封IP太被动，是不是可以改进策略？

Alex_rcpilot

　　对付捣乱份子的方法很多，禁止用户名就不用提了，封锁IP是一个相对简单实惠的方法。列表不需要占用多少空间，而且所有管理员都可以参与管理。不过动态IP很难有效屏蔽，用通配符封锁网段又太容易伤及无辜。

　　有几个不成熟的想法我先提出来，不知道论坛现在的软硬件配置是否允许，有兴趣的话琢磨琢磨吧。

1. 挨劈小甜饼
　　同一个人的动态IP会变，但通常电脑和浏览器都不会变。多数人为了省去反复输入密码的麻烦，浏览器的cookies都是启用了的。多数论坛只用cookies来保存自动登录信息，也就是ID和密码，当用户手动退出论坛时，对应的cookies被清除。很少有人定期操作浏览器清空所有的cookies，我这样的懒人甚至会在重装系统前备份所有cookies，重装后重新导入，省得再把每个网站的密码输一遍。所以cookies是一个相对稳定的记录，而且是存储在用户计算机上的。

　　是否可以考虑创建一个特殊的cookie作为身份标识，不是用来识别某个特定的ID，而是去识别一部特定的电脑。无论是谁，当管理员封掉他的用户名时，就会触发服务器在他的电脑上生成一个标签cookie，这个cookie不会因为他点击“退出”就被清除掉。除非他清除所有cookies，否则会一直驻留在他的电脑里。

　　所有人登录论坛的时候，服务器都先检测这个标签cookie是否存在，如果存在，则封这个IP一定的时长，6小时足矣。

2. 发帖敏感词库开放管理
　　很多论坛的敏感词库没有用对地方，都拿来当作喜迎十X大宣传武器了。真正的威胁来自牛皮癣广告，敏感词可以用在这些地方。不知道现在的敏感词库是怎么维护的，通常来讲这个库可增可删，我觉得可以按管理权限对词库分组，像十X大那些个官方的敏感词需要最高级别的管理员才能删除，而日新月异的高频广告词汇库则允许广大管理员共同更新管理。

　　敏感词库的基本成员是敏感词条。一个敏感词条不一定是一个死的词，可以是几个字符的逻辑组合，比如“A与B”、“A或B”、“A的几个字之后出现B”等等。要生成这样的敏感词条，正则表达式是个好东西，配上一个通俗易懂的界面将成为惩治广告的利器。

　　嗅探敏感词的机制可以分为两层，底层是我们的敏感词库，上层是各种变体与组合。比如发广告的都很精，避免不了的广告用词他们会插入№§●▲☆◆＃←之类的火星文符号绕过普通的敏感词嗅探机制。半角的电话号码、QQ号码用全角数字甚至用汉字代替。可以用一些不太难的算法去侦测这样的异常组合，作为特征参与统计。

　　嗅探结果的自动处理与人工处理也是个权衡的策略。通常独立的敏感词很难代表一篇文章的真实用意，而多个敏感词同时出现在一篇文章里则会大大提升嫌疑度。可以用一个嫌疑度的概念去为一篇帖子评分，每匹配到一个敏感词就加一分。可以设定几个档，比如3分以上的是轻微嫌疑，10分以上的是重大嫌疑等等。对于触发轻微嫌疑的帖子，可以触发审核机制，让管理员审核通过后再发表。10分以上的直接屏蔽，但仍然会在管理平台上留下记录以便人工昭雪。可以在站务区提供申诉功能，这样可以把误判和漏判都降低到一个比较可以接受的水平。

3. 提高作案成本
　　发广告的有两类人，一类是直接推销的人，另一类是代发广告的人。这两类人都耗不起时间，限制他们注册后多久可以回帖或发主贴是一个手段，限制一个IP在24小时甚至一星期内只能注册几个ID也是一个手段。真正想来论坛泡着聊天的人不会在乎这一两天时间，在注册页面醒目注明设置这些限制的目的通常都可以换来理解。提高时间成本是很多论坛采取的低成本对策。即使用笨方法封ID也会取得比较好的效果，缺点就是管理员很忙。

　　以上几个方法都是比较集中的管理策略，借助同一套算法，用流水线的顺序处理不同的帖子或用户信息。除了敏感词库之外，都不会占用服务器太多的存储空间，相比之下会增加一些运算时间。上面提到一系列触发机制，只有从第一次匹配到最后一次匹配全部符合条件的才会真正作为嫌疑对象，而多数流程走了几步之后就终止了，可以通过调整各级算法的审核强度来调节负荷的强度。

　　这些东西未必实用，放出来拓展一下思路。@weblove26 老大有兴趣的话试试吧。

Alex_rcpilot

weblove26 发表于 2012-10-15 11:09
来人肉广告的，搞的人都烦

我担心老大忙着带孩子，还能有时间琢磨这些么？

有一点是很明确的：策略做好了是个一劳永逸的投入。平时看见一个小广告封杀一次只要几秒钟，但日积月累删除几十万个小广告的重复劳动远远超过改进策略的投入。