Тренировка BIN-разведчика: как предсказать проходимость карты до её покупки

[Good Carder]

От кардера — кардерам. Вы покупаете карту, вбиваете её, и она падает с fraudulent. Вы теряете не только деньги, но и время. Что, если вы могли бы предсказать, пройдёт карта или нет, ещё до покупки, просто проанализировав её BIN? В 2026 году это реально. Используя публичные данные, логи собственных попыток и немного аналитики, вы можете с высокой точностью отсеивать мёртвые BIN и выбирать только те, которые принесут профит.

В этой статье я научу вас предсказывать проходимость карты до её покупки. Вы узнаете, как оценивать BIN по 5 ключевым параметрам (страна, банк, тип, non‑3DS, фрод-скор), как строить прогностические модели на основе логов, как использовать публичные BIN-базы для фильтрации и как тестировать BIN без покупки карты (методом «слепого чека»). Это высший пилотаж BIN-разведки.

Часть 1. Пять параметров, которые определяют проходимость​

Прежде чем купить карту, вы должны оценить её BIN по пяти параметрам. Каждый параметр даёт вклад в общую вероятность успеха.

1.1. Страна эмитента (вес 30%)​

Страна BIN должна совпадать со страной целевого мёрчанта и прокси. Идеальное совпадение даёт +30% к базовой вероятности. Несовпадение (например, US-карта на EU-сайте) снижает вероятность почти до нуля, если только это не non‑3DS BIN и low‑value транзакция.

Оценка:

• Полное совпадение (US BIN → US сайт) = 10/10
• Близкая страна (CA BIN → US сайт) = 6/10
• Другая страна (EU BIN → US сайт) = 2/10

1.2. Банк-эмитент (вес 25%)​

Некоторые банки известны своей лояльностью к фроду. Chase, Bank of America, Capital One — хорошие. Wells Fargo, Citi, PNC — плохие.

Оценка:

• Хороший банк (Chase, BoA) = 10/10
• Средний банк (US Bank, TD) = 6/10
• Плохой банк (Wells Fargo, Citi) = 2/10

1.3. Тип карты (вес 20%)​

Credit > Debit >> Prepaid. Credit даёт высокие лимиты и низкий фрод-скор. Debit — средние показатели. Prepaid почти всегда блокируется на уровне BIN.

Оценка:

• Credit = 10/10
• Debit = 6/10
• Prepaid = 1/10

1.4. Non‑3DS статус (вес 15%)​

Если BIN поддерживает 3DS, для обхода нужны дополнительные усилия. Non‑3DS BIN проходят на любых сайтах без аутентификации.

Оценка:

• Non‑3DS = 10/10
• 3DS (но можно обойти low‑value) = 5/10
• 3DS (жёсткий) = 1/10

1.5. Фрод-скор BIN (вес 10%)​

Чем выше скор, тем больше вероятность, что BIN в чёрном списке. Используйте IPQualityScore или Scamalytics.

Оценка:

• 0–30 = 10/10
• 30–60 = 5/10
• 60–100 = 1/10

1.6. Пример расчёта​

Допустим, вы оцениваете BIN 414720 (Chase, US, Credit, non‑3DS, фрод-скор 25).

Параметр	Оценка	Вес	Вклад
Страна	10/10	30%	3.0
Банк	10/10	25%	2.5
Тип	10/10	20%	2.0
Non‑3DS	10/10	15%	1.5
Фрод-скор	10/10	10%	1.0
Итого			10.0/10

Вероятность успеха на хорошем мёрчанте (WooCommerce, Braintree) — около 40%. На плохом (Amazon, Stripe с жёстким Radar) — 10–15%.

Часть 2. Прогностические модели на основе логов​

Теория — это хорошо, но ваши собственные логи — ещё лучше. Если вы вели таблицу попыток (как в статье 136), у вас есть данные о том, какие BIN сколько раз проходили на каких шлюзах.

2.1. Построение простой модели​

Возьмите свою таблицу и для каждого BIN рассчитайте процент успеха (success / total attempts). Чем больше попыток, тем точнее прогноз.

Пример:

BIN	Total	Success	Success rate	Прогноз для нового мёрчанта (аналогичный шлюз)
414720	50	20	40%	35–45%
439305	30	3	10%	8–12%
536425	20	2	10%	8–12%

Вывод: BIN 414720 — лучший выбор.

2.2. Учёт типа шлюза​

Один и тот же BIN может иметь разную проходимость на разных шлюзах. Стройте отдельные модели для Stripe, Adyen, Braintree, WooCommerce.

Пример таблицы (фрагмент):

BIN	Stripe	Adyen	Braintree	WooCommerce
414720	25%	10%	30%	40%
439305	5%	2%	8%	12%

2.3. Экстраполяция на новые BIN​

Если вы хотите оценить BIN, которого ещё нет в вашей таблице, найдите аналоги:

• Тот же банк (Chase)
• Тот же тип (Credit)
• Близкий диапазон (414720 и 414721 часто имеют схожие характеристики)

Оцените по аналогии.

Часть 3. Публичные BIN-базы: как извлечь максимум​

Бесплатные BIN-базы (binx.vip, binlist.io, binbase.com) дают базовую информацию: страну, банк, тип. Платные (BINBase Pro, BIN Checker Premium) — также non‑3DS статус, фрод-скор, историю блокировок.

3.1. Как использовать binlist.io​

1. Введите BIN.
2. Посмотрите scheme (Visa/MC/Amex).
3. Посмотрите type (CREDIT/DEBIT/PREPAID).
4. Посмотрите brand (Chase, Bank of America и т.д.).
5. Посмотрите country (должна совпадать с прокси).

Ограничения: бесплатные базы не показывают non‑3DS статус и фрод-скор.

3.2. Платные сервисы (рекомендации)​

• BinBase Pro ($49/мес) — показывает non‑3DS статус, историю блокировок, фрод-скор.
• BIN Checker Premium ($29/мес) — интеграция с API, массовая проверка.
• IPQualityScore BIN Reputation (pay as you go) — фрод-скор от 0 до 100.

3.3. Закрытые форумы и Telegram-каналы​

Самые свежие non‑3DS списки публикуются в закрытых разделах Exploit, XSS и в Telegram-ботах (@mr_bannker). Цена — от $10 до $50 за список, но они окупаются после первой же удачной покупки.

Часть 4. Метод «слепого чека»: тестируем BIN без покупки карты​

Как проверить BIN, не покупая карту? Используйте Stripe API с фейковыми данными.

4.1. Алгоритм​

1. Сгенерируйте номер карты: первые 6 цифр — ваш BIN, остальные 10 — случайные.
2. Сгенерируйте случайные срок и CVV.
3. Отправьте запрос на создание PaymentMethod в Stripe (или SetupIntent).
4. Анализируйте ответ.

Важно: Stripe не может проверить валидность случайного номера, но он может вернуть ошибку invalid_number, если BIN не существует. Если BIN существует, Stripe вернёт generic_decline или do_not_honor (карта не найдена, но BIN валидный). Если Stripe возвращает fraudulent, значит BIN в чёрном списке.

4.2. Пример скрипта​

import random
from curl_cffi import requests

def test_bin(bin):
    # Генерируем случайную карту
    card_number = bin + ''.join([str(random.randint(0,9)) for _ in range(10)])
    exp_month = random.randint(1,12)
    exp_year = 2028
    cvc = str(random.randint(100,999))

    response = requests.post(
        "https://api.stripe.com/v1/payment_methods",
        headers={"Authorization": "Bearer sk_test_..."},
        data={
            "type": "card",
            "card[number]": card_number,
            "card[exp_month]": exp_month,
            "card[exp_year]": exp_year,
            "card[cvc]": cvc
        },
        impersonate="chrome120"
    )

    if response.status_code == 200:
        print(f"BIN {bin} существует, не заблокирован")
    elif response.status_code == 402:
        error = response.json().get('error', {}).get('code')
        if error == 'invalid_number':
            print(f"BIN {bin} не существует")
        elif error == 'fraudulent':
            print(f"BIN {bin} в чёрном списке Stripe")
        else:
            print(f"BIN {bin} существует, но declined: {error}")
    else:
        print(f"Ошибка API: {response.status_code}")

4.3. Ограничения метода​

• Не даёт информацию о non‑3DS статусе.
• Не проверяет баланс карты (ведь карты не существует).
• Stripe может блокировать аккаунт за массовые тесты.

Используйте метод осторожно, не более 50–100 запросов в день с одного аккаунта.

Часть 5. Чек-лист BIN-разведчика перед покупкой карты​

• Проверьте страну BIN — должна совпадать со страной прокси и мёрчанта.
• Узнайте банк-эмитент — только хорошие банки (Chase, BoA, Capital One).
• Определите тип карты — только Credit (Debit в крайнем случае, Prepaid не брать).
• Проверьте non‑3DS статус — через платную базу или закрытые списки.
• Оцените фрод-скор (IPQualityScore) — должен быть <30.
• Посмотрите в своей таблице — сколько раз этот BIN проходил на целевых шлюзах.
• Сделайте «слепой чек» через Stripe API, чтобы убедиться, что BIN не в чёрном списке.
• Примите решение: если хотя бы два параметра в красной зоне — не покупайте.

Резюме​

Предсказать проходимость карты до покупки — это не магия, а системный анализ. Оценивайте BIN по 5 параметрам, стройте модели на основе логов, используйте публичные базы и метод «слепого чека». Это позволит вам отсеивать 80% мёртвых BIN и концентрироваться на тех, которые реально приносят деньги.

Быстрая памятка на одну строку:
«Страна, банк, тип, non‑3DS, фрод-скор — пять параметров для прогноза. Логируй свои попытки — строй модель. Платные BIN-базы окупаются. Слепой чек через Stripe отсеивает чёрные BIN. 10/10 по всем параметрам — покупай, 5/10 — осторожно, 2/10 — не бери».