Datametodik och precision
IP-intelligens är sannolikhetsbaserad. OpenIPApi kombinerar geolokaliseringsdataset, ASN-data, omvänd DNS, TLS-metadata, listor över Tor-utgångar, datacenterintervall, proxyfingeravtryck och signaler från aktiv probing. Resultat på landsnivå är generellt mer tillförlitliga än resultat på stadsnivå, särskilt för mobiloperatörer, VPN och stora ISP:er. Hotpoäng bör användas som risksignaler, inte som automatiska slutgiltiga beslut.
Geolokalisering
Precisionen på landsnivå är vanligtvis hög (95–99 %). Precisionen på stadsnivå är lägre och försämras för mobiloperatörer, VPN, stora ISP:er som NAT:ar många användare bakom en enda IP, och nyligen omallokerade intervall. Koordinater bör betraktas som en regionsindikator, inte en exakt plats.
ASN, ISP och anslutningstyp
ASN-data kommer från publika RIR-delegationer korsreferenserade med aktiv omvänd DNS. Klassificering av anslutningstyp (residential, datacenter, mobil, utbildning, statlig) är heuristisk och kan vara fel, särskilt för hybridnätverk.
Detektion av VPN, proxy, Tor och datacenter
Detektion kombinerar (1) publika listor (Tor-utgångsnoder, kända VPN-intervall, datacenter-CIDR), (2) mönster i omvänd DNS och TLS-certifikat, (3) aktiv probing för VPN-protokoll (OpenVPN, WireGuard) och proxysvar (SOCKS, HTTP CONNECT), (4) IP-reputationsflöden. Ingen enskild signal är avgörande — flaggorna återspeglar bevisvikten över dessa källor.
Hotpoäng
Hotpoängen (0–100) är en riskindikator, inte en slutgiltig dom. Kombinera den med signaler från konto, betalning, enhet och beteende — till exempel: en IP med poäng 85 plus en nyligen skapad e-post plus ett ovanligt webbläsarfingeravtryck är en starkare bedrägerisignal än någon av dem ensam.
Kända begränsningar
Carrier-grade NAT kan placera tusentals användare bakom samma IP. Nyligen ändrade IP-allokeringar kan släpa efter i vår data. Residentiella proxypooler roterar snabbt. Mobila IP:er ändras ofta. Behandla våra data som en input till ett beslut, inte beslutet i sig.