前篇文章，提到了內(nèi)容農(nóng)場(chǎng)與鏈接農(nóng)場(chǎng)，這些都是相對(duì)較為傳統(tǒng)的作弊方式。至于其他，后面有時(shí)間我們?cè)僖灰涣_列。既然有作弊，為了維持良好的展現(xiàn)結(jié)果，搜索引擎也會(huì)有反作弊。

那么，搜索引擎會(huì)通過(guò)怎樣的方式進(jìn)行反作弊處理呢？

總的來(lái)說(shuō)，會(huì)有以下三種思路：

1、信任傳播模型

前段時(shí)間同事A跟我說(shuō)了一件事兒，他的姐姐B在國(guó)外留學(xué)，然后B在qq上跟A說(shuō)洗衣服把手機(jī)，銀行卡什么的全部洗了，讓A給B的老媽打電話(huà)寄點(diǎn)錢(qián)來(lái)，A立刻執(zhí)行，B的老媽也深信不疑，在即將打出的那一刻，B的一個(gè)電話(huà)，挽救了即將發(fā)生的損失。

細(xì)思恐極。

其實(shí)，這也是一個(gè)信任傳播模型，直接在QQ上跟B的媽媽說(shuō)，B的媽媽必然不會(huì)完全相信，但是經(jīng)由A的口一傳，立刻不一般。因?yàn)?，A在B的媽媽的信任名單中。

OK，由此而來(lái)，是一種反作弊的思路。

在海量的網(wǎng)頁(yè)數(shù)據(jù)中，通過(guò)技術(shù)或人工的手段，獲取值得完全值得信任的網(wǎng)頁(yè)設(shè)置為白名單。白名單中網(wǎng)頁(yè)的信任值由鏈接順著向外擴(kuò)散而遞減或者衰減。然后，設(shè)定一個(gè)值，高于此值，是OK的網(wǎng)頁(yè)，低于此值，不好意思，你作弊了。

2、不信任傳播模型

這個(gè)，其實(shí)跟種思路是及其類(lèi)似的，找到一群作弊的網(wǎng)頁(yè)，然后通過(guò)鏈接關(guān)系分析不信任分值。

一點(diǎn)需要注意的是，信任分值，是通過(guò)鏈接正向傳遞的，不信任分值是通過(guò)鏈接反向傳遞的。舉個(gè)例子：

A為垃圾頁(yè)面，則指向A的鏈接B是垃圾頁(yè)面的概率比A指向的鏈接C的概率要大的多。

3、異常發(fā)現(xiàn)模型

所謂異常，可以是作弊頁(yè)面的特征，也可以是正常頁(yè)面的特征。

集合了這些特征，再由此來(lái)判定一個(gè)頁(yè)面是否作弊或者是否正常，也是蠻OK的一件事情。

來(lái)個(gè)簡(jiǎn)單的識(shí)別鏈接農(nóng)場(chǎng)的小例子：

鏈接農(nóng)場(chǎng)中的鏈接關(guān)系，是由設(shè)計(jì)者精心布置的，由此一來(lái)，必然會(huì)有些違背自然的特征，諸如：

1）、出鏈與入鏈的統(tǒng)計(jì)分布規(guī)律：正常的頁(yè)面出鏈與入鏈滿(mǎn)足Power-law分布，作弊的鏈接違反該分布；

2）、作弊的鏈接的Url網(wǎng)址往往過(guò)長(zhǎng)，包含較多的點(diǎn)畫(huà)線及數(shù)字等；

3）、諸如入鏈及出鏈的增長(zhǎng)率等，正常網(wǎng)頁(yè)和作弊網(wǎng)頁(yè)在這些變化模式上是不同的。

推薦閱讀

Gomx大會(huì)的補(bǔ)充,steven個(gè)人風(fēng)格 @steven | 文軍營(yíng)銷(xiāo)5、反作弊算法,這個(gè)請(qǐng)用rude的ppt自行腦補(bǔ)處理;肖俊在其中講了幾個(gè)有趣的內(nèi)容:1、點(diǎn)擊算法和反作弊(模擬搜索;大量持續(xù)點(diǎn)擊排名);2、更新算法和反作弊(采集);3、評(píng)論算法和反作弊(偽造評(píng)論和用戶(hù)活動(dòng));4、鏈輪和反鏈輪