一 : 新浪微博屏蔽淘宝链接 分析称或将推第三方平台
5月12日下午消息，有消息称，新浪微博自今日起，开始屏蔽淘宝网的部分链接，未经加V认证的用户，将无法发布带有淘宝商品链接的微博。易观国际分析师董旭认为，微博产业竞争日趋激烈，新浪微博思路指向用户体验，日后新浪或针对中小店家的需求推出第三方应用电子商务平台。
TechWeb通过对几位微博用户采访得知，大部分用户发布的淘宝链接并未被屏蔽，只有一些用户称自己发布的链接被屏蔽，但是发布本人仍可看到所发布的链接。
同时有人士在微博上强调，经过认证的网友可以正常发表淘宝链接。此消息引来微博上的各方争论，有人士认为，此为新浪打击打击僵尸粉丝与微博营销方面的新举措。
对此事件，TechWeb连线易观国际分析师董旭，他表示新浪这么做主要是从两个出发点考虑，第一：对个人用户使用的优化。因为随着产业内竞争激烈，面对腾讯1.6亿的注册用户，新浪目前的重心仍是对用户基数的扩张，所以用户体验是第一位的，随着入驻微博的企业用户越来越多，来自企业的推广信息也会增多，新浪微博此举旨在为用户过滤掉营销信息，保证用户的体验。
第二、在微博企业用户与个人用户的增长方面，因为出于营销的需求，企业用户的增长会更容易，这也势必会伤害个人用户的体验，新浪此举也是在为今后的产品架构的调整做准备。
当问及，此举是否会流失掉一部分新浪微博用户时，董旭称，这两者的用户体验是矛盾的，所以新浪只能寻求平衡，作为具有媒体化性质的微博，新浪微博的用户关系粘性并不大，相比起其他社交网站，处于“弱关系”，所以保证用户体验就显得尤为重要。
对于有一些用户质疑新浪的“开放”态度并不“开放”，董旭称，现在新浪微博的整体思路都指向用户体验，对于此举会伤害一些中小店家的利益，预计新浪日后会推出第三方电子商务应用平台，可以容纳中小店家，由新浪方面来做整体的推广，这个已经在Facebook上有所尝试。
二 : 微推推推广平台攻略
首先介绍下我们微推推平台，微推推平台主要是以新浪和腾讯微博做转帖，还可以做淘宝宝贝收藏和分享，以及注册、设计等兼职工作。本平台工资的发放是以支付宝提现的，一元即可提现（提现就是把平台的资金转账到你的支付宝上），支付宝是现在最流行的网络支付工具，大家没有的可以先注册一个账号。大家工作的时间是由自己定，工作量也是由大家来定，也就是多劳多得，不劳不得。还有很多小技巧大家会慢慢掌握的。1.先进入网站注册账号平台账号http://www.weituitui.com/t67162
这个就是我们要做的工作，腾讯任务就是用腾讯微博，新浪任务就是用新浪微博，计件任务主要是淘宝收藏+分享。这个任务栏的下面就是我们的任务区了，进入任务的方法就是点击任［www.61k.com)务标题
还有什么不懂得可以联系我qq609839856，或新浪微博http://blog.sina.com.cn/u/3053400641给我发私信三 : 该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）
[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？网友帅帅对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
Anti-spam
@周源的邀请，我现在才回应，见谅。做反spam工作的人，要禁得住诱惑耐得住寂寞扛得住压力受得了委屈，本想路过算了。但看看互联网上这块内容都比较少，看到有人说自己会说些干货，结果找到很少，做anti-spam的人不多，也时常不受重视，其实交流又非常重要，基于此，我就从产品的角度谈谈这块自己的一点积累，抛砖引玉。
Anti-spam是数据分析工作的一个方向，非常考验一个产品人员对数据整体和局部的把握，如果对产品无爱，对数据，特别是数据的细节刨根问底不着迷，这事儿做不好。
做Anti-spam工作，只掌握了数据分析的方法是不够的，还要加入足够的产品市场人员的思维——对用户需求的分析，对用户需求的理解，对人性的理解，多换位思考。有了这些才能真正的把基于XX产品的反spam工作做好。这也是一般做了几年反spam工作后，能力提升瓶颈的关键点。
开始正文，先分4部分：具体工作怎么做，如何进阶，反spam产品经理还需要具备哪些能力，我个人的经验。
1. 具体工作怎么做
1.1 做数据分析
第一次接触这个工作的人，一般压力很大，都是人肉通过后台工具解决spam问题解决不了或者这个问题已经严重的威胁产品安全了，希望你能解决，如果你幸运的解决了一两个问题，更希望你能成为黯淡无光黑夜里的救星。
在很多人指手画脚，投诉各种问题的时候，自己不要乱，一定先只做一件事件——数据分析，抽XX产品10万个数据分析分析。
目的：了解目前整体的情况，对问题严重性，多样性，有足够的认识。
产出：分析报告，列出当前所有问题的分类情况，比例情况，严重性情况，每类呈现出什么特点，给出问题解决的优先级排序。
做完这个事情，整体情况你应该最了解，老板再问你，你就能从全局介绍情况，然后再分类给出优先级。一般老板都关注最关键，最重要，影响最大等关键问题。
1.2 给出XX产品spam的定义
数据分析报告中列出所有问题，而非仅仅是spam问题，因为几乎没有人能在不看大量数据的情况下，就能给出这个产品spam准确的定义，如果有给出的，基本也是拍各种器官拍出来的。
给出XX产品spam的定义很重要，重要的意义有：
1.2.1 明确自己的工作范围
做反spam工作一般开始压力大，万事开头难，千万不要一上来眉毛胡子一把抓，贪多，定位太高，当前具体问题解决不好，赢得不了信任，以后工作很难开展。
跟反spam工作，相关的有很多，黄反监控、账号安全、防攻击防抓站，这每一个都是难度大不好做的工作，反spam没有做好前，不要牵扯精力。
1.2.2 明确自己的工作目标
有了工作范围和工作任务定义，自己的工作目标就容易定出来了，也就是你的KPI，这个很重要，spam问题只要不是瞎子都看得到，不管懂不懂都可以上来说一通自己的策略，如果没有KPI，你就无法证明自己的工作是否有效，无法证明虽然现在问题比较多，但整体情况是在前进，变好的。
1.2.3 指导今后判定问题的标准
今后的工作中，会遇到很多灰色地带和问题，这个定义就是你划分是否属于你工作范围的明灯，也是你在数据分析中，判断具体问题是否是spam的标准。
1.3 发现问题
1.3.1 以spam问题为导向
没啥好说的，初期就是哪里有问题，哪里就有你的分析，研究。
1.3.2 全面掌握spam情况，找出主要问题
面对一个产品的spam问题，首先应从基础数据入手，全面的掌握spam问题的类型、比例情况，最有效的办法是：大量的基础数据标注。这个办法好处非常多，除了能掌握主要问题和全面的情况外，还能对spam的贴子有亲生的体会，了解spamer在想什么，惯用的伎手段有哪些，找出很多典型的例子。
1.3.3 保持发现问题的敏感性，把握spam流行趋势
大型的数据调研有一定的周期性，获得的结论一般关注的是主要问题，由于spam问题有着很强的时效性，反spam系统一旦出现漏洞，某一类之前可能比例较小的spam问题也很容易泛滥起来，因此保持敏感性，把握流行趋势很重要。方法是：
① 关注spam收益高的spam案例；
这个因产品而已，但是每个产品总能找到。
② 注意用户反馈；
任何监控和机制，总免不了有疏漏，我们也要非常注意用户关于spam问题的投诉、反馈，用户深恶痛绝的spam问题，往往也是危害大，容易流行起来的问题。
1.4 分析问题
一个产品中出现的spam行为，也可以看成是一种用户需求，当然这些用户需求从产品官方角度看是不正常的，都是以伤害绝大多数用户体验为代价，满足小部分人赚钱的需求。
反spam中，分析问题最主要的目的，就是把这些一小撮害群之马的行为从绝大多数正常行为中，抽象化、规律化、用机器能执行的语言分离出来，最终变成反spam策略解决掉。主要方法是：
? 找碴，找不容易变的碴
反spam就是找出spam行为与正常用户行为之间的不同规律，把这些不同区分出来，区分的办法价值的高低，主要是两点来衡量：spamer的规律是否易变和我们区分的成本是否很低。机器最容易区别的，spamer变化成本高的不同点，就是我们要的点。
常见的4个方向
① 内容；spam行为都是以获利为目的的，在产品里spam，最终spamer都是要把用户、流量导入到目标网站，一般都会在内容中留下spam特征即利益的出口。
② 行为；凡是spam能获利的地方，spamer都希望更快更多的获利，这就注定了spam行为一定会走发的多、发的快的路线，一定会跟正常用户有区别。
③ 社区属性数据，包括：发贴作者注册时间、作者等级（新用户、平民、会员、认证人员），spam贴子发布的连续性，spam用户发贴在贴子页面停留时间等等
④ 用户之间的交互数据，这个不一一列举。
总之，一种类型的数据，就像素描中的笔触，数据越多，意味着你描述犯罪嫌疑人的线条越多，就越能清晰的把spam辨别出来，如果数据很少，那就很难解决复杂问题。另外，数据多了，也应该注意使用最简单有效的数据，RD会感谢你的。
1.5 解决问题
1.5.1 优先解决主要问题
一段时期只能解决一个问题，优先解决影响面最广危害最大的问题，这样获得的收益最大，同时对其他次要问题的解决也非常有帮助，甚至次要问题在解决主要问题的过程中，也会迎刃而解。
1.5.2 小数据量验证策略效果
当spam问题发现和分析完毕后，一般一个解决策略基本成型，这时，一定要先用小规模的数据验证一下策略的效果后，再进行策略的开发和上线。一个反spam策略无论多么的简单或巧妙，都要用数据去验证效果，验证的方法是抽小量的数据去检验，按照这个策略看是否能获得好的准确率和召回率。
1.5.3 坚持低成本、低误伤、高收益，数据说话的原则
很多反spam问题都不止一个解决办法，哪个低成本、低误伤、高收益我们就走哪条路，无论谁提出的想法或策略，用数据检验没有问题后，才进行下一步工作。
不要一上来就想搞个智能分析打分系统，什么贝叶斯，什么离散系统，先一个问题一个问题的解决，一个策略一个策略的上，等你有基础有积淀，如果还需要做这样的系统，那就再做吧。
智能系统很难做，要很高阶的RD和PM搞基一样的配合，才能孕育的出来的生命。Spam变化很快，做智能系统解决很耗时。
1.5.4 解决问题时，以PM还是RD为主导？
一般RD珍贵，事情又多，PM RD 7 3开吧
具体工作怎么做，讲完了，其实，在这个过程中有非常多的难点，定义如何制定，数据怎么分析，excel怎么用等等，欢迎讨论，有空我再续。
2. 如何在反spam业务上进阶
当各类问题和策略的制定，做到两位数的时候，比较少的会碰到无法解决的具体问题时，就可以开始考虑工作的进阶和深入。
2.1 综合问题把握方向
反spam工作是持久战，spam问题也会一直有不断有，头痛医头脚痛医脚只能解决一时局部的问题，要全面彻底做好反spam工作，把spam问题控制在一个相对低的水平，就必须每隔一段时间分析回顾这段时间所作的工作，总结经验把握下一步方向。
一般方法：
2.1.1 首先在解决具体问题中，不断明确解决反spam问题有哪些办法和角度，把这些角度归纳出几个方向。
2.1.2 回顾这一段时间里，我们都是从哪个方向出发的，这个方向我们做的如何？是否已经做的比较彻底了？是否到了瓶颈的地方？是否存在这个方向解决不了的问题。如果有，是否需要换个角度和思路，是数据少了还是方法不对等等。
2.1.3 分析当前面临的主要问题和spam流行趋势
2.1.4 综合过去的经验和当前遇到的问题，系统的完善上一个方向，同时在适当的时候提出和推进下一个方向的开展。
2.2 反spam人才业务上的培养
PM的人才培养，每个产品经理都有自己的特点，我只说一下反spam业务中，如果培养的话，特别需要注意的问题。
（注释：本文的pm不是product manager，而是product marketing的缩写，意思是基于市场需求的产品，（而非创造需求）翻出来说，是提醒新入的pm，别上来就搞什么管理，先把精力投入到产品研究上，product master比别的都有价值。via UBee）
2.2.1 解决问题的办法真心不止一条，教给新同学方法，不要总觉得自己的想法最靠谱，都要按照你的意思来。
2.2.2 放权，在背后做支持，发挥新同学的主观能动性吧，做的好是他的功劳，做的不好是他的责任，让新同学尽快的负起责任来，有利于新同学更快的独当一面。
2.2.3 没有做数据分析，就不要乱发表具体策略的建议。经验是个好东西，但会犯错，作为资深人员，仍要注意，没有亲自看数据，不要随便定策略，说出来很容易不靠谱。
2.2.4 把试错的机会留给新人。每个资深产品人员想想自己是怎么成长的，犯了多少错，只要不是方向性的错误，尽量把试错的机会留给别人，在新同学每次犯错后引导他们去思考避免，从错误中学到成长。via 百度产品市场部
3. Anti-spam 产品经理需要具备哪些能力
正如之前所述，解决反spam问题的办法有很多种，所以，成功的反spam产品经理各有千秋，从介绍这个行业或圈子的角度，我列一列众多能力中的几种，大家参考，方便大家了解或招聘时参考。不同的环境导致不同的成长路径，不一定非要照此修炼。
3.1 反spam 的数据分析能力
这是实际动手的能力，方法论都可以学可以听，数据分析能力我觉得是一个无法传授，只能自己实践的能力，但在实践过程中，也有一些总结提高的方法。
3.1.1 培养数据亲切感
在热爱这个产品的前提下，数据抽出来时，别人看到的是数据，你看到的是数据背后的用户，用户的需求，他们的种种行为总是给你带来惊喜，他们需求得到满足后，总是能给你带来喜悦。
Spam各种行为背后都是有着各种各样的联系，产品对他们来说是黑匣子，大量数据放在一起的时候，稍微的排一下顺序，规律就会显现出来。
3.1.2 在数据分析时，不要想当然的给用户打上标签，也就是不要过快的判定非黑即白完事儿，而是不停问自己，他为什么要这样做，是一个还是很多个这样，很多个这样一定有原因，这样原因可以先假设，但一定要用数据验证假设，验证的次数越多下次做建设的时候越容易正确。道理很简单：熟能生巧，简单的东西做到极致，你就像在开外挂一样，别人看不出的规律你总能看出来。
（写到这里说说题外话：写到这的时候，我想起的搜索引擎9238，搜索研究院―，一个超级到不能再超级的超级用户、每天至少搜索上千个词、半夜还在用产品、深夜实在累的不行了摊开睡袋睡下，大家早上上班的时候他去洗手间洗脸刷牙。成功的路上没有捷径，听到、看到或者别人教你关于某个问题如何做跟自己完全掌握，之间还有数以百计个小时。）
3.2 关键问题的把握
做产品做久了，一起讨论问题的时候，你会发现总有那么几个人，他们每次指出的问题都是整个问题的关键点，策略型PM这点非常重要。
3.3 全局的产品意识
3.3.1 平台型产品不用在产品设计之初特别在意反spam问题，有这个意识觉悟，不要故意做漏洞，犯低级错误即可。
非小型UGC产品，一般都是先有了这个产品，这个产品发展到一定阶段后，才出现spam问题，所以在产品一开始设计之初，很难有人能考虑到反spam，即便有人考虑到这个问题，在产品都不知道以后能否火的前提下，反spam的需求也会因为优先级、资源等问题搁置。再则，平台型产品初期就是要以低门槛来抢用户，成功的运气因素也很重要，在早期做相关的功能或限制没有必要。
另外，反spam是问题导向，问题没有发生，你怎么预设问题然后去控制。
产品人员在分析用户需求，设计产品之初，要心无旁骛的只关注如何更好的满足用户需求，一定要抱有N个假设，这样才能把产品做好。这个N个假设里，其中两条是：RD是万能的，只有成本和收益的权衡；Spam问题不存在无法解决的问题，只有重视程度和阶段的不同。
3.3.2 能深入细节，更能跳出细节看大局部，看整体。
这句话，看起来比较虚。举个项目例子（我不可以细说），比如你解决某类spam问题，时刻想着做这事儿的目的是什么，有时候解决到80%了，是否可以换个方向审视一下，做一做，可能效果更好。
我一直打一个比方——反spam需要几十个策略，交织在一起想一张网，spam来了都要过这张网，当你的网策略少比较稀疏的时候，漏洞就大，spamer一试就知道你的大概策略，大概阈值，很容易就钻过去，但是当策略较多，网比较密的时候，钻过去的成本就大大提高，这就要求产品经理能细节能整体。
3.3.3 要共赢，维持生态平衡，不要伤及产品和自身。
Spam与营销有时候只有一线之差
反spam的目标就是把spam控制在可以接受的范围内，保持生态平衡，利益链条平衡。做的太狠，也会自损忍受阉割之痛，另外，也会有意想不到的麻烦，你懂的。
4. 我个人的一些经验
4.1 以spam问题为导向
4.2 一段时间只解决一个问题
4.3 优先解决范围最广危害最大的spam问题
4.4 策略提出后一定要小数据量验证效果
4.5 发挥每个人的积极性、主观能动性
4.6 坚持低成本、低误伤、高收益，数据说话的原则
4.7 Spam问题具有时效性，反spam更要快速有效
4.8 先下猛药再解决误伤
4.9 不要指望一个策略或一组策略解决所有问题
4.10 勿以善小而不为
当成本也很小的时候，一些收益看起来小的策略，在多个策略综合起效的时候，也能带来很大的收益。例如：在策略很多的前提下（这个前提很重要）解决某些问题的时候，关键词匹配也能很有效。
4.11 人工靠不住，尽量多用机器
4.12 对数据要有亲切感，乐意探究数据背后的故事
4.13 机器不够用，人工过来补。注意是应对图片、视频spam，机器识别难度很大的问题。
4.14 注意遗漏，连连看、挖掘召回。
4.15 解决问题的路不止一条。
4.16 PM抽数据困难不畏惧。
做到以上内容，离顶级的专家还是有一定的距离，我觉得能做到——设计产品或功能时完全不拘泥spam的限制，而最终设计出来的产品或功能却很难有spam的漏洞。达到这样一个状态，谓之anti-spam中的无招胜有招的求败状态。
网友裴立（Pz）对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
以论坛中的反垃圾信息为例， 从具体策略上说说自己的看法。
1.对每一个帐号都设定打分项，主要从帐号发布的内容、帐号的行为、与帐号的关联因素三方面考虑。
内容因素：
首先，垃圾帐号发布的内容多半会提供一个外站的链接或者手机、QQ号。因此一个帐号连续多次发布的信息中如果有重复的链接/数字出现，他有极高的可能性是一个垃圾帐号。
其次，每个论坛都会有自己的敏感词库，如果不是那种最ugly的敏感词库，至少应该会有三层级别：
a.直接删除内容并禁言帐号；
b.需要对内容做先审后发的处理同时监控帐号其他发布的内容；
c.内容可以先发后审，帐号不作处理。
对于前两种情况，垃圾信息能造成的危害被降到了最低。第三种情况，就需要结合其他因素一起来判断。
行为因素：
这里举一个例子来说，垃圾帐号因为是趋利，所以在行为上一定会异于普通的正常用户。比如在论坛上它会一直不停地发帖，而正常用户都是看帖多发帖少。这就给我们提供一个参考。通过post数量和浏览的url数量比值我们就能找到垃圾帐号和正常帐号的差异。
其他的关联因素：
看到之前的回答中有提到不少，这里补充一个：帐号所使用的主机id。垃圾帐号通常是批量注册的，因此一个垃圾账号背后来自同一个ip、同一个主机的其他帐号往往也都是垃圾帐号。但是这里提出一点：不要轻易封掉ip或主机，一方面是会有误伤，另一方面这种简单的封杀做法会让你的反垃圾体系变成马其诺防线，一旦被突破，只会抬高你的反垃圾成本。
2.基于上述三方面的考虑后，我们已经拥有评估垃圾帐号可能性的几个因素了，基于三个因素对帐号做评估。可以使用一些比较智能的算法，比如贝叶斯公式，但这需要你能准确地统计出垃圾帐号中各个因素的占比系数，这个模型一旦建立起来，整个反垃圾系统需要通过不断地机器学习来对系数做调整，才可能应对垃圾帐号即时的变化。
当然，你可以有比较简单的做法，只要某个帐号具备了其中的若干因素，就可以怀疑它是垃圾帐号了。接下来就看是否需要借助人为的监控行为做进一步识别了。
3.验证码和反垃圾策略的关系
必须明确的一点是：验证码本身只能用来防住机器人，防不住人，更何况破解技术层出不穷，实际上抵挡机器人的效果也不完全能让人满意。即使你对自己的验证码有把握，那么你也许能挡得住一部分机器人，但并不能把所有垃圾帐号都防住。
所以验证码实际上只能算抵挡垃圾信息的第一道防线，在验证码之后，一定要有合理的反垃圾策略。
4.反垃圾工作的确是一项长期的工作
理论上来说，当垃圾信息的发布成本高于所能得到的收获时，垃圾信息会减少，这些发布垃圾信息的人也会选择离开，转而寻找其他的社区。但事实上，垃圾信息行为与反垃圾行为永远都是一场你来我往的战斗，随时注意网站的数据变化，及时找到典型的垃圾模型。才能巩固已有的战果。
网友aviat对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
搜索的spam、微博的spam、论坛的spam、软件客户端的spam不太一样。
本经验部分来自于客户端spam的个人经验。
------------------
补充几点具体的：
1.ip聚集,地理位置异常，细分视图毛刺
2.恶意id属性信息分析
3.恶意行为轨迹分析
4.流水log小样本抽样，点定人肉观察评估
5.价值链分析
6.智能预警（合理划分低于标准、正常、异常三个维度即可，不说专业词汇了）
7.不要什么都依赖验证码，另没有不会被破解的验证码
##########
提高对方成本，降低自己成本
抓大放小
事前控制
实时限制
事后打击
三十六计若干都可用
《失控》第二章吧，机器人那段。小而独立，但有用，可复用，可被组合。求全，求系统，你就死了。人家是钻空。
网友江南刀客对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
我来说说作为一个非专业spammer的经验，可能对anti-spam有帮助，呵呵
一年多前，新浪微博还没有严抓小号，我在上面养小号，非公司行为，只是我个人对新浪微博的一种兴趣。目的是发展粉丝，方法很老套，互粉。一般的操作轨迹都是，搜索，批量粉，隔天批量删，当时用过几个应用最给力的是互粉查询，此外绿佛罗，我的关注管理等。关注用的最多的是手机版，不过也用过外挂。由于关注有2k上限，这种方法在粉丝达到平均达到800以上效率就下降了。互粉成功率最高的时候68%，最低12%，平均30%。这个方法在去年3月份之前都非常给力。4个小号，一个月养了8k粉丝。这些粉丝的质量可比互粉群那种货色高多了。
我管用的方法是用美女头像，改成某文科专业学生，去关注工科学校或者工科专业男生。女生的学校专业比男生的差一点，男生会比较有优越感。这种套路最少成功率也有25%以上吧，哈哈
我没搞过anti-spam，结合自己用过的spam手段，浅见如下：最基本的，使用类似的emaiil，密码，用户名单个操作的次数，频率某种组合操作的次数、频率。比如手机版里面下一页+关注以上这些人。正常人不会这么干多种操作的轨迹。某些操作轨迹正常人不会用。比如搜索+批量粉+下一页+批量粉……批量删除pv/时间、ip、ua、代理、cookie等。正常人的ip地理位置不会变化很大，不会在短时间比如几小时内频繁变换，不会频繁清空cookie操作的深度/广度。如果把所有页面和功能画成一张地图，正常用户会走得更全面，深度和广度有正常的范围。而spam为了某个目的，往往只用少数页面，少数功能，并且深度远大于广度。这样即便操作的频率降到很低，时间长了还是会累积出spam本色操作的离散度。同样用到10个功能，正常人的随机性很强出现概率有明显的正常比例。而spam往往一段时间用a功能，一段时间用b功能，很集中。因为spam不管是人肉操作还是外挂操作，都是批量操作的。当然最重要的还是从业务和人性层面出发，在招惹spam的功能点上强化anti-spam能力。搞spam肯定有明确的目的，无非就是为名为利。
网友蒙面大侠对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
作为一个职业垃圾生产者3年半。一直在生产垃圾，感觉在这场战争中，anti-spam一方一直处于弱势。随便说说anti-spam面临的一些问题吧。
0. anti的程度问题。赶脚现在已经很难用程序来封住spam了。而且anti-spam很多时候是 杀敌一千、自损八百。想想2年前的百度知道，好多正常的问题和答案都被删了。想想美丽说，删的太多，搜索引擎感觉自己被忽悠了，开始给美丽说降权。
1. 另外，传统的验证码和ip封锁，意义已经不大了。验证码有专门打码网站、ip有代理(自己taobao搜索一下就知道了)。
2. 你知道有种叫按键精灵的东西，在很大程度上可以模拟人。尤其是基于浏览器的网站、因为js的权限问题，所以更容易被骗过。
3. 你知道有一种东西叫做软文。现在各大门户网站上都有，花钱就能发。其实也是一种spam。软文的界定非常难。有的人是真心推荐某个东西，你怎么判断呢？
我自己一直做群发。就发几个链接吧(这肯定不是我发的，要不我就不贴出来了)：
找小姐 inurl:www.61k.comollection_百度搜索
site:www.61k.com百度搜索
在这灯光摇曳的舞池中央 伴随着动人心弦的音乐 来跟着我的节奏 大家一起摇起来好吗QQ炫舞
-----
ps：对现在的百度SEO已经绝望了。百度anti-spam算法，真的是弱爆了。lee也不用装逼了，整天说改什么算法，哎。
ps2：不喜勿喷，请默默折叠。谁也不愿意做个垃圾生产者。千里迢迢，背井离乡，混口饭吃，实属无奈，见谅。
------update 2014-04-01-----
很早以前的回答了。去年夏天答主已经转行做iOS开发了。现在就职于某跨境电商平台，职位iOS开发。
网友蒙面大侠对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
重点就应该是收集数据！
我倒觉得，作为这些公司，应该尽量设计良好的交互模式，引导用户帮忙举报垃圾用户，在初期就建立完善的spam数据库。同时，这个数据库应该尽量详细的记录每个spam帐户/spam信息的一些特征，以供以后做机器学习用。
一来，收集数据，是一件一劳永逸的事情。不管怎么说，在清除spam之前，尽量把他们的特征记录下来。之后你爱怎么玩怎么玩，爱扔给人就扔给人来做，爱扔给机器学习就扔给机器来学习。但如果你不及时建立数据库，以后可能会后悔。所以在网站建立的初期就得考虑这个问题
二来，不要永远低估机器学习的能力，现在主流的anti-spam email学术论文都能达到90%以上的正确率，更别说那些拥有大数据的商业公司
三来，无论信息量大小，任何时候，靠人工来审核垃圾信息，我觉得都是没前途的。
网友王鹤达对[反垃圾]该如何做大中型 UGC 平台（如新浪微博）的反垃圾（anti-spam）工作？给出的答复：
看到第一个答案都不敢答了，我从技术方面简单说一说。但是先要说清楚，我没有处理过任何平台的spammer。
Anti-spam 在反垃圾邮件领域已经非常成熟了，一方面是因为垃圾邮件的特征相对集中，分类准确率可以做到很高；另一方面是因为用户发现垃圾邮件会拖到垃圾邮件箱，自然训练资源多，发垃圾邮件效果可以越做越好。
SNS 领域，我见到的垃圾用户主要有几种，比如发广告的、发链接的、来自应用的。对付哪些 spammer， 用什么手段对付 spammer，这些都是要从产品角度考虑的问题。比如你发现某个账号是个 spammer， 最温柔的手段就是以后每次登陆都要求验证码。
从技术角度，如果简单抽象成0/1分类，那么要做的就是发现更多、更有鉴别力的特征，辅以较好的分类器。通过一部分人工标注和在用户数据上不断的调优，达到较好的效果。这方面第一个答案的1.4里列举了很多了，不多说。
每一个 SNS 有自己的语言生态， 固然有些 spammer 是有组织、多平台的，但是毕竟无法全盘照抄。再者，spammer 绝对是会进化的，spammer 与 anti-spam 是相生相克此消彼长的关系，不要指望一劳永逸解决问题。既然选择了给用户一个相对清净的环境和好的用户体验，就得长期做下去，适应 spammer 的变化。
61阅读| 精彩专题| 最新文章| 热门文章| 苏ICP备13036349号-1