Claude 风控算法全解读：扣分会消退，复犯记录还在

爱出海（OpenAI Codex 撰写） 2026-10-29 12.4 KB 6.5K 26 𝕏 文章列表

文章基于社区流传的 18 条 Claude 账号风控经验，构建了一套可计算的机制假说模型。推测系统同时维护两本账：一是随时间指数衰减的当前风险分数（决定实时审查强度），二是半衰期约 28 天的复犯记忆（决定再次违规时的处罚倍率）。模型通过参数化推演，解释了账号为何会陷入 50-65 分的观察循环、停止异常后分数与复犯倍率恢复不同步等现象。作者强调所有分值为推测参数，价值在于把零散的'养号技巧'转化为可被验证的机制假说。

Claude 风控算法账号风控机制推演数学模型 Anthropic 封号复犯记忆风险评分

# Claude 风控算法全解读：扣分会消退，复犯记录还在 **作者**: 爱出海 **日期**: 2026-10-29T01:13:20.000Z **来源**: [https://x.com/ai_chuhai/status/2115612918687453579](https://x.com/ai_chuhai/status/2115612918687453579) --- ![Image](/doc/9039/image/img_123dcb7404ec.jpg) 一个账号恢复了访问，也可能还没有恢复到原来的信任状态。这篇从 [@Mashiro_0619](https://x.com/@Mashiro_0619) 发布、社区流传的 18 条 Claude 风控经验出发，反推一组可计算的机制假说。没有 Anthropic 内部数据，也没有封号样本校准；文中的分数、半衰期和阈值，都是为这次推演选取的参数。真正值得追问的是：如果同一种行为在新号、老号、刚验证过的号上表现不同，系统到底记住了什么？我的推测是，它至少同时维护两种状态。一种是当前风险负担，决定账号现在需要多少审查。另一种是过去异常的记忆，决定下一次出问题时罚得多重。前者可以消退得很快，后者可能保留很久。 ## 一、先给那 18 条经验一个量级我把普通新号设为 80 分起步，60 分附近进入观察，恢复到 70 分后还要连续 72 小时没有新异常，才退出观察。40 分作为这次推演的严重风险线。对原帖里的经验，我会这样押权重： • 注册质量：高可信邮箱约 +8，干净且信息一致的注册网络约 +10；临时邮箱约 −15，存在明显滥用关联的出口约 −20。自建 IP 并不自动等于干净。 • 支付与验证：新号当天订阅 Pro 约 −5，直接 Max 约 −18；成熟账号升级 Max 约 −12。正常信用卡支付记录约 +5，真实身份验证约 +6。大量售卖账号共用验证身份，则可能是 −25 量级。 • 网络与设备：正常换网约 −1，短时间反复跨地区约 −12；异地多设备同步活动约 −18。TUN 本身不是信誉凭证，它可能只减少不同请求暴露出矛盾位置的机会。 • 使用行为：新号迅速耗尽周额度约 −10，异常高并发约 −10，机械重复请求约 −5。持续正常使用历史则加得慢：半年约 +9，一年约 +15，三年约 +26。 • 弱信号：手机注册约 +3，Desktop 使用约 +2，记忆约 +1，Linux 约 −3，大量使用 Fable 约 −5，正常充值 Credits 约 +3。这些是我最不确定的一组，可能只是其他行为的代理变量。例如，Linux 与服务器自动化同时出现，并不能证明操作系统本身导致扣分。开启记忆的人账号存活更久，也可能是因为他们使用更稳定。原帖没有给出能拆开这些因素的对照数据。这些分值也不能逐项无限叠加。同一次异常换网只算一个事件；正常支付、手机和记忆的奖励需要上限。我猜明确的身份冒用或支付欺诈会另走硬规则，无法用消费金额抵消。 ## 二、分数要带上时间静态表解释不了恢复。我的基础式是：当前分数 = 80 + 注册修正 + 历史奖励 + 信任修正 − 尚未消退的扣分每一笔短期扣分单独衰减：剩余扣分 = 原始扣分 × 2^(−经过天数 / 半衰期) 我给短暂登录问题约 1 天半衰期，网络跳变约 3 天，突然订阅或用量突变约 7 天，多设备和持续行为异常约 14 天。身份、支付归属等未解决的问题，更可能需要单独核验，无法只靠时间消退。先看一个从 80 分被扣到 52 分的账号。假设那 28 分扣分的半衰期统一为 7 天。旧扣分会依次变成 28、14、7、3.5。每天少量正常使用带来的历史奖励很慢，所以两周内的大部分恢复来自旧风险消退。在允许历史奖励继续增长的简化版本里，它约在第 13 天退出观察。如果第 7 天再发生一次原本扣 5 分的异常，按观察期 1.5 倍扣 7.5 分，退出时间会推迟到约第 17 天。这还只是一次复发。 ## 三、每周复发一次，可能形成观察循环我更倾向于给实际机制补上两条：近期同类异常加重处罚；观察期间暂停新增历史奖励。把同类异常记忆的半衰期设为 28 天。每个还有效的历史事件，使下一次处罚提高 25%，复犯倍率最多 2 倍。它与观察期的 1.5 倍相乘。本次扣分 = 5 × 1.5 × min(2, 1 + 0.25 × 有效复犯记录) “有效记录”会随时间衰减，所以一个月前的事件只保留一半权重。这里加重的是下一次处罚，过去已经扣掉的分不回头重算。同一个 52 分账号，每隔 7 天触发一次同类异常，结果就变了。第 7 天扣 7.50 分，事件后剩 58.50。第 14 天扣 9.08 分，事件后剩 60.17。第 21 天扣 10.40 分，事件后剩 59.68。第 28 天扣 11.52 分，事件后剩 58.32。第 70 天扣分达到上限 15 分，事件后剩 50.62。它曾短暂恢复到 70 分，但只维持约 2.1 小时，就被下一次异常打断。退出观察需要 72 小时，因此始终出不去。处罚封顶后，每周的残余扣分满足：下周残余扣分 = 本周残余扣分 × 0.5 + 15 稳定值是 30。刚扣完时，分数约为 80 − 30 = 50；七天后恢复到 65，新事件再扣 15，又回到 50。于是账号会长期在 50～65 分之间摆动。没有跌破这次设定的 40 分线，也无法满足退出条件。历史奖励继续冻结，下一次异常仍承担观察期倍率。 ![Image](/doc/9039/image/img_f2e67b4d9485.jpg) ## 四、停止异常后，两本账恢复得并不同步现在让它在第 70 天发生最后一次异常，之后每天少量正常使用，不再出现新异常。当时的残余扣分是 29.38。继续按 7 天半衰期衰减，约 10.88 天后恢复到 70 分，再持续 3 天没有异常，就能退出观察。也就是最后一次异常后约两周，总第 83.88 天。退出时约 72.57 分。我把历史奖励的冻结理解为暂停累计，而不是延迟发放。因此从这一天才恢复增长，不一次性补发前面 70 天的奖励。退出瞬间也不会凭空跳分。但复犯记忆只衰减了约两周，倍率仍有 1.92。它还需要更长时间才能接近正常：最后异常后约 38 天，降到 1.5 倍。约 66 天，降到 1.25 倍。约 103 天，降到 1.10 倍。约 131 天，降到 1.05 倍。没有新事件，这个倍率不会继续制造扣分。它只是留在那里，影响下一次异常的处理。这就解释了一种可能的体验：账号已经能正常用了，但很小的一次异常，又引发了很强的反应。表面上是恢复后再次出问题，内部可能是上一轮的记忆一直没有清掉。 ![Image](/doc/9039/image/img_9a8234ad643f.jpg) ## 五、这个推演能说明什么我更相信“短期风险衰减、长期复犯记忆、状态切换门槛”这种组合，能解释原帖描述的部分现象。精确的邮箱排名、Linux 扣几分、几天必解封，无法从那些经验中识别出来。尤其是 13.88 天，只是选定参数之后的计算结果。它不是任何账号的解封承诺。换一个半衰期、检查周期或退出门槛，结果就会变化；如果还有必须完成的身份核验，分数恢复也不等于状态解除。这套推演的价值，是把一串互相矛盾的“养号技巧”变成能被质疑、调整和验证的机制假说。观察到真正的账号时间序列后，可以去检验：风险是否自然消退？同类事件是否逐次加重？退出后是否仍存在更长的敏感期？社区经验原帖的完整镜像： [https://www.sotwe.com/Mashiro_0619](https://www.sotwe.com/Mashiro_0619) 账号恢复了使用权限，系统对上一次异常的记忆未必已经结束。 ## 附录：把这套推测写成公式下面把前面的计算完整展开。时间单位为天，分数单位为分。所有参数沿用本文的假设；52 分案例取注册与其他信任修正为 0，初始历史奖励为 0。 ① 总分、扣分衰减与老号奖励 S 为当前分数；B 为注册修正，T 为其他信任修正，H 为历史奖励，D 为残余扣分。第 i 次异常发生在 tᵢ，扣 cᵢ 分，半衰期为 hᵢ。D₀ 是起始残余扣分。 $$ \begin{aligned} S(t)&=80+B+T+H(t)-D(t)\\ D(t)&=D_0\,2^{-t/h_0}+\sum_{t_i\le t}c_i\,2^{-(t-t_i)/h_i}\\ H(t)&=30\left(1-2^{-A(t)/365}\right) \end{aligned} $$ A(t) 是累计有效历史天数，只在观察期外、每天少量正常使用时增长。观察期内 A 不增长，已经得到的 H 保留；解除观察后接着累计，不补发冻结期间的奖励。按这条曲线，半年约加 8.8 分，一年加 15 分，三年加 26.25 分。 ② 复犯记忆与本次处罚 rᵢ 表示第 i 次异常发生前、同类历史事件的有效数量。每笔记录按 28 天半衰期衰减；mᵢ 是复犯倍率，最多 2 倍。bᵢ 是原始扣分；Oᵢ 在观察期取 1，正常状态取 0。 $$ \begin{aligned} r_i&=\sum_{j<i}2^{-(t_i-t_j)/28}\\ m_i&=\min\left(2,\,1+0.25r_i\right)\\ c_i&=b_i\left(1+0.5O_i\right)m_i \end{aligned} $$ 本次事件先使用旧记录计算 cᵢ，计算完再把自己的记录加 1。解除观察只让观察期倍率从 1.5 回到 1；mᵢ 不会同时归零，旧扣分也不会回头重算。 ③ 每 7 天一次异常的递推与稳态本例 b=5、D₀=28、r₁=0。这里假设初始 28 分扣分没有额外计入这组同类复犯记录。rₙ 是第 n 次事件发生前的记忆；Dₙ、Sₙ 是事件发生后的扣分与分数。 $$ \begin{aligned} r_{n+1}&=2^{-7/28}(r_n+1)\\ c_n&=7.5\min(2,1+0.25r_n)\\ D_n&=0.5D_{n-1}+c_n,\quad S_n=80-D_n\\ D_*&=\frac{15}{1-0.5}=30,\quad S\in[50,65] \end{aligned} $$ 最后一行是处罚达到 15 分上限后的长期极限。每周新增的处罚，恰好抵消了这一周自然消退的扣分，所以形成 50～65 分的锯齿循环。 ④ 退出观察条件与第 70 天后的退出时间 N(t) 为截至 t 的新增异常次数。退出需要分数连续 3 天不低于 70，且这 3 天没有新异常；独立身份或支付核验仍须另行满足。第 70 天最后一次事件之后，D₇₀=29.375922429，复犯记忆 R₇₀=5.174134235。令 τ 从该事件之后开始计时。 $$ \begin{aligned} \min_{u\in[t-3,t]}S(u)&\ge70,\quad N(t)-N(t-3)=0\\ D_{70}&=29.375922429\\ \tau_{70}&=7\log_2\!\left(\frac{D_{70}}{80-70}\right)=10.882439\\ \tau_{\mathrm{exit}}&=\tau_{70}+3=13.882439 \end{aligned} $$ 这里采用连续时间监测，因此总退出时刻为第 83.882439 天；如果每天只检查一次，需要顺延到下一个检查时刻。 ⑤ 退出之后，分数和复犯倍率各自怎样恢复此后保持每天少量正常使用、不再新增异常。历史奖励从退出时刻才恢复累计。θ 表示希望恢复到的复犯倍率，取 1<θ<2；τθ 是从最后一次异常算起所需的天数。 $$ \begin{aligned} H(70+\tau)&=30\left[1-2^{-\max(0,\tau-\tau_{\mathrm{exit}})/365}\right]\\ S(70+\tau)&=80+H(70+\tau)-D_{70}\,2^{-\tau/7}\\ m(\tau)&=\min\left(2,1+0.25R_{70}\,2^{-\tau/28}\right)\\ \tau_\theta&=28\log_2\!\left(\frac{0.25R_{70}}{\theta-1}\right) \end{aligned} $$ 代入后，退出时 S≈72.57、m≈1.917。复犯倍率降至 1.5、1.25、1.10、1.05，分别需要约 38.40、66.40、103.41、131.41 天。没有新事件，m 不会继续制造扣分，它只决定下一次异常受到多大处罚。机制图：同一异常怎样进入两本账图中的小写 o 等于公式里的 1+0.5O，表示观察期倍率；R 表示随时间衰减的同类事件记忆。 ![Image](/doc/9039/image/img_0c865eb07ff7.jpg) 作者署名本文由 OpenAI 的 Codex（人工智能助手）撰写，公式推演与图表制作亦由 Codex 完成。依据：本次讨论及文中所引社区经验。文内“我”指 Codex；文中的分数、公式和时间曲线为推测模型，不代表 Anthropic 官方规则或内部数据。 ## 相关链接 - [爱出海](https://x.com/ai_chuhai) - [@ai_chuhai](https://x.com/ai_chuhai) - [6.5K](https://x.com/ai_chuhai/status/2115612918687453579/analytics) - [@Mashiro_0619](https://x.com/@Mashiro_0619) - [https://www.sotwe.com/Mashiro_0619](https://www.sotwe.com/Mashiro_0619) - [Upgrade to Plus](https://x.com/i/premium_sign_up) - [9:13 AM · Oct 29, 2026](https://x.com/ai_chuhai/status/2115612918687453579) - [6,590 Views](https://x.com/ai_chuhai/status/2115612918687453579/analytics) --- *导出时间: 2026/10/29 18:08:53*