作为一个内容社区，小红书月活用户数自2021年10月突破2亿后一直稳步增长。围绕不断累积的UGC内容资产，小红书正在成为越来越多用户的多元生活方式聚集地。这些都让小红书成为了刷量黑产的目标。从用户维度来看，安全在内容平台上要解决两个问题：保证用户的信息在网络上是安全的，以及保障用户在网络上获取的信息是真实的。
刷量，作为社区及交易中常见的作弊手段，会导致用户获取的信息不真实。通过刷量这种方式所获得的无论是笔记阅读、点赞、评论等社区流量，或是商品浏览、销量等电商数据，都会瓦解平台的内容安全，影响用户对平台的信赖。
1，刷量的重新定义在小红书的社区环境中，我们把用户分为两类：内容发布者和内容消费者。内容发布者负责生产，向消费者提供优质的内容。而内容消费者，相对地，支付时间成本、机会成本、信息成本、情感成本以及所浏览内容中包含的信息价值。换言之，发布者和消费者实际上是在做一种类交易行为，内容平台就是一个市场经济平台。有了市场，就要有流通的货币。在内容社区中，货币就是阅读量、点赞、收藏、评论数等这些可以被衡量的单位。
2，刷量防范措施小红书技术团队在对抗的级别以及防控的力度上，风控智能化识别的环节大体上可以分为三个阶段：第一个阶段，针对黑产的低成本机器手法，基于行为主体的特征进行分析判断；第二个阶段，在与黑产的高频对抗中，基于群体的特征进行团伙挖掘；第三个阶段，在真人刷量的识别中，依据刷量社群的关联关系，基于图的算法来做主体关系的发现。目前这三个阶段已经在小红书落地，进行了实践。
3，如何分辨正常用户和刷量用户？刷量的手法现在都变成了真人对真人，现在机器手法很难绕不过风控，会选择招聘众包或者组织互刷的方式，尝试以真人行为进行刷量。虽然都是真人行为，但本质都是缺乏真实意愿，属于“假币”。真人行为不仅主体特征分析无法发现异常，在设备上也无法发现群体性。
但是无论如何改变手法，刷量行为的最终指向都是买量的主体，只要存在主体相关性，就能通过数据特征对行为进行识别召回。
图一：正常用户点赞笔记的关联图，红点为笔记，蓝点为用户图二：作弊用户点赞笔记的关联图，红点为笔记，蓝点为用户7位正常用户点赞的笔记中，仅有一篇笔记存在重叠，即中间红点的笔记。
9位作弊用户点赞的笔记为同一批笔记，点赞笔记高度重叠且未点赞过非这批笔记以外的其他笔记。
上图为用户和笔记的行为关联图（红色为笔记、蓝色为用户），图1为正常用户点赞正常笔记的行为关联关系，可以发现行为用户的群体关联性低，不会大量点赞同一群笔记，但存在因为“爱好”被系统推荐同类型的笔记造成偶尔的重叠。而图2中的行为用户点赞同一批作弊笔记，具有较强的社区关联性，是典型的作弊用户点赞作弊笔记的行为关联图。虽然表面上涨了数据，但后台是能够分析出是哪些人给你点的，这个流量正常不正常
以“开车”互刷为例，即黑产接到刷量任务之后充当组织者、中间商的身份，对经常参与互刷（例如互赞）的人群发布任务，对指定目标进行刷量。黑产不会只发布一条任务，行为用户也不会只做一条任务，这二者之间存在相对固定的“圈子”。对于这类作弊方式，会通过标签传播模型对社群用户进行批量召回。
标签传播模型是基于风控图对种子用户进行扩散传播，种子用户来源于风控识别沉淀的刷量用户，关联主体为买量笔记、买量博主等，以风控图中的点边关联关系进行传播。用真人来进行刷量，设备、账号是有限的，为了能够达到刷量的目的，行为用户会启用小号重复接多个任务。标签传播的目的就是通过正确的路径将刷量标签传播给社群中的其他刷量用户，完成对刷量的识别召回。
传播路径：用户标签会经过设备、三方账号等强路径进行传播，也会经过以买量主体如笔记、作者等的关联路径进行传播。用户标签：由于是刷量用户是真人，通过标签传播给用户赋予的标签往往无法直接进行行为拦截，因此基于对真人刷量的基本假设，对买量主体下的标签进行了聚集性分析，从而识别出买量主体和刷量用户。面对这种情况，刷量服务价格持续上涨，点赞、收藏单价已经上涨超过300%，买量用户的作弊意愿也在逐步降低。2022年至今，小红书累计清理作弊点赞行为31亿次，可以看到，对于刷量这件事情，平台的态度始终是非常坚决的。
刷赞刷粉丝这些行为其实就是掩耳盗铃，大部分博主刷赞一是为了瞒甲方提高报价，一是为了瞒用户做引流，但是刷数据不仅不会提升账号价值反而会有封号限流限制功能等负面的影响。小红书对素人博主还是比较友好的，踏踏实实提升内容质量，不要总想着刷赞刷量刷评论了，甲方和用户都很聪明，可以做出的来数据只能让自己的账号掉价儿。
原创文章，作者：admin，如若转载，请注明出处：https://www.redcao.com/archives/17581.html
