高关注，生产的内容高互动，接广告时能拿到更高价格
例如行业内计算广告价格的一种方式是粉丝数 * 一定比例（例如 5%），例如你有 100w 粉丝，则一条广告 5w。接广告的计算价格方式很多，不同行业、不同平台、不同创作者都可能会不同。
内容获得高互动，平台会给到更大量级的曝光（这是抖音的分发方式），进而让更多正常用户看到，进而产生正常的互动行为（点赞、关注、评论等）
早年积分墙行业也有类似操作，官方买流量刷下载，目的是刷高在 App Store 的排名，进而得到更多曝光，带来正常用户的下载。
用户作弊动机可能还为其他，但我对抖音业务不足够了解，这里就以这两种来讨论。
黑产团伙电话联系我，加群，群里领取任务，去做任务并截图，截图发群里，发 红包形式结算任务奖励。
2. 作弊团伙产业链（黑产产业链）
「作弊团伙」也是一个产业链，他们也会有专业分工：
有人负责技术（例如拨打电话工具、香港 IP，甚至自己开发一些操作软件）；有人负责拉新（例如给我打电话的人，或者做成机器人拨打）；有人负责运营（例如建群、群维护、分发任务、确认任务完成）；有人负责情报（例如抖音有利可图，小红书、B 站、快手是不是也有利可图呢，这个需要有人去研究）；有人负责对外对接（例如工作室和作弊团伙之间的合作）。……
《风控要略——互联网业务反欺诈之路》
3. 拓展两本和本篇文章关系不大的两张图，其他行业的黑产产业链
《智能风控平台——架构、设计与实现》
《风控要略——互联网业务反欺诈之路》
三、为什么要打击
以上文中的两个作弊动机为例展开说说。
1. 增加互动量，得到更大曝光，进而带来更多正常用户的互动
内容获得了与质量不匹配的流量，导致消费者觉得这个内容属于低质内容，进而流失。
对其他创作者不公平，消费侧人数和消费时间固定，所以能消费的内容量固定，当用户消费了这个刷量内容，其他优质内容被消费到的概率就降低了，进而导致其他创作者流失。
2. 增加粉丝量，接广告拿到更高价格
广告主投了广告，获得了低于预期的收益，例如 10w 粉丝，3000 元一条广告，实际上真实用户可能只有 1w ，则单用户成本实则高了 10 倍。时间长了，广告主流失。
其他可能的一些原因，这个产业链会导致抖音用户被电信诈骗、增加平台治理成本等。
四、识别方式
打击之前得识别，得知道哪些用户是在做刷赞任务、哪些用户的哪些赞是做任务哪些是真心想点赞、哪些创作者在被刷、哪些创作者的哪些内容在被刷、哪些内容的其中哪部分赞是被刷的等等等。
通常会利用大量的数据分析、反作弊策略、反作弊模型，基于用户行为、知识图谱、设备环境、内容等来识别。
1. 基于行为
打开视频在前面 3s 内点赞；搜索去个人主页点赞；仅从某些场景进入去点赞，或某些场景进入去点赞的占比异常；把一个创作者的每个视频都点赞；一定周期内点赞超过一定值；一定周期内点赞比例超过一定值；总点赞量超过一定值；总是在不合理的时间活跃；每天仅在某个固定周期点赞，例如用户一天刷 200 个视频，把 10 个点赞全部集中在第 50-60 个视频。；仅对某些类型的视频进行点赞（例如曝光量在 xxx 的视频，假设这类型视频创作者容易去买量）；点赞目的性强（这个还可以细拆，定义清楚什么叫做点赞目的性强，可能表现出来会有 10 种行为）；超过一定占比的关注/点赞/评论都来自某些入口；超过一定占比的关注/点赞/评论都来自某些特征的用户（特征：已被判断为作弊、打上高概率作弊标签、存在关联关系、IP都在某个区域、用户画像都是宝妈等居家人群等）；某些正常用户较低概率才会有的行为（例如针对无分享诉求的 App，用户却每次生产后都分享出去）；……2. 基于设备环境/基础信息等
一个手机号段、某些注册时间、特定的昵称/头像/简介等；某些低价格的手机（黑产也需要考虑成本，所以通常会使用价格偏低的手机）；某些固定版本 App（某些固定版本 App 可能存在一定漏洞）；检测是否有使用改机、多开工具、root/越狱、模拟器、群控软件、使用代理、境外IP、恶意注册、在黑灰名单库、机器登录、二次注册、沉睡账号等。……3. 基于知识图谱
知识图谱定义如下图，举个简单例子，账号A被判定为了作弊账号，账号A在设备A上登录过，当账号B再去设备A登录时，可能会判定为账号B也有比较大概率属于违规账号，然后用更严的策略、模型去判断它。
他们的关联可能是同一个设备、同一个IP、一些共同或相似行为、 同一个或有规律的昵称/简介、同一个模板的内容、同一个异常数字的提现金额等。
以上不管是行为还是设备，还是基础信息都仅罗列了部分，都还可以无限扩展，都是基于对业务的理解才能更好的发现。但有这些行为并不代表用户真的是在作弊，会存在误伤，所以有时需要多个行为结合来判断。
例如单纯用行为 A/B/C 来判断都会出现准召率不满意，则可利用行为 A 的值处于区间 a，且行为 B 的值处于区间 B，且行为 C 的值处于区间C，则判断用户为作弊用户。
五、打击
在第四步已经识别出作弊，所以他们通常会在作弊链条的各个环节都进行打击，下面列出几个打击思路，这些思路并非符合 MECE 原则，而是可能相互之间有交叉，甚至不属于同一维度的思路。
1. 作弊动机打击
通过业务或产品功能调整，提升作弊成本或降低收益，让用户不再有作弊动机。
例如针对作弊账号带来的互动，不用于计算增加更大曝光。例如我自己做过的，用户会生产垃圾内容，然后获得收益，然后金额转移，然后提现，我们在金额转移及提现处打击用户，使其最终无法提现，进而放弃生产垃圾内容来获利。2. 作弊链条打击
作弊通常是一个完整的链条，从链条每一环节都可进行打击，例如登录注册、访问、做某些行为等。但通常只会在后面有业务价值的行为才会进行拦截，在前期不过分异常的用户，通常只会做标记，后期业务再结合这些标签来综合判断。
3. 联防联控打击
联防联控这个词近期听的最多的是在疫情防控中，在风控中也常用这个词，是指多个业务、多个部门甚至多家公司联合防控。例如在西瓜视频上作弊的用户，在抖音上也可能会被限制。
4. 资源层打击
因为资源理论上都是有限的，一个抖音注册账号、认证账号等在黑产市场都是有固定的标价的。
从资源层进行打击，目的是提高用户作弊成本，当成本≥收益，那用户也就不再作弊了。
我们可以对账号、设备、IP（ 针对 IPv4 可行，针对 IPv6 打击则适用人群小了许多，IPv6 理论上可以看做是无限的）、手机号等资源进行打击。例如把某一个设备判黑，则之后所有账号在这个设备上登录都会算作作弊账号，这个设备将不再可用，提高了作弊成本。
六、最后
以上只是做生态治理的其中一个问题，生态治理有很多很多很多这样的问题需要解决，抖音也一定会有多种策略、模型，来识别、拦截以及相应的处罚，来保持生态平衡。
注：以上是基于我对抖音不足够了解的情况下写的初步想法，结合具体业务可能会发现某些不可行，或者有一些更好的打击方式。
给风控同学推荐基本我看过的风控相关书籍，这些几乎我全看了，能够更好地了解风控全貌、更好地了解自己单位风控处于行业什么水平、接下来还有哪些优化方向等。虽然其中大部分都是金融行业，但很多通用逻辑都是一样的。
