每个账号都有自己的住宅 IP，为什么它们还是被关联在一起

ProxyStats，独立的住宅 IP 中继基准测试。研究基于 14 个网络网关的数据，2026 年 9 月。

要点

• "全新的住宅 IP"并不代表这个地址以前没有分配给过你。两个 session ID 不同的会话可能从同一个地址出网，这样你的两个账号在历史记录里就会共用一个 IP。

• 我们测量了 12 个网络中地址重复出现的频率。在德国，12 个网络中有 10 个每周有 1.4% 到 4.5% 的地址重复出现，另外两个超过 8%。在美国，12 个网络中有 11 个为 0.2% 到 2%。

• 用本文中的脚本，一个晚上就能检查你自己的 IP 池。它大约消耗 10 MB 流量，并给出两个数字，告诉你这个池子能否撑住你的账号数量。

场景

你在运营 50 个 Telegram 账号。每个账号都有自己的粘性会话和独立的 session ID，用的是住宅 IP 中继，服务商的价格页上写着"数百万个地址"。按理说，这些账号之间没有任何联系。

后来其中一个账号被限制了。你打开登录记录，发现它的地址上周属于你的另一个账号，前天又属于第三个账号。

问题可能根本不在你的软件。重复来自 IP 池分配地址的方式，而且可以测量。

这是怎么发生的

session ID 只负责一件事：会话存活期间，服务商让你保持在同一个出口地址上。下一个新会话拿到哪个地址，session ID 决定不了。服务商会从该国家可用的地址里挑一个，如果可用地址不多，就会再次分配你用过的地址。

对任何会比对登录地址的平台来说，共用的 IP 就是两个账号之间的关联。Telegram 能看到登录地址：在"设置" → "设备"里，它会显示每次登录来自哪里。

落地页上的"数百万 IP"说明不了这个问题：它通常是所有国家、很长一段时间的总数。你需要知道的是另外两件事：这周在你所在的国家实际能用的地址有多少，以及它们多久会重复出现一次。

研究：12 个网络，每周 1200 个会话

我们位于法兰克福、纽约和新加坡的服务器每 15 分钟通过 14 个网络网关开启新会话，并记录每个请求从哪个地址出网。每个会话的开启方式与该网络自己的产品开启新会话的方式相同：使用新的 session ID，或者使用新的端口。

每周我们按网络和国家各取 1200 个这样的会话，计算与上周相比的重复率：本周的地址中，上周已经出现过的比例。这就是你拿到一个上周刚被你另一个账号用过的 IP 的概率。

网络发生事件的时段（遭受攻击、我们的流量用完）不计入统计。下面是截至 9 月 27 日最近四周的中位数。有两个网络的样本量还不够，另有两个目前只有两周数据。

由此可以得出：

德国的池子比美国浅。 12 个网络中有 11 个，德国地址的重复率高于美国，其中 4 个高出五倍甚至更多。同一个网络在一个国家可能很深，在另一个国家却很浅。

一周之内也会重复。 与上周相比的重复率反映的是池子随时间的更新情况。如果你在几天内批量注册账号，还需要知道此刻你能拿到多少个不同的地址。下面的脚本会计算这第二个数字。

如何检查你自己的 IP 池

这个检查复现了我们的测量方法：1200 个新会话，每个都用新的 session ID，每个会话向一个返回你 IP 的服务发一次请求。一定要用 1200 个：重复率会随样本量增大而上升，只用 300 个会话时，任何池子看起来都比实际干净。大约消耗 10 MB 流量，耗时 20 到 40 分钟。

脚本使用 Python（pip install httpx）。填入服务商后台里的登录格式，脚本会把 {sid} 替换成新的 session ID。

import json, sys, uuid
import httpx
PROXY = "http://USER-session-{sid}:PASS@gate.example.com:7000" # 服务商后台里的格式
N = 1200
ips = []
for _ in range(N): url = PROXY.format(sid=uuid.uuid4().hex[:10]) try: with httpx.Client(proxy=url, timeout=20) as client: ips.append(client.get("https://api.ipify.org").text.strip()) except httpx.HTTPError: pass # 跳过失败的请求：它不能说明任何重复情况
json.dump(ips, open(sys.argv[1], "w"))
print(f"成功的会话: {len(ips)}, 不同的地址: {len(set(ips))}")

运行 python pool_check.py week1.json，一周后再运行 python pool_check.py week2.json。第二个脚本计算与上周相比的重复率：

import json, sys
prev = set(json.load(open(sys.argv[1])))
cur = set(json.load(open(sys.argv[2])))
print(f"与上周重复: {100 * len(prev & cur) / len(cur):.1f}%")

检查你的账号实际所在的国家，而不是最便宜的那个。

如果服务商按端口而不是按 session ID 提供接入，你看到的不同地址永远不会多于你手里的端口数。我们自己就犯过这个错误：从一百个端口拿到一百个地址，就把这个池子记成了浅池，而真正的限制其实是分配给我们的端口数。

结果：拿到数字之后怎么做

不同的地址。 距离 1200 每少一个地址，就意味着有一个会话落在了已经分配过的地址上。1150 个不同地址，意味着 1200 个会话中有 50 个遇到了重复，也就是每 24 个中有 1 个。按你每周新注册的账号数量来估算一下。

与上周相比的重复率：

3% 和 8% 这两条线，与我们网站上每个网络页面中 Address recurrence 卡片使用的阈值相同。

无论池子如何，这三条规则都适用：

1. 记录每个账号从哪个 IP 登录。这样共用地址的情况你自己就能发现。

2. 一个账号一个会话。不要在不同账号之间复用 session ID。

3. 一周内在同一个网络上新注册的账号越多，它们在同一个地址上碰到的次数就越多。池子浅的时候，把注册分散到更长时间里。

在哪里查看各网络的数据

我们的排行榜展示每个网络的评分、价格、来自三个城市的延迟，以及没有滥用投诉的地址比例。打开某个网络的页面，在 What we measured 部分，Address recurrence 卡片会按国家显示地址重复出现的频率：rarely（每周低于 3%）、sometimes（3–8%）或 often（超过 8%），使用的也是同样的四周中位数。网站为英文。方法论页面说明了我们如何计算每一个数字。

ProxyStats 不出售网络网关，也不出售排名位置。我们的收入来自服务商购买的关于其自身网络的分析数据，付费和未付费的网络得到的评分完全相同。发现我们的数据有错误？请通过 proxystats.io/contact 告诉我们，我们会修正并公开说明。