常见攻击类型：爬虫攻击、刷分刷量、虚假账户、恶意注册、薅羊毛

说实话，做推荐系统安全这些年，我见过最头疼的事就是——你辛辛苦苦调出来的模型，被攻击者当猴耍。

你想想看，推荐系统本质上是个「猜你喜欢」的机制。攻击者一旦摸透了你的猜法，就能反过来操控你的推荐结果。今天这一讲，我带你逐个拆解最常见的五种攻击类型。嗯，都是我在线上环境里真刀真枪碰过的。

1. 爬虫攻击：你的数据正在被「搬走」

爬虫攻击，说白了就是别人用程序模拟用户行为，把你的推荐内容、用户画像、商品信息一股脑全抓走。

我遇到过最夸张的一次，某个竞品在三天内爬走了我们 40% 的热门商品数据。他们怎么干的？就是模拟正常用户的浏览行为，每次只取一页，间隔 2-3 秒，看起来跟真人一模一样。

怎么识别？我个人的习惯是看三个指标：

• 请求频率异常：同一 IP 在短时间内访问大量不同商品
• 行为模式单一：没有鼠标移动、没有停留时间变化，全是机械式点击
• User-Agent 集中：大量请求使用同一个或少数几个浏览器标识

2. 刷分刷量：推荐排序的「注水肉」

刷分刷量，就是攻击者通过虚假行为，把某个商品或内容的评分、播放量、点赞数刷上去。

为什么推荐系统最怕这个？因为你的协同过滤算法会认为「这个商品很多人喜欢」，然后把它推荐给更多人。结果呢？真实用户点进去发现是垃圾内容，体验极差。

我见过一个典型案例：某视频平台，一个 3 分钟的低质视频，被刷了 50 万播放量。推荐模型把它推到了首页，结果真实用户的完播率只有 2%。

刷量类型	常见手法	检测特征
播放量刷量	多账号同时播放、循环播放	播放时长异常集中、IP 段聚集
点赞刷量	批量账号短时间内集中点赞	点赞时间分布呈脉冲状
评论刷量	复制粘贴相同或相似评论	文本相似度高、发布时间密集
收藏刷量	大量账号收藏同一商品	收藏后无后续行为、账号活跃度低

3. 虚假账户：推荐系统的「幽灵用户」

虚假账户，就是攻击者批量注册的、没有真实身份的用户账号。这些账号本身不产生价值，但它们是所有攻击的「基础设施」。

我习惯把虚假账户分成两类：

• 僵尸账户：注册后长期不活跃，偶尔被唤醒用来刷量
• 水军账户：活跃度高，会模拟正常用户行为，用来做更精细的攻击

虚假账户对推荐系统的伤害是慢性的。它们会污染你的用户画像数据，让模型学到错误的用户偏好。举个例子，一个虚假账户「喜欢」了 100 个商品，你的模型就会认为存在一个「喜欢这 100 个商品」的用户群体，然后推荐给真实用户——结果可想而知。

4. 恶意注册：攻击的「入口」

恶意注册，就是攻击者利用自动化工具，批量创建虚假账号的过程。它是虚假账户的上游环节。

你想想看，如果没有恶意注册，虚假账户从哪来？所以，卡住注册环节，就等于断了攻击者的粮草。

我在项目中遇到过一种很狡猾的手法：攻击者用真人众包平台，让真实用户帮忙注册账号。每个用户只注册 1-2 个，然后提交给攻击者。这种注册行为跟正常用户一模一样，传统风控根本拦不住。

常见的恶意注册检测手段：

• 验证码升级：从文字验证码到滑块验证、行为验证
• 设备指纹：检测模拟器、虚拟机、改机工具
• 注册频率限制：同一 IP、设备、手机号段的注册频率
• 身份核验：手机号实名、人脸识别（高安全场景）

5. 薅羊毛：推荐系统的「经济漏洞」

薅羊毛，是攻击者利用推荐系统的奖励机制（新用户优惠、分享得红包、签到积分等），批量获取经济利益的行为。

为什么推荐系统要关注薅羊毛？因为很多推荐策略会跟营销活动绑定。比如「推荐好友得优惠券」，攻击者会注册大量虚假账户，互相推荐，把优惠券洗劫一空。

我印象最深的一次：某电商平台搞「新用户首单立减 20 元」，结果攻击者用虚假账户买了 10 万单，每单只买 1 块钱的商品，净赚 19 万。推荐系统还傻乎乎地把这些「新用户」标记为高价值用户，给他们推荐更多优惠商品——恶性循环。

薅羊毛类型	攻击手法	推荐系统影响
新用户优惠	批量注册新账号领取优惠	新用户画像被污染
分享奖励	虚假账户互相分享、点击	社交推荐链路被破坏
签到积分	脚本自动签到、领取积分	用户活跃度指标失真
秒杀抢购	用脚本抢购限量商品	热门推荐商品被攻击者垄断

小结

这五种攻击类型，其实是一环扣一环的：

• 恶意注册是入口，批量制造虚假账户
• 虚假账户是载体，承载所有攻击行为
• 爬虫攻击偷数据，刷分刷量改排序，薅羊毛套利益

我个人建议，做推荐系统安全，不要试图一次性防住所有攻击。先守住「注册」和「行为」两个关口，再逐步精细化。嗯，下一讲我会详细讲怎么搭建实时风控引擎，到时候咱们再深入聊。