《AI 产品的商业化·成本、毛利与收入运营》9.2 滥用模式:批量注册、转售、爬取

免费层的账单很小,滥用的代价却不小。本节把批量注册、转售与爬取拆成三种成本结构,用 Verba 的 0.252 美元满额账户成本、70 美元/小时人工复核与 110.07 美元付费账户毛利,推导风险评分阈值、复核回本点与可逆处置顺序,说明为什么误伤比滥用更贵。

以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。

滥用的账单很小,代价很大

免费层被滥用时,第一反应通常是看账单。Verba 的免费层月度成本是 1,411.20 美元,即使其中一半是滥用,直接损失也只有 705.60 美元。这个数字小到不足以让财务报警。

但滥用从来不是只花一点推理费。批量注册会污染转化数据,让团队误判渠道质量;转售会把免费额度变成竞争对手的供给,直接侵蚀付费需求;爬取会带走产品输出,把本该收费的能力变成别人的训练数据或内容源。这三件事的损失都不在推理账单上。

所以滥用防御的核心问题不是「怎么把成本降下来」,而是「怎么用最少的误伤,挡住最贵的那部分行为」。本文先把三种模式拆成成本结构,再讨论防御动作的单位成本、风险评分与处置顺序。

三种模式,三种成本结构

批量注册、转售、爬取经常被混为一谈,因为它们都表现为「用量异常」。但三者利用的东西不同,损失落点也不同。

模式利用的东西直接成本真正的损失
批量注册免费额度与注册门槛每账户 0.252 美元转化数据失真、容量被占
转售免费额度与付费单价的价差每账户 0.252 美元付费需求被自己补贴的供给替代
爬取产品输出与调用接口每账户 0.252 美元内容资产外流、品牌与合规风险

三种模式的直接成本可以一样,因为都按分钟消耗推理。区别在损失落点:批量注册伤的是获客模型,转售伤的是收入,爬取伤的是资产。

这也解释了为什么不能只用「用量阈值」做防御。三种模式都可以把单个账户的用量控制在额度以内,让用量看起来完全正常。识别必须看账户之间的关系、支付关系与调用形态,而不是只看单账户分钟数。

批量注册:单账户只亏 0.25 美元

先把单账户的损失算清楚。免费额度 60 分钟,单分钟变动成本 0.0042 美元:

60 × 0.0042 = 0.252 美元/账户/月

如果户均只用 42 分钟,成本是 42 × 0.0042 = 0.1764 美元。也就是说,一个免费账户一个月最多让公司亏 0.252 美元,平均亏 0.1764 美元。

按 8,000 个免费账户的规模,假设其中 1% 是批量注册,就是 80 个账户:

80 × 60 = 4,800 分钟
4,800 × 0.0042 = 20.16 美元

20.16 美元。即使比例升到 5%,400 个账户,成本也只有 100.80 美元;升到 10%,800 个账户,成本 201.60 美元。单看金额,批量注册几乎不值得投入工程资源。

但批量注册的伤害不在金额,而在比例。免费层的价值建立在「8,000 个账户里有一部分会转化」这个假设上。如果其中 800 个是机器注册,真实用户只有 7,200 个,名义转化率 18.1% 会被高估;如果运营按这个转化率去投放,获客预算就会持续买回假账户。

更隐蔽的是容量占用。免费账户和付费账户共享同一套推理配额与限流资源,批量注册在高峰期抢占容量,付费客户的延迟上升,支持工单增加。这些成本不进入免费层账单,却会出现在可用性和续费上。

所以批量注册的防御目标不是「省下 20 美元」,而是「保持转化数据的可信度」和「保护付费客户的容量」。

转售:把免费额度变成商品

转售的经济学比批量注册更直接。免费额度 60 分钟,按付费单价 0.008 美元/分钟折算,价值是:

60 × 0.008 = 0.48 美元

成本是 0.252 美元,价值是 0.48 美元,中间有 0.228 美元的价差。转售者注册大量免费账户,把额度打包成低于 0.008 美元/分钟的 service 卖出去,仍然有利润。

按 80 个账户计算,可转售的分钟数是 4,800 分钟,按付费单价折算价值 38.40 美元,成本 20.16 美元,理论价差 18.24 美元。规模放大到 400 个账户,价差是 91.20 美元。金额仍然不大,但转售的特殊性在于:它把公司补贴的免费供给,变成了与自己付费产品竞争的商品。

一个客户本来会以 0.008 美元/分钟购买,现在从转售者手里以更低价格买到同样的服务。公司付出了 0.0042 美元/分钟的推理成本,却收不到 0.008 美元/分钟的收入。这不是「多花了 20 美元」,而是「少收了本可以收的钱」。

转售的识别信号通常不在单账户用量,而在账户之间的关系:同一支付方式给多个账户付款、同一设备指纹登录多个账户、多个账户的调用时间高度同步、API 密钥在短时间内跨多个地区使用。这些信号单独看都可能误判,组合起来才有意义。

爬取:成本一样,资产不一样

爬取同样消耗分钟数,单账户成本仍是 0.252 美元,但损失不在推理费。被带走的是产品输出:转写文本、说话人分离结果、摘要、结构化字段。这些输出是产品的核心资产,也是客户付费的原因。

爬取的成本结构有一个特点:攻击者不需要保留账户,只需要在额度内尽可能多地调用,然后换一批账户继续。单账户用量可以完全正常,甚至低于平均值,但账户生命周期极短,注册后几天内用满额度就消失。

这种模式对「月度用量」类阈值不敏感,因为每个账户都没超额度。识别要看的是账户生命周期内的用量曲线:注册后 24 小时内的分钟数、首次调用与最后一次调用的间隔、输出内容的相似度、是否集中请求高价值接口。

爬取的损失很难直接定价,因为它取决于被带走的内容值多少钱。可以确定的是,防御动作不能按「省下的推理费」来算,而要考虑资产外流的替代成本。这也是为什么爬取防御通常由产品、法务与安全共同决定,而不是只由财务算账。

防御必须比损失便宜

单账户损失 0.252 美元,这个数决定了防御动作的成本上限。任何「每个账户都做一次」的防御,只要单位成本超过 0.252 美元,就是亏的。

以人工复核为例。事实表给出的人工复核成本是 70 美元/小时。一次 10 分钟的复核:

70 ÷ 60 × 10 = 11.67 美元

11.67 美元可以覆盖多少个满额账户的损失?

11.67 ÷ 0.252 = 46.3 个账户

也就是说,一次 10 分钟的人工复核,只有在它拦下至少 47 个满额滥用账户时才划算。逐户复核 1 个账户,花 11.67 美元去省 0.252 美元,亏 46 倍。

这个计算给出一条清晰的原则:免费层的防御必须便宜,且必须批量。 自动化的规则与评分可以逐账户跑,因为边际成本接近零;人工复核只能用于批量命中或高价值疑点,不能用于日常筛查。

防御动作单位成本适用场景不适用场景
规则拦截接近 0所有注册与调用需要判断意图的模糊案例
风险评分接近 0分层处置缺少信号的新账户
人工复核11.67 美元/10 分钟批量命中、高价值疑点逐户筛查
封禁接近 0高分且证据充分低分或单信号

这张表的顺序也是处置顺序:先规则、再评分、再复核、最后封禁。越往后,成本越高,越应该少用。

用代码把评分与处置固定下来

下面的实现把信号权重、分数档位、损失计算与复核回本点放在一起。阈值不是拍脑袋定的,而是由「误伤成本远高于滥用损失」这个事实倒推出来的。

// file: src/ops/09-2-abuse-patterns.ts
// tier: L1
// verify: node --test test/ops/09-2-abuse-patterns.test.ts

// 滥用识别:信号加权 → 风险分 → 处置动作;阈值由误伤成本决定,不由直觉决定。
export type SignalId =
  | "shared_payment"
  | "email_cluster"
  | "signup_burst"
  | "usage_at_cap"
  | "key_multi_ip"
  | "sequential_ids";

export type Signal = { id: SignalId; weight: number; note: string };
export type Action = "allow" | "observe" | "verify" | "block";

export const SIGNALS: readonly Signal[] = [
  { id: "shared_payment", weight: 30, note: "同一支付指纹绑定多个账户" },
  { id: "email_cluster", weight: 20, note: "同域或规律性邮箱批量注册" },
  { id: "signup_burst", weight: 25, note: "短时间同源注册量异常" },
  { id: "usage_at_cap", weight: 15, note: "连续多月用满免费额度且无转化" },
  { id: "key_multi_ip", weight: 25, note: "同一密钥在多地区并发调用" },
  { id: "sequential_ids", weight: 20, note: "账户编号或设备指纹连续" },
];

/** 命中信号求和,同一信号只计一次。 */
export function riskScore(hits: readonly SignalId[]): number {
  const unique = new Set(hits);
  let score = 0;
  for (const signal of SIGNALS) {
    if (unique.has(signal.id)) score += signal.weight;
  }
  return score;
}

/** 分数只决定处置档位;封禁永远是最后一档。 */
export function decide(score: number): Action {
  if (score >= 70) return "block";
  if (score >= 45) return "verify";
  if (score >= 20) return "observe";
  return "allow";
}

/** 一批账户在额度用满时的月度损失,美分。 */
export function abuseLossCents(
  accounts: number,
  minutesPerAccount: number,
  costMicrosPerMinute: number,
): number {
  return Math.round((accounts * minutesPerAccount * costMicrosPerMinute) / 10_000);
}

/** 人工复核成本,美分;工时按分钟计。 */
export function reviewCostCents(minutes: number, hourlyRateCents: number): number {
  return Math.round((minutes * hourlyRateCents) / 60);
}

/** 复核是否划算:只有批量复核的期望损失超过复核成本才做。 */
export function reviewJustified(lossCents: number, reviewCents: number): boolean {
  return lossCents > reviewCents;
}

/** 一次复核需要覆盖多少个满额账户才回本。 */
export function reviewBreakEvenAccounts(reviewCents: number, lossPerAccountCents: number): number {
  if (lossPerAccountCents <= 0) return Number.POSITIVE_INFINITY;
  return Math.ceil(reviewCents / lossPerAccountCents);
}

riskScore 只做加权求和,同一信号重复命中只计一次,避免攻击者用重复事件刷高分数。decide 把分数映射到四档:20 分以下放行,20 到 44 分观察,45 到 69 分要求验证,70 分以上才封禁。

abuseLossCents(80, 60, 4_200) 返回 2,016 美分,也就是 80 个满额账户的 20.16 美元损失。reviewCostCents(10, 7_000) 返回 1,167 美分,即 11.67 美元。reviewBreakEvenAccounts(1_167, 25.2) 返回 47,说明一次 10 分钟复核要覆盖 47 个满额账户才回本。

这组函数最重要的用途不是算损失,而是阻止「逐户人工审核」这种直觉上正确、经济上荒谬的做法。

阈值为什么必须不对称

风险评分的阈值设置,本质是在两种错误之间分配成本:把好人误判成滥用者,和把滥用者放过去。

两种错误的代价差了两个数量级。Verba 的付费账户 ARPA 是 231.72 美元,毛利率 47.5%,每个付费账户每月毛利:

231.72 × 0.475 = 110.07 美元

一个被误封的免费账户,如果本来会在几个月内转化,损失的是每月 110.07 美元的毛利。一个被放过的滥用账户,最多损失 0.252 美元的推理成本。两者相差:

110.07 ÷ 0.252 = 436.8 倍

约 437 倍。这个比例决定了阈值必须偏高:宁可放过一批低分疑点,也不要把高分误伤做成常态。封禁应该只留给「多个强信号同时命中」的账户,而不是「看起来有点像」的账户。

这也解释了为什么 70 分才封禁。单个信号最高 30 分,要达到 70 分,至少需要三个信号同时命中,或者两个强信号加一个中等信号。这个门槛故意设得高,因为封禁的误伤成本太高。

反过来,观察档可以设得很低。20 分就开始记录,不影响用户使用,只积累证据。等证据足够,再升级处置。观察的成本接近零,所以可以宽进。

处置动作要可逆

滥用防御最容易犯的错,是把「封禁」当成唯一动作。封禁不可逆,误伤的代价高,而且一旦公开,会变成品牌事件。更合理的做法是四档可逆处置。

第一档是观察。账户正常使用,但所有调用被打标,进入更细的监控。用户无感知,公司积累证据。

第二档是验证。要求补充验证信息,比如邮箱验证、支付方式验证、企业域名验证。验证通过就恢复正常,验证不通过再升级。验证的成本由用户承担一部分,但比直接封禁温和。

第三档是限速。账户仍可使用,但并发和每分钟请求数被压低。这会影响体验,但不中断服务,也给正常用户一个申诉窗口。

第四档才是封禁。只用于证据充分、批量命中、且已经过人工确认的账户。封禁必须附带申诉入口和复核时限。

四档的顺序是从「不影响使用」到「中断使用」,每一步都给用户留了退路。这样即使评分有误,损失也被限制在体验层面,而不是直接失去一个潜在付费客户。

申诉数据还有第二个用途:它是阈值的校准器。如果某一档的申诉推翻率很高,说明这一档的阈值太低;如果某一档几乎无人申诉,说明这一档可能太松,或者用户已经放弃。

度量滥用,不要度量封禁

很多团队用「本月封禁了多少账户」来汇报风控成绩。这个指标会奖励过度封禁,惩罚谨慎,方向是错的。

更有用的指标有三个。第一是滥用分钟占比:被判定为滥用的分钟数除以免费层总分钟数。Verba 的免费层总分钟是 336,000,如果滥用分钟是 6,720,占比就是 2.0%(6,720 ÷ 336,000 = 0.02)。这个指标直接对应成本暴露。

第二是申诉推翻率:申诉成功数除以申诉总数。推翻率高,说明误伤多,阈值需要上调;推翻率低,说明证据质量好。

第三是拦截账户的后续转化:被观察或验证的账户里,有多少最终转成付费。如果这个比例不低,说明防御动作挡住了真实客户,需要重新评估信号权重。

三个指标一起看,才能判断风控是在保护业务,还是在自己的 KPI 里自我循环。

把防御写进产品流程

滥用防御不是安全团队一个人的事,它要嵌进产品流程的四个位置。

注册环节做轻量校验:邮箱域名、支付指纹、设备指纹、注册频率。这些检查的成本接近零,可以在不打扰用户的前提下挡掉大部分批量注册。

首次调用做额度确认:免费额度必须在账户维度计量,不能按 IP 或设备计量,否则攻击者换 IP 就能重置。计量口径要和计费口径一致,避免出现「账单算一次、限流算另一次」。

异常调用做实时评分:把信号权重放在配置里,不写死在代码里。权重需要随攻击模式变化,写死会导致每次调整都要发版。

处置之后做复盘:每周看一次误伤与漏放的案例,调整权重和阈值。复盘记录要保留,因为阈值的变化会影响转化数据,事后需要能解释。

小结

  • 滥用的直接推理成本很小,单账户满额只有 0.252 美元,真正的损失在转化数据、付费需求和内容资产。
  • 批量注册伤获客模型,转售伤收入,爬取伤资产;三者不能用同一个用量阈值识别。
  • 一次 10 分钟人工复核成本 11.67 美元,要覆盖 47 个满额账户才回本,逐户复核在经济上不成立。
  • 防御动作应按成本排序:规则与评分优先,人工复核只用于批量或高价值疑点,封禁最后使用。
  • 误封一个未来付费账户损失每月 110.07 美元毛利,是单个滥用账户损失的约 437 倍,阈值必须偏高。
  • 70 分才封禁,是因为需要多个强信号同时命中;20 分就可以观察,因为观察的成本接近零。
  • 处置要可逆:观察、验证、限速、封禁四档,每档都留申诉入口,误伤才不会直接变成流失。
  • 风控应该度量滥用分钟占比、申诉推翻率与拦截账户转化,而不是封禁数量。

阅读导航:上一节:9.1 免费层的成本预算 · 下一节:9.3 速率规则与升级引导 。

常见错误与边界

  • 只用单账户用量阈值做防御,批量注册、转售与爬取都可以把单账户用量控制在额度内。
  • 对每个免费账户做人工复核,用 11.67 美元的成本去防 0.252 美元的损失,防御本身成为亏损源。
  • 把封禁当成第一动作,误伤一个未来付费账户的代价是每月 110.07 美元毛利,远高于滥用损失。
  • 用封禁数量衡量风控成绩,团队会倾向于多封,误伤率和申诉率随之上升。
  • 信号权重写死在代码里,攻击模式变化后无法快速调整,只能等下一次发版。
  • 计量口径与计费口径不一致,限流按 IP、账单按账户,攻击者换 IP 就能绕过额度。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图