（黑产现状规模统计）
某知名的大型商场，在自己的超市里搞了一堆免费WIFI，顾客过来就可以连接，但是需要手机注册会员。
用免费WIFI换超市会员，其实是一笔划算的买卖，这个营销增长思路也是OK的。
但很快就被黑产盯上。
黑产进入商场去布置自己的WIFI，使用的名字和商场是完全一致的，同样是要你的账号密码来登录，登录过后，可以联网。
当然，不管你输入什么，其实都是可以登录的，因为黑产并不知道你的会员账号密码。
与此同时，黑产布置了一个假基站。
只要你在这个范围内，连接了这个假的WIFI，填写了你的手机号，就会有脚本自动去登录商场的会员系统，同时这个假基站就会对你的GSM短信进行劫持，获取你的短信验证码。
登录之后会自动替你领券，然后用券来套取优惠的利差。
我们都知道商场拉新是会发很大额的新手券的，付出了大量的补贴成本，黑产就是要赚这个福利。
这是很大一笔收益。
而作为用户，你被仙人跳了。
更有趣的是，假基站设备和假WIFI设备是放在书包里的，被他们直接背着在商场里逛来逛去，赚够了之后出门打车就走了，下次换个商场。
后来这个方法被发现，是因为商场上云之后，被系统自动识别出问题，因为出现了大量的异常WIFI设备登录（正常WIFI是在白名单的），商场付出的代价是天文数字。
收获的是一群虚假的注册用户，而真实的用户在注册的时候反而会被提示已经注册。
大额补贴打水漂，还得罪了用户，鸡飞蛋打。
3
第二个故事出现在内容行业。
在现在这个年代，异常内容风险始终是最大的风险。
对于一切支持用户发布内容的，其实内容失控的风险都是存在的。
话题广场，论坛，评论区，用户昵称，甚至私人对话，语音连麦，只要可以录入文字，图片，语音和视频的地方，就存在着失控的风险。
除了垃圾信息外，社区的异常发言，直播里的敏感内容，音频里的隐匿色情，视频中的问题素材，甚至电商材料详情页的产品介绍，全都是风险。
所以换一个角度，如果你想进攻你的对手，有没有更加隐秘的方法呢？
对竞争对手做内容攻击就好了。
（御见安全运营中心（SOC））
使用机器录入的方式，在对方平台中灌入大量异常内容（文字图片音频视频），导致对方产品下架或者用户负面，属于借刀*人的新玩法。
某知名种草社区，就面临了这样的进攻，下架了很久。
针对垃圾信息进攻，第一重防御是在文本阶段。
现在搞垃圾进攻的，全都是变体字 中英混合的，传统的词库审核是拦不住这个的，你怎么可能穷举呢？
（腾讯内容风控技术分析）
业内经典的文本分类算法，大概三种。
TextCNN、RNN、FastText。
其中文本攻击的特点是，短时间高频录入，使用顺序调整（汉字的序顺并不定一能影阅响读，你仔细看看），以及使用大量的异型符号来曲线传达垃圾信息。
在这种场景下，最适合的是方案TextCNN，因为对顺序不敏感，抗干扰强，且结构简单，推理速度快，你不能让用户等待几个小时才发内容，这样业务也不用做了。
但与此同时，还要做针对性训练。
1.基于字符、拼音的Word2Vec来解决同音字问题，汉字穷举不可能，但是拼音穷举还是简单的。
2.提升抗干扰能力使用高频字做拆字，例如【威信】中的2个字，拆成2个单一字作为变量来做核验。
例如只要出现【信】这个字的内容，都要走二级策略。
3.模型训练增加额外的场景变量，同样一个词，【死鬼】，我妈说我是死鬼和我妈说我爸是死鬼就是完全不同的场景。
所以在设计模型策略的时候，必然要有场景这个概念。
很多模型不好使的关键节点就是没有场景概念，导致很多数据结果其实是过拟合的。
（腾讯天御内容风控文本安全的打击原理，作为国内最大的内容平台，腾讯每天都在面对高强度的攻防）
4
讲完文本讲图片。
图片面临战主要打击场景是色情低俗类。
由于图片是存在暗示的，并且图片的要素是要远远多于文字的，而且图片本身的敏感点也是隐蔽的，单纯使用简单的过滤方法是不行的。
很简单的道理，你要过滤胸部，只用白，圆等特征，可能馒头也完犊子了。
目前针对图片，应用最广的还是图像分类/目标检测算法 关键要素识别。
