก็อาจส่งผลเสียต่อผลกำไรของธุรกิจได้ ในทางกลับกัน ความยุ่งยากในการชำระเงินซ้ำแล้วซ้ำเล่าอาจผลักดันลูกค้าให้ไปหาคู่แข่งที่มีการชำระเงินที่ง่ายกว่า

แหล่งที่มาของผลบวกลวงที่ใหญ่ที่สุดบางส่วนมีดังนี้

• เครือข่ายองค์กรและมหาวิทยาลัย: องค์กรขนาดใหญ่กำหนดเส้นทางของพนักงานหลายพันคนผ่านที่อยู่ IP ที่ใช้ร่วมกันจำนวนไม่มากนัก ดังนั้นที่อยู่เดียวอาจดูเหมือนสร้างปริมาณธุรกรรมที่ไม่เกี่ยวข้องกันอย่างไม่น่าเชื่อ

• ผู้ให้บริการเครือข่ายมือถือ: การแปลที่อยู่เครือข่ายระดับผู้ให้บริการ (CGNAT) หมายความว่าที่อยู่ IP เดียวสามารถเป็นตัวแทนของสมาชิกที่แตกต่างกันหลายร้อยหรือหลายพันรายในคราวเดียว ซึ่งทำให้การให้คะแนนที่อิงตามความเร็วในการทำธุรกรรมคลาดเคลื่อน

• การเดินทางระหว่างประเทศ: เจ้าของบัตรที่ช้อปปิ้งจากประเทศที่ไม่เคยอยู่ในประวัติการซื้อของลูกค้าจะทำให้เกิดความไม่ตรงกันของตำแหน่งทางภูมิศาสตร์ ซึ่งทำให้ธุรกรรมดูเหมือนเกี่ยวข้องกับบัตรที่ถูกขโมย ทั้งที่ลูกค้าอาจจะแค่เดินทางออกนอกประเทศ

• เครื่องมือความเป็นส่วนตัว: การใช้ VPN มีเหตุผลที่ไม่เกี่ยวกับการฉ้อโกง ตั้งแต่นโยบายความปลอดภัยในสถานที่ทำงานไปจนถึงความชอบส่วนบุคคล แต่โมเดลการให้คะแนนก็ยังคงถือว่าสิ่งเหล่านี้เป็นปัจจัยเสี่ยงสูงตามค่าเริ่มต้น

คุณจะตรวจสอบคะแนนการฉ้อโกงของ IP ได้อย่างไร

เมื่อธุรกิจตรวจสอบที่อยู่ IP เพียงแห่งเดียว ตัวตรวจสอบคะแนนการฉ้อโกงของ IP แบบสแตนด์อะโลนหลายตัวจะรับที่อยู่ดังกล่าวและส่งคืนการจัดระดับความเสี่ยงตามส่วนของสัญญาณเตือน เช่น การใช้ VPN, พร็อกซี หรือศูนย์ข้อมูล ระบบเหล่านี้เหมาะสำหรับการตรวจสอบการจัดระดับความเสี่ยงเพียงครั้งเดียว หรือเพื่อทำความเข้าใจว่าเหตุใดธุรกรรมบางรายการจึงถูกตั้งสถานะ

แต่การตรวจสอบที่อยู่ IP ทีละรายการไม่สามารถจัดการได้เสมอไปสำหรับธุรกิจที่ดำเนินการธุรกรรมปริมาณมาก ตามหลักการแล้ว การให้คะแนน IP ควรสร้า​งไว้ในระบบเดียวกับที่ประเมินบัตร อุปกรณ์ และพฤติกรรมของลูกค้าแบบเรียลไทม์ที่หน้าการชำระเงิน โดยไม่ต้องเพิ่มขั้นตอนด้วยตนเอง ด้วยวิธีนี้ธุรกิจจะไม่ต้องดึงคะแนนด้วยตนเองและสร้างกฎเกณฑ์ของตนเองขึ้นมา การให้คะแนนจะเกิดขึ้นโดยอัตโนมัติซึ่งเป็นส่วนหนึ่งของขั้นตอนการชำระเงิน

Stripe Radar นำข้อมูลที่อยู่ IP และตำแหน่งที่ตั้งมาพิจารณาในการให้คะแนนการฉ้อโกง แต่ไม่ได้ถือว่าข้อมูลดังกล่าวเป็นจุดตัดสินใจแบบสแตนด์อะโลน Radar จะประเมินแต่ละธุรกรรมกับสัญญาณหลายร้อยแบบ รวมถึงชื่อเสียงของที่อยู่ IP และตำแหน่งทางภูมิศาสตร์ ตลอดจนพฤติกรรมของบัตร ลักษณะของอุปกรณ์ และรูปแบบที่เฉพาะเจาะจงกับประวัติธุรกรรมของธุรกิจนั้นๆ

ขนาดที่อยู่เบื้องหลังการวิเคราะห์ที่อยู่ IP ของ Radar ทำให้แตกต่างจากเครื่องมือตรวจสอบที่อยู่ IP เฉพาะ Radar ฝึกอบรมโมเดลแมชชีนเลิร์นนิงจากข้อมูลธุรกรรมของธุรกิจหลายล้านแห่งบน Stripe ซึ่งทำให้เห็นภาพพฤติกรรมของธุรกรรมที่ปกติและผิดปกติที่ชัดเจนขึ้นในอุตสาหกรรม ภูมิศาสตร์ และประเภทลูกค้าที่หลากหลายได้ดีกว่าที่ธุรกิจเดียวจะสร้างได้จากการดูปริมาณการเข้าชมของตนเองเพียงอย่างเดียว ขนาดดังกล่าวช่วยให้ Radar ตรวจจับรูปแบบการฉ้อโกงที่เพิ่งเกิดขึ้นใหม่ได้ เช่น เครือข่ายพร็อกซีใหม่ หรือคลื่นการทดสอบบัตรที่มีการประสานงานกันได้เร็วกว่าธุรกิจที่พึ่งพาบล็อกลิสต์ที่อยู่ IP แบบคงที่ Radar ยังช่วยให้ธุรกิจสามารถวางซ้อนกฎที่กำหนดเองที่ด้านบนของคะแนนแมชชีนเลิร์นนิงได้ ดังนั้นธุรกิจจึงตัดสินใจได้เองว่าจะตอบสนองอย่างไรเมื่อธุรกรรมถูกตั้งสถานะสำหรับความเสี่ยงที่เกี่ยวข้องกับที่อยู่ IP

Stripe Radar ช่วยเหลือคุณได้อย่างไร

Stripe Radar ใช้โมเดล AI ในการตรวจจับและป้องกันการฉ้อโกง โดยฝึกด้วยข้อมูลจากเครือข่ายทั่วโลกของ Stripe ซึ่งโมเดลเหล่านี้จะได้รับการอัปเดตอย่างต่อเนื่องตามแนวโน้มการฉ้อโกงล่าสุด เพื่อปกป้องธุรกิจของคุณเมื่อการฉ้อโกงพัฒนา Stripe ยังมี Radar for Fraud Teams ซึ่งอนุญาตให้ผู้ใช้เพิ่มกฎที่กำหนดเองที่เกี่ยวข้องกับสถานการณ์การฉ้อโกงเฉพาะสำหรับธุรกิจของตนและเข้าถึงข้อมูลเชิงลึกเกี่ยวกับการฉ้อโกงที่ล้ำสมัย

Radar สามารถช่วยธุรกิจของคุณได้ดังนี้

• ป้องกันการสูญเสียจากการฉ้อโกง: AI ของ Radar เรียนรู้จากธุรกรรมรายปีกว่า 1.9 ล้านล้านดอลลาร์สหรัฐทั่วเครือข่ายทั่วโลกของ Stripe ซึ่งช่วยระบุและบล็อกรูปแบบการฉ้อโกงที่ธุรกิจแต่ละแห่งอาจตรวจไม่พบด้วยตนเอง

• รวมการป้องกันการโจมตีเพื่อฉ้อโกงที่พัฒนาขึ้นเรื่อยๆ เข้าด้วยกัน: Radar นำการป้องกันการฉ้อโกงธุรกรรม การฉ้อโกงบัญชี และการละเมิดของลูกค้ามารวมไว้ในโซลูชันเดียว คุณจึงได้รับการป้องกันแบบครบวงจรสำหรับประเภทการฉ้อโกงที่สำคัญๆ

• ปรับตัวตามการฉ้อโกงที่พัฒนาขึ้น: Radar จะปรับตัวตามรูปแบบการฉ้อโกงที่เปลี่ยนแปลงไปอย่างต่อเนื่อง ตั้งแต่การละเมิดโดยบุคคลที่หนึ่งไปจนถึงธุรกรรมที่ใช้เอเจนต์ ซึ่งช่วยปกป้องธุรกิจของคุณจากภัยคุกคามที่เกิดขึ้นใหม่

• ทำงานกับเทคสแต็กที่คุณมีอยู่: ใช้ Radar ร่วมกับการชำระเงินของ Stripe โดยไม่ต้องมีการผสานการทำงาน หรือเข้าถึงข้อมูลเชิงลึกของ Radar ผ่าน API ที่ตั้งโปรแกรมได้ ไม่ว่าคุณจะดำเนินการชำระเงินบน Stripe หรือไม่ก็ตาม

ดูข้อมูลเพิ่มเติมเกี่ยวกับ Stripe Radar หรือเริ่มใช้งานเลยวันนี้

คำถามที่พบบ่อยเกี่ยวกับคะแนนการฉ้อโกงของ IP