电影界的“四大名捕” 亮剑电影刷分黑产

文 | 张娜

“刷一条3至5元”、“涨分比开分难刷”...

几条神似接头暗号一般的信息，乍一看云里雾里，却是不少水军在电影刷分中常用的对白。几经媒体曝光后，顺蔓摸出的一条刷分的灰色产业链，也让外界意识到，在互联网时代和大数据的背景之下，“水军刷评分”，已经成为了目前电影产业里一个屡见不鲜的造假手段。

《无名之辈》凭口碑逆袭

《无问西东》在上映后收到恶意刷分

在这些有关刷分新闻的背后，以往可以作为观影参考的数据失去了正确的导向作用。虚假的数据泡沫带来短暂的火热，会直接影响到上游至下游的整个电影产业环境里。对于评分平台而言，会有越来越多的声音质疑评分机制和算法的可信任程度。

一些关于“高分电影都是刷出来的”的质疑也就顺势而出。

“乱象丛生”的评分

刷分从业者们形成了分工明确的产业链

在这种花式手段之下，行业与造假相关的新闻也就层出不穷。

在这场拯救评分的运动里，电影评分平台虽然成为刷分的主要集聚地，但数据造假带来的行业影响却不会局限于此。

拯救评分的信用危机

针对刷分这样的问题，近年来各大平台只能借助互联网技术，纷纷出台内部的应对举措。豆瓣电影曾对外表示，所有非正常评分都会被排除在外，不计入总分之中；猫眼之前也宣称，在反作弊机制方面，会在后台实时监测。而淘票票的评分系统在上线之初就确定了“评分技术设定不可修改，评分人为干预不可实现”的“两不”原则。

但实际上，平台建筑起反作弊的防火墙，水军们也在不断地精进技术。在二者博弈的过程中，如今刷分的现象依然没有完全杜绝，一些卖家们仍在对外承诺，“还是可以拉高评分。”

已经在阿里集团的平台治理体系之中的淘票票，当阿里在知产保护上的模式创新与技术实现突破后，从去年开始就建立了团伙作弊识别、小号作弊识别、无效评分识别、用户信誉系统的“四大名捕”技术体系。

淘票票技术体系“四大名捕”

此外，在用户信誉体系里，淘票票会根据评分用户的历史观影决策行为来衡量用户的评分可信度。即从账号等级、历史行为、交易特征、互动特征、评论特征等维度去计算用户的真伪概率，信誉度较低的用户，对应的评分，会做降权甚至过滤处理。

但实际上，如果要完全杜绝刷分现象，光靠平台的反作弊系统是远远不够的。需要的是行业、法规、从业者等多个方面共同齐心协力。或许可以说，如果刷分没有完全被摒弃，这场拯救评分信用危机的行动，就仍在继续。