广告投放中如何识别代理与 VPN 流量？

在程序化广告的投放链路中，无效流量（IVT）的过滤直接关系到预算的利用效率与一方数据的纯净度。当反作弊系统标记出一批异常请求时，一个更具工程价值的问题随之浮现：这些流量究竟是普通用户通过代理工具上网产生的，还是黑产利用 VPN 切换地域实施的欺诈行为，抑或只是来自云机房的自动化脚本？三者的风险等级与处理策略截然不同，混为一谈要么误杀正常用户，要么放走真正的作弊流量。

早期的识别手段——查端口、看协议名称、匹配已知代理 IP 列表——在当下的对抗环境中已基本失效。Shadowsocks、Trojan、Hysteria 等工具早已将流量伪装成正常的 HTTPS 或 QUIC 连接，而住宅代理的普及更是让网络层判断变得棘手：它直接使用真实的家庭宽带 IP，从网络类型上看与普通用户毫无差异。本文从工程实践角度，梳理一套可落地的分层识别方案。

第一层：IP 属性分析，判定网络环境

IP 地址是广告请求中最基础、成本最低的信号。识别工作的起点，是判定发起请求的 IP 属于何种网络环境。

一个 IP 通常可归入以下几类：家庭宽带（ISP）、移动蜂窝网络、数据中心（Data Center）以及代理/VPN 出口节点。机房 IP 段相对公开，通过 ASN 归属即可快速定性——归属于 AWS、阿里云、腾讯云等云服务商的 IP，基本可判定为自动化脚本或批量点击的高发来源。有 DSP 平台的实践数据显示，在过滤掉数据中心 IP 后，无效流量占比可从 30% 降至 8%。

真正的难点在于代理与 VPN 的识别。商业 VPN 的出口节点可能在数小时内迁移，代理 IP 池的更新频率以小时甚至分钟计。静态黑名单的衰减速度极快，今天标记的代理 IP，明天可能已经更换归属。这一环节依赖专业 IP 情报数据库提供的结构化字段：网络类型标记 IP 属于数据中心、ISP 还是移动网络；代理类型标识进一步区分 VPN、公共代理、Tor 出口节点以及住宅代理；风险评分则基于 IP 的历史行为给出综合评估。

在选型层面，行业实践中常被提及的数据源包括 MaxMind、IP2Location 以及 Digital Element 等。需要重点评估的指标并非“库中有多少条记录”，而是数据的新鲜度——过去 24 小时内新增或移除的代理 IP 数量，往往比总覆盖率更能反映实际识别效果。Digital Element 的代理分析器采用持续评估机制，对 IP 地址进行反复判定以确认其是否表现出代理特有的行为模式，其代理数据列表保持每日更新。这一层能解决大部分机房流量和已知代理节点的识别，但面对住宅代理时，需要引入下一层判断。

第二层：行为特征分析，寻找非人类模式的破绽

住宅代理的 IP 本身是“干净”的，仅靠属性查询无法区分。此时需要从请求的行为模式中寻找自动化工具难以完美模拟的破绽。

不可能的地理跳跃检测是其中最具性价比的策略之一。通过会话 ID 或设备 ID 关联用户的历史请求记录，如果同一标识在极短时间内分别出现于物理距离不可能抵达的两个位置，无论 IP 属性如何标注，该请求都应触发高危告警。物理位移存在极限，这一约束是代理切换无法绕开的。

高频与模式化请求同样关键。真实用户的浏览行为存在随机性和停顿，而自动化流量常表现为在固定时间窗口内发出规律性请求，例如每秒精确 N 次的轮询。对单一 IP 或设备标识的请求频次进行滑动窗口统计，可以快速锁定异常集群。

转化链路一致性校验则从归因角度提供信号。对比广告点击与后续转化事件（如表单提交、应用激活）的 IP 属地，若两者不一致，说明归因路径可能被代理跳转污染。这一手段在家装、金融、保险等高客单价行业的投放中尤其值得关注，因为这些领域的虚假转化造成的损失更为直接。

第三层：设备指纹与一致性校验，换 IP 换不掉的痕迹

IP 可以被代理轻松更换，但设备的软硬件特征组合难以被完美模拟。设备指纹通过采集操作系统版本、浏览器类型与版本、屏幕分辨率、已安装字体列表、WebGL 渲染器信息、时区与语言设置等维度，生成相对稳定的设备标识。

在代理流量识别中，指纹的价值体现在两个方向。集群识别：如果大量看似“不同用户”的请求携带完全一致的指纹特征——例如相同的无头浏览器环境、相同的字体集合、相同的 Canvas 哈希——则极大概率是同一台代理服务器在批量发送请求。一致性校验：IP 归属地对应的时区与语言，应当与设备指纹中的系统设置相匹配。一个声称来自洛杉矶住宅 IP 的请求，若其系统时区为东八区、浏览器语言为简体中文，二者之间的矛盾本身就是强信号。

工程落地中的现实约束

上述三层方案在理论上清晰，但落到广告投放的高并发场景中，面临两个硬约束。

延迟与成本。RTB 竞价窗口通常只有几十到一百毫秒，逐一调用在线 API 查询 IP 情报并不现实。较为务实的做法是将 IP 库离线加载至内存，以本地查询替代网络调用。数据以平面文件或内存缓存形式部署，按日或按小时增量更新，在查询延迟与数据新鲜度之间取得平衡。

误报与漏报的权衡。没有任何单一信号可以做到 100% 准确。机房 IP 可能承载合法的企业 VPN 出口，住宅代理也可能被真实用户用于隐私保护。分层方案的真正价值不在于某一层的绝对精度，而在于多信号的组合决策：机房属性加高请求频次触发拦截，住宅 IP 加地理跳跃加指纹矛盾触发人工审核或降权处理，单一信号异常则仅记录不阻断。这种分级策略可以在控制误杀的同时，将资源集中在真正高风险的流量上。

结语

代理与 VPN 流量的识别，本质上是一场关于“信号新鲜度”与“行为可模拟性”的持续对抗。IP 情报提供基础分类能力，但住宅代理的泛滥使得这一层远远不够；行为分析捕捉自动化工具的破绽，但需要足够的数据积累和合理的阈值设定；设备指纹提供交叉验证的维度，却同样面临被针对性伪造的风险。在工程实践中，选择数据更新及时、字段粒度足够的 IP 情报源是起点，而根据自身业务场景设计分层、分级的决策逻辑，才是让这套方案真正产生效果的关键。对于广告技术团队而言，将无效流量识别从“事后审计”前移到“竞价前过滤”，已经是行业逐步形成的共识方向。