Panduan

Cara menghentikan penyalahgunaan kredit gratis di aplikasi AI

Kredit gratis di produk AI memakan biaya inferensi nyata. Cara kerja ladang kredit, mengapa batas per akun tidak menghentikannya, dan di bagian mana alur pendaftaran harus memutuskan.

8 menit baca · Diperbarui 2026-10-31 · Attrelix

Mengapa kredit gratis di produk AI berbeda

Di kebanyakan SaaS, akun palsu hanya memakan satu baris di basis data dan sedikit derau di metrik. Di produk AI, setiap akun gratis bisa menghabiskan uang sungguhan: setiap prompt menjalankan inferensi di GPU yang Anda bayar. Kredit gratis praktis adalah uang tunai, dan apa pun yang bisa diubah menjadi uang menarik otomatisasi.

Itu mengubah siapa yang menyalahgunakan paket gratis. Selain orang yang sekadar ingin pemakaian gratis lebih banyak, muncul ladang kredit: skrip yang membuat banyak akun, mengumpulkan kredit gratis dari masing-masing, lalu menjual kembali aksesnya atau memakainya untuk menjalankan pekerjaan sendiri melalui API Anda.

Cara kerja ladang kredit

Detailnya beragam, tetapi bentuknya konsisten:

  1. Akun dibuat oleh skrip, biasanya peramban headless yang dikendalikan Puppeteer, Playwright, atau Selenium, kadang peramban anti-deteksi yang mengacak sidik jarinya.
  2. Kotak masuknya sekali pakai: domain sekali pakai, domain catch-all milik pengelola ladang, atau satu akun Gmail yang ditulis puluhan cara dengan titik dan tanda plus.
  3. Lalu lintas berasal dari server: layanan cloud dan hosting murah, jadi banyak ladang berjalan di sana, kadang di balik proksi atau Tor.
  4. Kredit dihabiskan dengan cepat, sering di menit-menit pertama, sebelum peringatan pemakaian sempat bereaksi.

Mengapa batas per akun tidak membantu

Batas laju melindungi Anda dari satu akun yang memakai terlalu banyak. Ladang tidak pernah melakukannya: setiap akun tetap sopan di dalam kuota gratisnya. Penyalahgunaannya ada pada jumlah akun, jadi pertahanan harus terjadi saat pendaftaran, sebelum kredit diberikan — bukan belakangan di lapisan pemakaian.

Pertanyaan yang tepat bukan “apakah permintaan ini menyalahgunakan?”, melainkan “apakah akun baru ini pantas mendapat kredit gratis, dan berapa banyak?”.

Sinyal yang membongkar ladang saat pendaftaran

Otomatisasi

Peramban yang dikendalikan otomatisasi meninggalkan jejak: navigator.webdriver bernilai true, user agent HeadlessChrome, klien protokol DevTools yang terpasang, rendering WebGL perangkat lunak, jendela berukuran nol. Operator yang teliti bisa menutupi masing-masing, karena itu sinyal ini paling ampuh bila digabungkan. Panduan kami tentang mendeteksi peramban headless membahasnya satu per satu.

Jaringan

Pengguna asli mendaftar dari jaringan rumah dan seluler. Pendaftaran dari rentang cloud (AWS, Google Cloud, Oracle, DigitalOcean, Linode) dan exit node Tor perlu diperhatikan lebih, begitu pula alamat atau subnet yang membuat banyak akun hari ini.

Kotak masuk

Domain sekali pakai, domain yang tidak bisa menerima e-mail, dan alias Gmail dari akun yang sudah ada. Lihat Titik dan alias plus di Gmail.

Keterkaitan antarakun

Sinyal terkuat sebuah ladang adalah akun-akunnya saling terkait: perangkat yang sama, kotak masuk ternormalisasi yang sama, sidik jari kartu yang sama. Satu akun terkait adalah bukti lemah; sepuluh adalah ladang.

Di mana meletakkan pemeriksaan

Panggil pemeriksaan anti-penipuan di server setelah formulir pendaftaran dikirim dan sebelum akun diberi kredit. Jika kredit diberikan oleh pekerjaan latar belakang atau saat konfirmasi e-mail, letakkan pemeriksaan tepat sebelum langkah itu. Intinya, keputusan harus ada sebelum kreditnya ada.

// Node.js, sebelum memberi kredit gratis
const res = await fetch("https://attrelix.com/v1/check", {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.ATTRELIX_SECRET}`, "Content-Type": "application/json" },
  body: JSON.stringify({ email, ip, visitor: req.body.attrelix_visitor }),
  signal: AbortSignal.timeout(3000),
}).catch(() => null);
const decision = res?.ok ? (await res.json()).decision : "allow";

const credits = { allow: 100, review: 10, block: 0 }[decision] ?? 100;
await grantCredits(user.id, credits);

Kredit bertingkat lebih baik daripada blokir mentah

Pola yang bekerja baik untuk produk AI adalah menyesuaikan kredit gratis dengan risiko alih-alih memilih semua atau tidak sama sekali:

  • Izinkan: kuota gratis penuh.
  • Tinjau: kuota kecil — cukup untuk mencoba produk — dan sisanya setelah kartu, nomor telepon, atau e-mail terverifikasi.
  • Blokir: tanpa kredit gratis; tawarkan paket berbayar.

Pengguna jujur yang masuk tinjauan tetap bisa mencoba produk, dan ladang yang hanya mendapat sepersepuluh kredit per akun kehilangan sebagian besar keuntungannya.

Ketahui berapa biayanya

Beri angka pada masalahnya: kalikan nilai kredit gratis yang diterima akun baru dengan jumlah akun yang akan dikirim pemeriksaan Anda ke tinjauan atau blokir. Itulah biaya bulanan jika tidak melakukan apa-apa, dan itu menunjukkan seberapa banyak hambatan yang layak ditambahkan. Dasbor Attrelix menghitungnya dari nilai kredit Anda.

Ringkasan

  • Ladang kredit tetap di dalam batas per akun; hentikan mereka saat pendaftaran.
  • Gabungkan sinyal otomatisasi, jaringan, kotak masuk, dan keterkaitan antarakun.
  • Putuskan sebelum kredit ada, dan loloskan jika pemeriksaan tidak tersedia.
  • Sesuaikan kredit dengan risiko alih-alih langsung memblokir.

Panduan lainnya