随着金融、社交、跨境电商、AI应用和游戏出海规模不断扩大，短信验证码（OTP）已经成为全球用户身份验证的重要方式。但与此同时，短信欺诈行为也在持续升级，包括短信轰炸、虚拟号注册、SIM Swap攻击、批量账号养号、流量套利以及运营商欺诈等问题。

因此，一个成熟的国际短信平台，需要建立完整的反欺诈系统，而不仅仅是简单的号码黑名单。

一、国际短信面临的主要欺诈类型

1. 短信轰炸攻击（SMS Flood）

攻击者通过脚本不断请求验证码，对目标号码进行恶意骚扰，同时消耗平台短信资源。

典型特征：

• 同号码短时间高频请求；

• 同IP访问大量号码；

• User-Agent高度一致；

• 请求行为存在明显规律。

2. 批量注册和羊毛党

在社交、金融和电商平台中，大量机器人利用验证码完成账号注册，从而进行：

• 虚假拉新；

• 优惠券套利；

• 刷单；

• 营销滥用。

其特点包括：

• 大量号码集中来自同一国家；

• 注册时间高度密集；

• 设备指纹重复；

• IP代理池频繁切换。

3. 虚拟号码和临时号码滥用

攻击者利用：

• VoIP号码；

• Temporary Number；

• Disposable SMS平台；

完成批量注册和账号养号。

这类号码通常具有：

• 生命周期短；

• 活跃度异常；

• HLR信息不稳定；

• 多次被不同账号使用。

4. SIM Swap攻击

攻击者通过补卡、换卡等方式控制用户号码，再截获OTP验证码。

尤其在：

• 银行；

• 数字钱包；

• 加密货币交易平台；

属于高风险场景。

5. 国际短信流量套利（SMS Pumping）

攻击者通过诱导用户触发验证码，将流量导向高资费号码，从而获取运营商分成。

这种攻击近年来在东南亚、中东和非洲市场非常常见。

---

二、反欺诈系统总体架构

完整风控体系通常包括：

业务请求

↓
接入层限流

↓
实时风控引擎

↓
号码画像中心

↓
规则引擎

↓
风险评分模型

↓
发送策略中心

↓
运营商路由

↓
状态回执反馈

↓
风险模型持续学习

核心思想：

在短信发送之前识别风险，而不是发送之后补救。

---

三、多维度风险识别体系

（1）用户维度

分析：

• 用户ID；

• 注册时间；

• 历史行为；

• 登录频率；

• 账号等级；

构建用户信用分。

例如：

新注册账号连续请求20次验证码。

风险等级：

High Risk。

自动触发限流。

---

（2）号码维度

建立全球号码画像库。

包括：

• 国家；

• MCC/MNC；

• 运营商；

• HLR状态；

• 是否VoIP；

• 是否曾被投诉；

• 历史成功率；

• 风险标签。

例如：

某号码属于临时号码平台。

则直接拒绝发送。

---

（3）IP维度

分析：

• 国家；

• ASN；

• VPN；

• Proxy；

• TOR节点；

• 请求频率；

例如：

美国号码注册请求却来自俄罗斯代理IP。

风险评分提高。

---

（4）设备维度

通过设备指纹识别：

• Device ID；

• Cookie；

• Browser；

• User-Agent；

• SDK指纹；

发现：

一个设备对应几十个号码。

则判定为批量注册行为。

---

（5）行为维度

关注：

• 请求间隔；

• 时间规律；

• 点击轨迹；

• 页面停留时间；

正常用户：

随机性较强。

机器人：

高度规律。

可通过行为特征进行识别。

---

四、实时规则引擎设计

规则引擎是第一道防线。

典型规则：

限频规则

同号码：

1分钟 ≤ 1次

10分钟 ≤ 3次

24小时 ≤ 10次

IP限流

同IP：

1分钟 ≤ 20次

1小时 ≤ 200次

国家限制

高风险国家：

直接拒绝。

黑名单

命中：

• IP黑名单；

• 号码黑名单；

• ASN黑名单；

• Device黑名单；

立即拦截。

规则引擎通常部署在Redis + Lua环境，实现毫秒级决策。

---

五、风险评分模型

仅依赖规则容易误杀。

因此大型平台都会引入Risk Score机制。

例如：

因子	权重
VPN IP	+15
VoIP号码	+20
新用户	+10
高频请求	+25
高风险国家	+15
设备异常	+15

最终：

Risk Score = Σ(weight)

风险等级

0~30：

正常发送。

30~60：

增加图形验证码。

60~80：

人工审核。

80以上：

拒绝发送。

这种方式能够有效降低误封率。

---

六、机器学习风控模型

对于百万级以上平台，仅靠规则已经不够。

通常会训练：

XGBoost模型

输入特征：

• 请求频率；

• 国家；

• ASN；

• HLR状态；

• 设备数量；

• 历史成功率；

• 是否VoIP；

• 用户生命周期；

输出：

欺诈概率。

图模型（Graph）

识别：

• 团伙注册；

• 关联账号；

• 羊毛党网络；

形成风险关系图谱。

异常检测模型

利用：

• Isolation Forest；

• AutoEncoder；

发现未知攻击模式。

---

七、SMS Pumping防护机制

这是国际短信行业近年来最重要的风控方向。

关键策略：

国家级阈值控制

例如：

某国家请求量突然增长300%。

自动降权。

单运营商异常监控

发现：

某MNC成功率异常高。

且转化率极低。

自动暂停。

ROI模型

监控：

注册数
÷

验证码发送数

若：

转化率持续下降。

则可能存在流量套利攻击。

系统自动熔断。

---

八、反馈闭环机制

反欺诈系统必须具备持续学习能力。

数据来源包括：

DLR回执

分析：

• Delivered；

• Failed；

• Expired；

用户投诉

识别：

• 骚扰短信；

• 未授权验证码；

运营商反馈

获取：

• 黑名单；

• Fraud号码；

客户业务数据

包括：

• 注册成功率；

• 登录成功率；

• 支付成功率；

形成标签数据。

持续优化模型。

---

九、高可用架构设计

风控系统通常采用：

Redis

实时计数器。

Kafka

事件流处理。

Flink

实时计算。

Elasticsearch

风险查询。

ClickHouse

数据分析。

XGBoost模型服务

在线推理。

整个链路响应时间控制在：

50ms以内。

保证不会影响OTP发送体验。

---

十、未来趋势

未来国际短信反欺诈正在从：

“规则驱动”

升级为：

“规则 + AI + 图计算 + 实时流处理”。

平台竞争的核心也将从：

价格竞争

逐渐转向：

• 风控能力；

• 全球号码画像；

• 实时风险决策；

• SMS Pumping防护；

• AI异常检测。

对于国际短信平台而言，真正的价值不只是把短信发送出去，而是在保证送达率的同时，帮助客户避免欺诈损失，实现安全、稳定和可持续增长。

这也是下一代云通信平台的重要能力。