Outils de réputation IP contre la fraude et les bots

Lundi matin, vous passez en revue les inscriptions du week-end : des centaines de nouveaux comptes proviennent d’un petit nombre d’adresses. Certaines ont aussi tenté de se connecter à des comptes existants. Un collègue a déjà vérifié ces adresses sur un site gratuit : l’une a fait l’objet de nombreux signalements, une autre est un nœud de sortie Tor, et la dernière ne renvoie aucun résultat. Les comptes en attente sont dans une file, les tentatives de connexion dans une autre, mais les adresses les relient. Il faut décider comment tenir compte de ces réponses pour les prochaines inscriptions et connexions. Où cette décision est-elle prise ?

Aucune source de réputation IP ne répond à toutes les questions

Les recherches effectuées sur les adresses de votre file du week-end apportent des réponses différentes. Nous les avons réalisées le 22 octobre 2026. Sur les 50 adresses signalées pour des attaques contre des serveurs au cours des 48 heures précédentes, 42 ne figuraient ni dans Barracuda ni dans Project Honey Pot. Les cinq adresses auxquelles AbuseIPDB avait attribué un score de 100 étaient également absentes des deux listes.

ÉchantillonNombreBarracudaHoney PotDans les deuxDans aucune
Nœuds de sortie Tor50326324
Attaquants récents5075442
AbuseIPDB, score 10050005

Un service qui n’a jamais observé une adresse ne peut pas la déclarer sans risque. Chaque liste repose sur des sources différentes : la décision doit donc s’appuyer sur plusieurs éléments.

Choisir les sources selon l’activité observée

Choisissez une source en fonction du type d’abus qu’elle est conçue pour repérer. AbuseIPDB rassemble les signalements d’attaques contre des serveurs et des applications web. Les pièges de Project Honey Pot recueillent des informations sur les visiteurs, notamment les auteurs de commentaires indésirables et les robots collecteurs. La Reputation Block List de Barracuda recense les adresses liées au courrier électronique. blocklist.de répertorie les adresses signalées pour des attaques contre les serveurs de ses membres au cours des 48 heures précédentes.

Ces différences expliquent les recoupements observés. Project Honey Pot connaissait 26 des 50 nœuds de sortie Tor de notre échantillon et cinq des 50 adresses signalées récemment pour des attaques contre des serveurs. Son réseau de pièges renseigne sur les activités que ces pièges détectent.

Les services fournissent des éléments différents et ne s’interrogent pas de la même façon :

ServiceActivité suivieDonnées luesAccèsCoût
AbuseIPDBSignalements d’attaques sur des serveurs et des applications web, transmis par leurs exploitantsScore de confiance de 0 à 100, type d’utilisation, indicateur Tor, nombre de signalementsAPI web avec une cléGratuit pour 1,000 contrôles par jour, forfaits à $25 et $99 par mois
Project Honey PotPages pièges et adresses e-mail pièges sur les sites de ses membresType de visiteur, score de menace de 0 à 255, nombre de jours depuis la dernière détectionRequête DNS avec une clé d’accèsNon indiqué sur les pages consultées
Barracuda BRBLE-mails reçus par ses systèmesAdresse répertoriée ou nonRequête DNSNon confirmé, ses pages ont refusé nos tentatives d’accès
blocklist.deAttaques contre les serveurs de ses membres au cours des 48 dernières heuresAdresse répertoriée ou nonListe téléchargée et mise à jour toutes les 30 minutesNon vérifié
minFraudTransactions provenant de plus de 7,000 entreprisesScore de risque de la transaction, risque lié à l’IP, indicateurs d’anonymat et d’hébergementAPI web avec un compte et une clé de licence$0.005 à $0.020 par requête
MaxMind Anonymous IPAdresses de VPN, d’hébergeurs, de proxys publics et résidentiels, et de nœuds de sortie TorUn indicateur par typeFichier lu sur votre propre serveurTarif sur demande

Le score de confiance d’AbuseIPDB repose sur les signalements des utilisateurs. AbuseIPDB indique que leur poids diminue avec le temps. La requête http:BL de Project Honey Pot renvoie le type de visiteur, un score de menace et le nombre de jours depuis la dernière observation. La base Anonymous IP de MaxMind identifie les types de réseau, tandis que minFraud évalue les transactions de paiement.

Distinguer le type de réseau de l’activité signalée

Traitez le type de réseau et l’activité signalée comme deux éléments distincts. Un nœud de sortie Tor, un VPN, la passerelle d’un opérateur mobile ou le réseau d’une entreprise peuvent servir à de nombreuses personnes. Les serveurs cloud et les connexions domestiques peuvent changer de propriétaire. Un signalement porte sur une activité associée à une adresse, tandis qu’une catégorie de réseau décrit le type de connexion.

Nos recherches montrent bien cette différence. Project Honey Pot a classé le DNS public de Google comme « Bad Web Host » et celui de Cloudflare comme « Search Engine ». AbuseIPDB leur a attribué un score de zéro et les a placés sur sa liste d’autorisation. Ces libellés décrivent les adresses et les données des services, pas l’intention de la personne à l’origine d’une requête donnée.

Lors d’une connexion, les informations sur l’appareil issues de l’empreinte du navigateur apportent un autre éclairage sur la requête.

Intégrez ces contrôles à un flux de décision

Créez des règles de crédit, de fraude ou de recouvrement, puis appliquez-les aux décisions réelles.

Combiner les sources et tenir compte de l’ancienneté des signalements

Appelez ensemble les sources utiles à une requête, dans une même étape de décision. Elles sont interrogées en parallèle, et l’étape attend la réponse la plus lente. Une réponse obtenue peut être conservée pendant une durée définie, par exemple un jour, dans un cache appartenant à l’organisation. Les requêtes suivantes peuvent la réutiliser, et les règles peuvent tenir compte de son ancienneté. Les erreurs sont renvoyées à la décision, mais ne sont pas stockées.

Faites appel à une source payante si les informations qu’elle fournit peuvent changer la décision. Au paiement, minFraud évalue la transaction à partir de l’adresse IP, de l’adresse électronique, des adresses de facturation et de livraison, du préfixe de l’émetteur de la carte et de la commande. Si le type de réseau de l’adresse est pertinent, la base Anonymous IP fournit des indicateurs à partir d’un fichier lu sur votre serveur. Si les éléments disponibles conduisent déjà à la même décision, une autre réponse payante ajoute un coût sans changer le résultat.

Accordez davantage de poids aux activités récentes qu’aux anciennes. http:BL renvoie le nombre de jours écoulés depuis la dernière observation d’une adresse, et AbuseIPDB indique que le poids des signalements diminue avec le temps. Tenez compte de l’ancienneté fournie par chaque source pour évaluer un signalement.

Prévoir une issue explicite en cas d’échec de la recherche

Dirigez les recherches en échec, refusées ou expirées vers une règle « inconnu ». Une réponse manquante laisse planer une incertitude : elle ne doit pas être assimilée par défaut à un résultat sans risque.

L’avis de Spamhaus sur les résolveurs publics précise que 127.255.255.254 est le code de refus renvoyé lorsqu’une requête passe par un résolveur public non autorisé. Pour ces requêtes, utilisez son Data Query Service gratuit avec une clé. Lors de nos tests, les requêtes passées par le résolveur de Cloudflare ont renvoyé ce code de refus distinct. Celles passées par le résolveur de Google ont renvoyé soit une réponse indiquant que l’adresse était répertoriée, soit une réponse sans enregistrement. Cette dernière était identique à celle d’une adresse non répertoriée.

Déterminez l’issue « inconnu » selon la cause de l’échec et le contexte de la requête. Relancez une requête si l’échec est temporaire, si la demande peut attendre dans la limite du délai d’expiration de la source et si une nouvelle tentative peut fournir des informations utiles. En cas de refus, dirigez la requête vers la règle « inconnu » et corrigez le résolveur ou la méthode d’interrogation. Si les autres éléments indiquent un risque faible, laissez la demande suivre son cours et consignez le résultat inconnu. Si d’autres signaux suscitent des doutes, demandez une vérification ou envoyez le dossier en examen. Dans une table de décision, une donnée numérique absente peut être lue comme zéro : prévoyez donc explicitement ce cas.

Adapter les mesures au contexte et aux éléments disponibles

Pour la file du lundi, un signalement isolé ne devrait modifier la décision concernant la prochaine demande qu’en fonction des autres éléments. Demandez une vérification pour une inscription associée à de nombreux signalements, puis traitez le résultat Tor comme un signal lié au réseau et confrontez-le à la demande. Si aucune réponse n’est disponible pour une adresse, appliquez la règle « inconnu », puis utilisez les autres éléments pour décider si la personne peut poursuivre, doit relever un défi ou nécessite un examen. Pour les connexions liées, tenez compte des tentatives répétées observées dans votre propre trafic.

Plusieurs sources concordantes et des attaques répétées peuvent justifier un examen ou une suspension temporaire du paiement. Ne bloquez une adresse à la périphérie du réseau que si elle ne peut pas servir de clients légitimes et que vos propres éléments confirment l’attaque. Ajoutez alors l’adresse à votre liste de blocage avec une date d’expiration. Pour une adresse partagée ou réattribuée, prévoyez une période d’examen plus courte. Ne prolongez ou ne renouvelez l’entrée que si de nouveaux éléments le justifient.

Au paiement, transmettez l’adresse IP à minFraud avec les données de la transaction, puis consultez le risque IP et les indicateurs d’anonymisation à côté du score de la transaction. Dans une réponse Insights testée, le risque IP d’un nœud de sortie Tor était de 22.5 et la commande, par ailleurs sans anomalie, obtenait un score de 7.61. Dans une autre commande testée, un facteur lié à une adresse IP anonymisée apparaissait avec un score de 3.08. Le seuil d’acceptation de l’exemple MaxMind était de 5 : la commande était donc acceptée selon son score, et le facteur restait accessible aux règles. Le score de transaction minFraud s’interprète avec les autres éléments de la commande.

Pour les inscriptions et les connexions en attente dans la file du lundi, utilisez les signaux pour choisir la suite à donner à chaque demande :

  1. Choisissez les sources en fonction de l’activité qu’elles observent : AbuseIPDB pour les signalements d’attaques contre des serveurs et des applications web, Project Honey Pot pour les types de visiteurs comme les spammeurs de commentaires et les collecteurs d’adresses e-mail, une liste d’e-mails comme Barracuda pour la réputation liée aux e-mails, blocklist.de pour les attaques contre les serveurs de ses membres, la base Anonymous IP de MaxMind pour le type de réseau et minFraud pour les transactions de paiement.
  2. Appelez ensemble les sources nécessaires à une requête dans une même étape de décision. Mettez en cache les réponses réussies aux requêtes répétées pendant une durée définie, par exemple une journée. Ne payez un nouvel appel que si les informations obtenues peuvent changer la décision.
  3. Examinez séparément le type de réseau, comme Tor, VPN, hébergement ou service partagé, et l’activité signalée.
  4. Tenez compte du nombre de jours depuis la dernière détection indiqué par http:BL pour évaluer son signalement, et interprétez le score d’AbuseIPDB en tenant compte de la décroissance annoncée du poids des signalements.
  5. Dirigez les requêtes qui échouent, sont refusées ou expirent vers une règle de résultat indéterminé. Relancez les erreurs temporaires si la requête peut attendre et qu’une nouvelle tentative peut aboutir. Après un refus, corrigez la méthode de requête. Si les autres éléments suscitent des doutes, demandez une vérification ou une revue manuelle.
  6. Combinez les informations disponibles avec le contexte de la requête pour choisir la mesure à appliquer : demandez une vérification ou une revue manuelle pour les requêtes suspectes. Ne bloquez une adresse en amont que si elle ne peut pas servir de clients légitimes et que les éléments recueillis par l’équipe confirment l’attaque.
  7. Ajoutez les adresses dont les attaques sont confirmées à la liste de blocage de l’équipe, avec une date d’expiration adaptée à l’adresse et à la durée pendant laquelle les informations devraient rester utiles. Réexaminez plus tôt les adresses partagées ou réattribuées, et ne prolongez leur blocage qu’en présence d’éléments récents.
  8. Au paiement, transmettez l’adresse IP à minFraud avec les autres données de la transaction. Examinez le risque lié à l’IP et les indicateurs d’anonymat à côté du score de la transaction.

Questions fréquentes sur les recherches de réputation IP

Quels outils permettent de repérer et de bloquer les adresses IP malveillantes en temps réel ?

Choisissez des services adaptés aux activités à détecter, puis combinez leurs réponses dans votre décision. AbuseIPDB couvre les signalements d’attaques contre des serveurs et des applications web. Project Honey Pot indique des types de visiteurs, comme les auteurs de commentaires indésirables et les robots collecteurs. Les listes de réputation du courrier, comme celle de Barracuda, renseignent sur les adresses liées aux courriers électroniques. La base Anonymous IP de MaxMind décrit les types de réseau, tandis que minFraud évalue les transactions. Sélectionnez les sources adaptées à votre trafic, puis définissez la mesure à prendre selon l’ensemble des éléments.

Existe-t-il une alternative gratuite à AbuseIPDB ?

Pour repérer les robots d’aspiration, les auteurs de commentaires indésirables, les robots collecteurs et les bots similaires, vous pouvez utiliser http:BL de Project Honey Pot, dont les pièges observent ces visiteurs. Pour les abus liés au courrier, la Reputation Block List de Barracuda est une option pertinente, car elle repose sur les courriers reçus par ses systèmes. Vérifiez les conditions d’accès et la méthode d’interrogation en vigueur avant d’intégrer un service aux décisions d’inscription ou de connexion.

Faut-il bloquer toutes les adresses IP présentes sur une liste de blocage ?

Non. Une adresse répertoriée apporte un élément à prendre en compte, mais les adresses partagées ou réattribuées peuvent aussi servir à d’autres personnes. Adaptez la mesure au signalement et ne bloquez une adresse à la périphérie du réseau que si elle ne peut pas servir de clients légitimes et que vos propres éléments confirment l’attaque.

Combien de temps prend une recherche de réputation IP lors d’une connexion ou d’un paiement ?

Lorsque plusieurs sources sont interrogées ensemble, la décision attend la réponse la plus lente. Lors de nos tests, le temps médian des recherches Barracuda via DNS-over-HTTPS était compris entre 146 et 157 ms. Celui de la page publique de Project Honey Pot se situait entre 279 et 394 ms. Cette page est destinée à la consultation, pas aux recherches utilisées pour prendre une décision. Le temps réel lors d’une connexion ou d’un paiement dépend des sources interrogées et de leurs délais de réponse. Utilisez les réponses stockées lorsque c’est pertinent et définissez un délai d’expiration.

Pourquoi une recherche Spamhaus renvoie-t-elle 127.255.255.254 ?

Spamhaus utilise cette réponse pour refuser les requêtes passant par des résolveurs publics non autorisés. Utilisez son service gratuit Data Query Service avec une clé, puis dirigez le refus vers une règle « inconnu ».

Qu’apporte MaxMind pour les paiements par carte ?

minFraud évalue la transaction en tenant compte de l’adresse IP et d’informations comme l’adresse électronique, les adresses de facturation et de livraison, le préfixe de l’émetteur de la carte et la commande. Sa réponse comprend le risque IP et, dans les réponses Insights testées, des informations sur l’hébergement, l’anonymisation et les nœuds de sortie Tor. Consultez ces éléments à côté du score de la transaction.

Combien de temps les données de réputation IP restent-elles pertinentes ?

Cela dépend de la source et de l’activité observée. http:BL indique le nombre de jours écoulés depuis la dernière observation d’une adresse, et AbuseIPDB précise que le poids de ses signalements diminue avec le temps. Accordez plus de poids à un signalement datant des dernières semaines qu’à un autre datant de plusieurs années. Nos recherches sur Project Honey Pot ont montré des exemples de ces deux cas.

Intégrez ces contrôles à un flux de décision

Créez des règles de crédit, de fraude ou de recouvrement, puis appliquez-les aux décisions réelles.