出海广告风控：识别代理、VPN、机房流量，该选用哪些 IP 库？

声明：本文仅为 AdTech 领域技术调研与实践总结，文中提到的各类数据源是行业内比较常见的技术方案，不构成采购推荐，也不存在商业引流目的。在广告投放的 IVT 无效流量治理场景里，很多开发者容易混淆地理定位能力与代理欺诈识别能力，这也是本文重点梳理的内容。

在海外广告投放的无效流量治理工作中，机房流量、VPN、各类代理（尤其是旋转住宅代理、SDK 代理）是流量伪装、刷量作弊最常用的手段。机房流量识别难度偏低，而伪装成正常家庭宽带的住宅代理，一直是风控的难点。

行业成熟的风控体系不会单纯依赖黑名单，IP 情报数据是第一层基础信号。这里有一个非常关键的工程认知：用于归因、地域统计的地理基准库，和用来标记代理 / VPN 风险的欺诈数据集，建议做口径隔离。归因报表、对账审计采用认可度高的定位基准；代理、VPN、机房的风险标签，只作为附加风控字段，不要直接改写归因地理信息，避免后续和媒体、联盟对账出现争议。

一、行业内常用的 IP 情报数据源

1. MaxMind GeoIP2 + GeoIP2 Anonymous IP Database

这是出海 APP 归因链路中使用范围很广的一套组合，很多主流归因、追踪系统原生完成适配。 它可以识别机房托管 IP、普通 VPN、Tor 节点以及基础匿名代理，同时输出 ASN、运营商信息辅助识别云厂商网段。支持离线 MMDB 库、在线 API 两种交付方式，适合批量解析海量归因日志。

它的短板也比较明显：针对现在作弊场景高频出现的旋转住宅代理、SDK 代理、SIM 农场 IP 识别能力有限；新上线的代理池入库天然存在延迟。另外免费版本 GeoLite 没有独立匿名 IP 数据集，协议上并不适合商用归因、结算场景。

适合场景：基础过滤机房、普通 VPN、Tor 流量，作为归因的基准数据源，对账争议相对更小。

2. IPinfo（IPinfo API / 离线库 + Proxy Detection 数据集）

在自建 DSP、自研反欺诈系统、中小出海技术团队中普及度较高。 它原生区分机房、住宅、移动等网络类型，配套独立的住宅代理标记数据集，对 SIM 农场、住宅代理识别能力相比上面的方案有一定优势，IPv6 覆盖完善，同样支持离线库和在线 API。

在品牌程序化广告审计、流量仲裁场景，它的认可度略低，工程实践里一般作为补充风控信号使用，不建议单独拿它作为归因的地理基准。

适合场景：中小团队自建风控、流量清洗、识别住宅代理类刷量流量，和主地理库搭配使用。

3. IP2Location + IP2Proxy

属于性价比方向的方案，在东南亚联盟投放场景被较多团队选用。 IP2Proxy 专门做代理分类，标签可以区分 VPN、DC 代理、住宅代理、Tor 流量。地理库和代理库可以分开订阅，离线库、API 都支持。

局限在于欧美区域精细化城市定位精度一般，高级旋转住宅代理检出效果有限，更适合做基础层面的过滤。

适合场景：业务主打东南亚市场、预算有限，只需要简单代理、机房过滤。

4. Spur

它不属于通用地理定位库，是面向隐蔽欺诈场景的专项情报。 核心优势是识别普通 IP 库很难捕获的 SDK 住宅代理、移动端设备农场、轮换住宅代理，短剧、CPA 联盟这类欺诈高发的投放场景经常把它作为补充信号。 交付形式以实时 API、数据 Feed 为主，不太适合大规模离线日志批量解析，接入成本偏高。

适合场景：高欺诈流量的实时风控链路，仅用来输出风险标签，不用于地域归因和定向。

5. Digital Element NetAcuity Pulse

在头部品牌程序化广告生态认可度较高，The Trade Desk、Xandr 这类主流 DSP 会采用这套 IP 数据。除高精度地理信息外，该数据也包含网络类型标注，可以区分机房、企业、住宅流量，匿名流量标签在品牌广告审计、IAB IVT 流量仲裁场景接受度比较高。 整体使用成本偏高，国内中小出海团队直接接入的不多，更多是预算充足的品牌广告主在使用。

适合场景：品牌程序化投放、对定向精度和第三方审计合规性要求高的业务。

6. DB-IP

属于轻量低成本方案，不少自研流量清洗工具、简易 IVT 系统会集成它。 能够标记机房托管 IP，支持基础 VPN 识别，但代理标签粒度比较粗。适合预算紧张，只做粗粒度过滤的场景，不适合复杂欺诈识别。

国内厂商 IP 库

国内厂商 IP 数据在国内网段识别表现成熟，但海外网段、海外代理池、住宅代理情报的更新频率和覆盖度偏弱。在和海外媒体、联盟发生流量仲裁时，这类标记结果一般很难被对方采信，仅适合用来交叉校验，不建议作为海外投放风控的主数据源。

二、开源方案：适合学习与对照测试，不建议直接上生产广告链路

这里需要着重提醒：开源 IP 库、社区黑名单，更新能力、商用许可、识别精度，都不足以支撑广告结算、对账审计，只能作为内部对照实验使用。

1. 开源版 ip2location/ip2proxy：样本规模有限，更新缓慢，代理标签滞后严重；
2. GeoLite2：免费版本许可约束，没有独立匿名 IP 库，匿名识别能力弱；
3. iptoasn、bgp.tools：仅可获取 ASN 信息，辅助判断云机房，无法识别 VPN、住宅代理；
4. Github 上各类社区维护的 VPN 黑名单：漏报、误报比例很高，黑灰产切换网段后快速失效。

核心结论：开源黑名单仅适合辅助参考，不能直接作为 IVT 扣量、结算判定依据，很容易引发对账纠纷。

三、基于业务场景的组合选型思路

风控方案选型，核心是匹配业务链路、对账对象、欺诈风险等级，这里整理行业比较通用的搭配思路：

1. 常规 APP 投放，使用主流归因平台 主库选择 MaxMind GeoIP2 City + Anonymous IP，对齐归因平台口径，识别机房、普通 VPN、Tor；叠加 IPinfo 作为补充，抓住宅代理刷量。归因地理口径保持统一，补充数据源只输出风险标签，不改动归因地域字段。
2. 品牌程序化投放，对接头部 DSP 媒体 建议对齐媒体侧使用的数据源，比如 Digital Element，减少竞价定向、流量审计时判定标准不一致带来的对账问题。
3. CPA、短剧、联盟等高欺诈流量场景 地理基准和基础匿名标记使用 MaxMind；实时风控环节接入 Spur API，识别隐蔽的 SDK 住宅代理农场流量。
4. 主打东南亚市场、预算有限 选用 IP2Location + IP2Proxy，控制成本，完成基础地域统计和简单代理过滤。
5. 中小团队快速自建风控，希望减少供应商维护成本 可以先用 IPinfo 同时承载基础地理解析、机房与代理识别，快速搭建流量清洗能力；业务规模扩大后，再拆分归因、欺诈两套独立数据源。

四、落地时容易踩的坑

1. 任何单一 IP 情报库都存在滞后性。新搭建的代理池、刚上线的 VPN 节点不会立刻入库；想要识别高级刷量，必须叠加 JA3 指纹、WebRTC 校验、设备指纹、行为时序等信号，不能只依靠 IP 库。
2. 机房 IP 不等于欺诈流量，VPN 流量也不全是作弊流量。很多云机房是企业正常业务访问，VPN 包含大量企业员工远程办公场景，不建议一刀切拦截，优先做风险打分、审计、降权处理，降低误杀。
3. ASN 仅能作为机房辅助判断依据。AWS、GCP、Hetzner 这类云 ASN 大多是机房，但大量住宅代理挂靠正规 ISP 住宅 ASN，仅靠 ASN 识别不出住宅代理。
4. 商用授权需要提前确认。采购 IP 库前，核对授权范围，确认是否允许用于广告归因、批量日志解析、IVT 统计，避免合规风险。

五、自研能力不足的备选方案

如果团队没有足够人力自研整套风控体系，可以接入成熟的第三方广告验证服务商。这类服务商内部整合了多套 IP 情报、指纹、行为模型，可以直接对外输出无效流量判定结果。接入前需要重点确认：服务商判定口径，合作媒体、联盟是否认可，在结算争议发生时，能否提供可审计的证据。

写在最后

IP 库只是代理、VPN、机房流量识别体系中的第一层信号。完整的 IVT 治理，需要网络指纹、设备指纹、用户行为时序、地理一致性校验等多层能力配合。对于出海广告技术团队来说，稳妥的思路是：归因报表、定向链路维持一套稳定、行业认可度高的地理基准；欺诈过滤作为独立标签层，叠加专项情报，平衡预算损耗和误杀风险。