在治理内容社区、维护内容安全的平台运营过程中，运营人员往往需要保证内容质量，避免违规内容的出现，以保障用户的使用或阅读体验。那么，常见的内容安全问题和质量问题有哪些？我们又应该如何做好治理动作？一起来看看作者的经验分享。
写这篇文章最害怕的就是涉及公司机密信息，反复检查了好几遍所举案例。
写这篇文章的目的，首先，这并不会涉及到公司机密。其次，我们治理过的这些问题大部分属于内容行业共存的问题，但对于不同公司的风控人人员不一定能够关注全面。
所以打算脱敏写出来，风控人员可以查漏补缺，希望能够对内容行业产生一点帮助，共同使行业更好。
在工作中，我负责公司社区生态治理，主要包括干掉坏内容、干掉坏用户、提升内容质量、提升用户体验。这篇主要说干掉了哪些坏内容、干掉了哪些坏用户。
本文从以下几个方面展开来说：
治理内容安全问题；
治理内容质量问题；
从用户角度做治理；
处罚方式；
治理经验。
一、治理内容安全问题
干掉坏内容包括两部分，一部分是业务型内容，即业务不需要的这部分内容，一部分是安全型内容，即监管部门让删除的内容。
治理过的安全内容很多，例如涉黄、危害青少年、引导错误的价值观、负面舆情等，这些是监管部门明确要求不能存在的（这几个好举例，其他治理过的涉及安全的内容不一定适合举例）。
二、治理内容质量问题
对于质量型内容，监管部门不会来要求删除，但平台不希望这类型内容存在，例如有用户 5 月份在多条帖子下大量评论“新年快乐”，这个对业务来说，属于低质评论，需要治理的对象，下面将展开说我们主要治理过的问题。
1. 重复 / 改写 / 抄袭
由于生产有奖励，用户生产有成本，所以部分用户有动机将已经生产的优质内容复制，然后重新发布以便快速获得奖励。
为避免内容同质化，及平台花钱买到低质内容，所以会治理这类型内容。
从内容形式上划分可划分为重复图片、重复文本（也有重复视频，但治理方式识别方式类似重复图片，所以未单独划分）。
1）重复图片
需要治理重复图片是因为用户消费一段图文内容时，会优先看到图片，若图片相同，用户会默认为文本也相同，进而认为内容同质化。
若相同图片出现次数较少，则可通过算法打散分发，不让同一个用户在短时间内看到相同图片内容即可。但若相同图片出现次数较大，则较难由分发打散，且部分分发场景是 timeline，算法不参与分发。
使用的识别形式包括两种，一种是计算图片 md5，使用绝对相等，一种是相似图模型识别。识别之后再结合一些策略，当相似度达到一定值，且相似或重复次数达到一定量，且由≥一定 uid 数量发布时，则会对之后进行发布的内容进行一些处理。
在这条通用策略之下，还会配置一些特殊策略，例如针对某些场景 / uid / md5 执行不同策略等。
2）重复文本
针对重复文本是和用户不断对抗的过程。
① 用户发布重复内容，平台开发重复模型，且将重复度≥一定值的内容判定为重复内容。注：治理重复内容本质是希望当前线上不给用户展示重复内容，所以对比内容库仅为线上内容。
② 用户对抗，用户将之前发布的内容删除后重新发布，平台将对比内容库增加已删除内容。
③ 用户对抗，用户通过删除一头一尾、替换部分文本、替换数字、更换不影响语义的标点符号 / 无意义字符、删掉部分内容、替换同义词、固定模板等方式，生产人工能快速判断为重复，但重复模型无法识别的内容。平台迭代重复模型，通过梳理用户改写的类型，迭代模型，使模型能够识别出这些类型的重复内容。
④ 用户对抗，用户通过随意摘抄一段菜谱、名人语录、歌词、电影台词等，平台通过制定审核规则，由人工判断。
⑤ 用户通过其他无法预知的方式生产重复内容，平台通过产品功能优化来解决。例如：
要生产重复内容，则会从一个地方复制然后在另一个地方粘贴，则可在粘贴提示、粘贴限制等产品功能上优化；
生产重复内容的用户有个共性，发帖量较大，则可对单位时间发帖上限做限制；
有粘贴行为的用户较大概率为重复内容生产者，则可通过粘贴行为拎出用户做离线数据分析，从用户维度进行处理；
也可对新进行用户教育、新手引导、优质内容引导等。
注：以上仅为极简的策略，在实际应用场景上还有很多细节限制，例如重复文本的判断仅针对字数≥一定值的内容才执行；例如评论场景和帖子场景会差异化的配置；例如重复模型迭代需要不断发现并梳理重复违规类型。
2. 虚假信息
对于任何平台都会存在虚假信息，这些虚假信息来自用户主动或不自知的生产。虚假信息虽然占比较低，但对用户的影响很大。可能是影响用户判断、可能是了解到错误信息、可能是进入到一个错误行业、可能是被骗钱财等，几乎每一个都会对用户造成较大负面影响。
不管平台是希望用户能够更相信平台，还是从平台承担着一定社会责任角度来说，都需要治理虚假信息。
要治理虚假信息，第一个问题一定会问：什么是虚假信息？
并不能说让模型判断，模型觉得是虚假的就是虚假。也不能让审核人员自己判断，他觉得是虚假就是虚假，那可能会出现审核人员 A 觉得是虚假信息，但审核人员 B 觉得不是虚假信息。
但也没办法给虚假信息一个统一的定义，如果能给出，那一定是去掉了很多细节，是不具有可执行性的一个定义。
所以只能看大量 case、以及看用户反馈、用户举报信息、审核反馈等，收集大量可能是虚假的信息。再自己判断其中属于虚假的信息，再划分不同场景，根据每一个场景制定不同的标准，定义清楚什么叫做虚假信息。
举例我们制定过的几个细分场景下的虚假信息的定义。
① 外卖员、快递员等，晒收入截图，月收入超过一定值，或日收入超过一定值，则定义为虚假信息。从行业数据来看，能达到这个数值的用户不到 0.5%， 相对虚假信息带来的危害，平台宁愿接受这部分误伤的存在。
② 男性，发布女性照片， 并且表达意思为想相亲，如果有大哥觉得合适可联系我，则定义为虚假信息。可结合用户认证信息、机器识别照片及文本语义来判断。
③ 用户在一定周期内过渡频繁的在内容中更换职业，例如昨天的发帖说自己是理发师，今天说自己是电焊工，明天说自己是厨师，则判断为虚假信息。因为正常用户不会在这么短的周期内这么频繁的更换职业，在我们内部称这类型用户为“百变小樱”。
此类用户目的大多为吸引用户联系自己，以便进行下一步诈骗。我们也会制定相应的策略来识别，在一定周期内用户发帖的身份大于等于一定值，则会送人审，结合这个用户的其他信息来判断是否属于百变小樱（因为这个策略存在相对较高的误伤，所以不能机器识别后直接处理）。
通过对虚假信息定义的经验，可形成以下四个步骤来定义治理问题的标准化流程。
步骤一：通过各种渠道浏览大量样本，渠道包括自己浏览、用户反馈、用户举报、审核反馈等。
步骤二：针对样本做特征分析。
步骤三：总结归纳。
步骤四：细分场景制定标准。
3. 话题不相关
话题不相关是指，内容行业为了控制生产方向，往往会产生话题，让用户基于话题进行生产相关内容。
但用户在生产内容时，可能由于生产成本过高，或无能力生产相关话题的内容，或其他原因，会主动去生产和话题不相关的内容。
对于用户消费聚合内容来说，这就属于垃圾内容，例如在一个聊 AIGC 的话题下包含一篇聊母猪的产后护理的优质文章，对于用户来说是不需要的，在这个场景下属于垃圾内容。
对于识别和话题不相关的内容，开发了话题相关度模型，根据相关度高低来决定给创作者多少奖励，及决定内容应用场景。
模型主要识别两个方面。
一类是与话题不相关，例如将话题复制一遍、内容和话题完全不相关、答非所问、内容完全无意义、同一领域但完全没回答问题等。举例：
话题：快递派送前如何录入系统？
内容：快递派送前如何录入系统？他们都在一各家一各减的少吗？少马国系统所以说相对来说还是比较麻烦的，只不过是少马路系统，这样的话基本上不会有酒驾的问题，我觉得还算是很不错的吧
另一类虽然与话题相关，但脱离话题的限定条件，例如话题限定了行业、需包含收入水平、限定了场景，但内容并不包含相关信息。举例：
话题：因为做焊工工作，你得了什么职业病？
内容：没从事过焊工，不过倒是有职业病，比如筋膜炎等。
4. 水帖
来自百科的定义，水帖：水帖是贴吧、论坛或bbs中一种对于主题不重要的、无意义的帖子的统称。
对于社区来说， 内容中充斥着水帖，会降低整个社区内容质量，成熟社区都会治理水帖。
在具体治理过程中就需要生态治理产品去发现水帖并总结归纳类型、思考是否需要治理、治理到什么程度、以什么工具治理、给予什么处罚等。
下面举例一些制定过的策略、规则，以及使用过的识别模型。
① 纯文本，且字数小于等于一定值
通过分析历史数据发现，当用户发帖小于等于一定值，且不带图片时，对于我们平台，这条内容基本不具有消费价值，就会以一种用户无感知的不分发的形式处理。
举例：啦啦啦、夕阳无限好、美好的一天、湖州你好
② 仅包含标点符号、数字、emoji 等
③ 部分 uid 在部分场景发帖 / 评论
用户每次违规都会有记录，也会扣相应的分数，当某些类型的违规在一定周期内达到一定次数，或一定周期内的扣分数达到一定值，则会对用户进行处罚，即阶梯处罚。
举例，用户在 7 天内发布水帖次数≥10 次，则会将用户在激励场景的发帖或评论全部不给予奖励（注，这并非系统完整逻辑，也并非真实数字）。
④ 命中水帖治理词库
⑤ 多账号多设备
若用户同一个设备上一定周期内登录过多个 uid，或一个 uid 在多个设备上登录过，分析这些用户的历史数据，发现较大量的存在无法识别的水帖（因为平台策略是有限的，用户违规方法是无限的，当用户了解平台策略之后，会用各种办法逃过策略）。
所以会制定一条策略，当用户触发「多账号多设备」时，则会将他内容送入更严的模型，例如普通用户对于低质模型，达到 0.9 才处罚，对于「多账号多设备」用户的内容，则达到 0.8 就会处罚。
⑥ 文本中包含某些关键词，且文本字数≤一定值
在评论场景，当把所有水帖内容拉出来看时会发现，水帖内容也会有一些共性，例如字数相对较短，虽然长尾很分散，但也会有一些头部的高频词汇，例如红红火火恍恍惚惚、哈哈哈、支持一下、谢谢分享、开心每一天、打个卡、你好、谢谢、加油等内容。
对于一些短文本，这些词为主要内容，则可理解为水帖。如果是一段 100 字评论，里面包含这些词，则不能认为这是水帖内容。如果不限制字数或比例，则会很容易出现误伤。
但这对不同平台的处理严格程度不同，我们平台会选择治理，其他平台可能会选择不治理。治理是因为宁愿用户少看到评论，也不愿让用户看到低质评论，以及避免带来连锁反应，其他用户跟着学。
⑦ 非新年期间评论包含「新年快乐」
这是在我刚开始做风控时做过的一条非常失败的策略。
背景信息，分析历史数据发现，五月份有部分用户在评论区大量发布「新年快乐」相关评论，虽在设备、IP、账号、注册信息、登录信息等均无关联性，但从发布的内容及发布内容时间来看，基本可确认是属于同一个人或团伙在操作。
且发类似文本的账号在不断新增，所以没从账号或设备维度进行治理，而是仅从内容维度出了策略，策略逻辑：在非新年期间评论新年快乐及其变形的文本做自见处理（仅自己可见）。
这条策略失败的点在于，只能解决了当前存在的这个特定问题，未考虑这类问题在将来如何有一个通用的解决方案。例如用户将「新年快乐」变为「中秋快乐」或「背包好看」就失效了，且用户的变形成本极低。
例如可以计算单个用户周期内词频，一定频率可直接处理，一定频率可送人审。也可以计算全局周期内词频，对于环比变化过大的词可给人工预警提示等。
⑧ 低质模型
低质模型识别包含语句通顺度、虚词、感叹词、乱打字、文本无实际意义等逻辑，以及一些既定策略会融合进模型。
虽然很多策略可融合进模型，但由于策略的可解释性强，易调整等优点，还是会让一些策略单独存在，不融合进模型。
以上一些案例几乎都是从内容维度来识别，进而从内容维度进行治理，但在工作中还有较大一部分是从内容维度识别，然后从用户维度进行治理，以及从用户维度识别，从用户维度治理，从用户维度进行治理将在下一章展开说。
以上所举例都是发现了某些问题，然后进行治理，但如何去发现这些问题的，在这篇文章中有详细说：《风控：上线一条规则/策略的完整流程》。
5. 联系方式
所说联系方式包括图片 / 视频 / 音频 / 文本中包含手机号、微信号、qq、网址、二维码等联系方式，以及以上内容的变形。例如空格隔开、中英文、拼音、手写、中文音异、电话通话截图、半打马赛克、形异、文本头像结合、拍摄名片 / 拍摄二维码 / 海报 / 宣传单 / 纸条 / 手写联系方式、手写并简单计算，以及诱导联系方式等。
我们不允许发布联系方式，因为社区场景不需要联系方式。并且经分析历史数据发现，当出现联系方式时，比较大概率会同时出现诈骗、刷钻引流、广告、逃单、隐私安全、线下风险、骚扰、账号交易等，带来危害比较严重，且容易漏识别，所以可从杜绝联系方式角度降低诈骗、刷钻引流、广告等问题。
针对这些问题也会建设对应策略来识别。举例部分策略：
文本中数字或字母连续≥一定值，则认为这是连续方式；
检测电话、QQ号、微信号、网址、二维码；
检测数字+分段联系方式；
检测变形联系方式；
检测多昵称拼接联系方式；
检测多条回复拼接联系方式；
检测含数字变形的联系方式；
检测内容包含恶意引流文本且检测包含联系方式；
以及制定人工审核规则等；
……
一些案例：
点击[http:/xxxxxxxx]查看表情
看到你的留言了，佳沃k16rvvf7
为我，A嗯6嗯0嗯5嗯9嗯3嗯9嗯8嗯
妖雾气 呜呜妖吧 妖雾三气
加v ➕yan 七二四三九xx五
想了解咨询我吧：壹肆柒xx伍零柒柒柒捌！！！！
l六七4420五xx久
请连起来152号823室791厅66聊
1️⃣7️⃣6️⃣9️⃣3️⃣1️⃣9️⃣8️⃣8️⃣3️⃣
?一三八0⃣️一四七0⃣️二八三
栾城房源出租，三室精装拎包入住。看房电话180-3xx1-3401苏星
招美团骑手，微信电话同步188..4381…2xx6
中山市 上门回收 空调 冰箱 洗衣机 纸皮等 上门回收范围 中山市 小榄 东凤 东升 古镇 横栏 需要回收旧电器和废品 的朋友们可以私聊本人宝师傅 ①③⑥②O③⑧②②⑨
各种广告牌，安装，设计，制造，电话199。0161。xx27
本人有一辆电动车三轮车转让，有需要做各种小吃可以联系我178♥44xx♥0758谢谢
让每个家庭拥有一个懂健康的人，管理家人健康，远离各种疾病。一起学习交流健康知识。18三，1 五七，6 4四二
昌黎上风上水六加一电梯洋房二楼106平带大下房，电话一，八。 三 ！三五，（七；八。九/（五@ 9同微信，有意者联系我
乔家沟租个房子 最好是独院 让养猫 养狗 有的➕176…～3616……xx19
花都北门轻纺城自己的房子出租，一室一厅一厨一卫，需要的联系，微信同号1八七六九零零三xx三
6. 广告
绝大多数平台都不允许，或者至少是不希望平台内充满用户发布的广告，只是不同平台的处理方式不一样。朋友圈可能是折叠，小红书可能是不给流量，其他平台可能是无法审核通过。这些广告由于大量重复、低质、以及无法验证真假、影响公司其他业务、污染信息流等问题，平台通常会选择治理广告。
对广告的治理和虚假信息的治理类似，没办法对「广告」有一个统一的定义，所以得梳理 case，在各个细分场景制定规则。
举例一些制定过的策略；
对广告文本的检测；
对出租求租信息检测、对招聘求职信息检测；
对屏蔽词库检测、对刷钻吸粉词库检测、广告法词库检测；
“连、起、来”开头结尾黑产检测；
过引流模型；
营销反作弊数据检测；
以及制定相关的人审规则；
……
上面举例的是一些识别广告的策略，但从广告特性上来说，用户发布广告绝大部分是希望能够与自己联系，所以具体在治理时大部分是从联系方式、私聊角度来治理，会更高效。或者根据多条策略的结果结合来决定处罚方式。
以下两个案例为引流模型识别出来的内容。
带一些新人，看个人银行额度赚钱，一天一万+ 感兴趣私聊详谈。
押车借款利息低，额度高。
注：还有很多类型内容也属于广告，但会被划分到更细的分类里面，例如「副业」类、「医美」类。
7. 不文明用语
对于不文明用语，在不同平台的接受程度不同，我们平台会治理辱骂及不文明用语，希望给生产者及消费者带来一个更文明和谐的生态环境。
治理方式主要是辱骂词检测、辱骂模型检测，以及人工审核。对于词库网上可找到公开词库，以及平台自己不断完善。对于辱骂模型，属于中台工具，业务只是应用，模型具体逻辑未有机会详细了解。对于人工审核规则，则会结合上下文本判断。
8. 其他类
有很多细分分类被治理过，除了前面展开说的七种，还包括这些。
街拍视频、网红无意义摆拍等无消费价值的视频，对其他平台可能属于优质内容，但对我们业务定位来说，则不需要这类型内容；
低俗类、软色情类；
重复领养、赠送、配对；
视频带水印，因为希望用户发布原创视频，而不是从抖快等平台盗视频来发布；
个人隐私，例如涉及完整的各类证件号、爆料某人，并且涉及家庭住址电话号码等隐私信息；
诈骗类，这其实也是一个大类，下面还可以划分很多细分场景进行治理，例如信用卡类诈骗、创业合伙类诈骗、相亲类诈骗、理财类诈骗、东南亚招聘类诈骗、菠菜类诈骗；
……
9. 治理中一些常用工具（模型能力）
重复模型、相似图模型、低质模型、网赚模型、涉黄模型、低俗模型、引流模型、辱骂模型、涉政算法等。
识别香烟、变形联系方式、政治人物、明星、美女图、emoji、血腥、暴恐、蜡烛、刀具、识别人体各个部位，包括腿 / 胸 / 肩 / 背 / 臀等。
业务进行治理时，大多数能力会应用中台能力，部分时候由于中台无法提供个性化能力或时间紧张等原因，业务会自己开发模型。
三、从用户角度做治理
我的工作是内容治理，但很多情况下内容不易识别，会考虑从用户角度来做内容治理，从作弊动机出发。
对于我们业务，用户作弊动机主要分为两类，一类是发广告，一类是通过做任务进而获得收益。
对于发广告动机的用户，从内容角度特性明显，例如高频发布重复内容、都带联系方式、主要从非赚钱入口发布等，比较好治理，涉及到用户相关只有用户在短期内多次发布广告，然后拉黑用户。
对于通过做任务获得收益，用户会有一个完整的作弊流程，如下图：
正常用户的流程：注册 → 登录 → 发帖/评论 → 获得收益 → 提现。
作弊用户的流程：注册 → 登录 → 发帖/评论 → 多设备多账号/相互评论/互刷流量/发重复图等 → 低质内容 → 获得收益 → 转移金额 → 提现。
作弊用户的流程中每一个环节均有多种可作弊空间，例如：
① 注册 / 登录，可能会涉及
恶意注册、批量注册、设备指纹黑名单、黑卡账号、机器登录、猫池、root、hook、篡改设备、安装黑产工具 & 模拟点击 App、篡改 ua、安装改机app、安装云控 App、短时关联用户过多、参数格式错误、参数间不匹配、设备硬件信息不匹配等。
注：这些信息均为网络公开可了解到的信息，不涉及公司机密，不代表我们公司全都用了这些，也并不代表我们公司只用了这些信息。
② 发帖 / 评论，可能会涉及
发帖后删除、短时间互动量超过一定值、以各种方式生产平台不易识别的违规内容、同一个人拥有多个账号多个设备发帖、使用相同图片等。
③ 获得收益，可能会涉及
仅从在某些激励场景发帖、仅给某些用户互动、互动量主要来自某些用户、互动量主要来自某些渠道、浏览及被浏览数据异常，包括渠道 / 时间 / 用户 / 用户等级异常等问题。
④ 转移金额，可能会涉及
因为平台限制提现必须绑定微信，所以用户会将多个账号获得的金额转移到一个账号上，然后进行提现。
转移金额异常，包括单次转移金额、累计转移金额、转移金额对象、金额来源占比等的异常。
上面提到的某些行为可能会贯穿用户生命周期全流程，例如机器模拟点击，所以在接入策略时也需要在各个需要验证的场景均接入。
由上面可知，黑灰产可能会在各个环节作弊，一个完整的风控方案也应该是全流程各个环节进行防控。
举例可参考的策略：
用户有机器注册、篡改设备、模拟点击等行为时打上一个标签，但并不直接处理，会在用户后续有其他行为时在结合这些标签决定是否需要处理；
对获得奖励后删帖的用户拉入一定周期的奖励黑名单，例如用户获得奖励后，将内容删掉，则此用户在接下来几天不可获得奖励；
触发违规做任务用户，限制做任务；
设置发帖上限，在一定周期内仅可发一定量的帖，超过则提示暂时不能再发布；
针对多账号、多设备以更严的策略识别其内容；
识别为互评、刷流量不给予奖励；
降低金额转移上限，用户作弊会有作弊成本，降低转移上限可提升用户作弊成本，保持收益 ≤ 作弊成本，用户会主动放弃作弊。注：这个上限设置也需要控制对正常用户的误伤；
分析金额转移数据，针对收入来源异常、收入总金额异常、收入与等级不匹配等用户，再结合其内容及触发机器模拟操作 / 改机等相关标签离线处置用户。
四、处罚方式
在治理中，对内容、对人，都会有很多处理方式，例如常见的通过、拉黑、删除等。
1. 对内容
对内容处理方式相对较简单，例如，包括通过、不通过、自见（仅自己可见）、沉贴（去个人主页能看见，但不分发）、降权分发、仅在部分场景分发、加精选、置顶等都可用理解为对内容的处理方式。
2. 对用户
对用户的要相对复杂些，但常见的可以按照以下这样来划分。
1）标记
仅做标记，不直接处罚，例如机器登录，在登录时判断为机器登录，会依然让用户进行后续动作，可结合后续动作再决定是否处置。这样好处是避免误伤、环节更长黑灰产也更难摸清平台的策略，以便减少变形对抗。
2）挑战
策略、模型都有一定误伤，为了降低对误伤用户的伤害，对触发某些策略，则可让用户输入验证码、滑块等方式做挑战，挑战成功则可以继续使用，挑战失败，则继续限制。
3）处罚
阶梯处罚，每次内容违规会对用户扣分，在一定周期内分数达到一定值时，会出现相应功能限制。举例，用户在评论区发一条辱骂文本，则可以扣 1 分，但不处罚用户，如果在 3 天内发了 10 条，扣了 10 分，就可限制用户 3 天不允许评论。
黑白灰名单，最简单的理解就是将用户拉黑，但是从限制主体、限制功能、限制时间上会有很多组合。
主体，可以是账号、手机号、设备、身份证、银行卡、微信等。
时间，可以是 24h、3 天、1 个月、1 年、永久等。
功能，可以是限制登录、注册、绑定、发布、点赞、查看、精选等。
组合起来举一个例子就是，限制某个账号在 3 天内不能登录，这就可理解为被拉入黑名单了。
注：黑白灰名单的组合如果做到足够细致，几乎可以有无限种组合，但需在满足业务需求，和易用性之前做好平衡。据说淘宝有数百种处罚方式。
柔性触发，即让用户做挑战。
用户教育，对于屡教不改的用户，平台可能会拉入黑名单，但由于用户在无知的情况下第一次犯错，则可让用户做一些答题、学习规范等。举例，哈罗单车在第一次违规停放，可在通过答题学习规范后取消处罚，第二次再违规停放，则会扣 20 块钱。
随机处罚，这是为了解决一个问题，平台上线一套策略，用户比很快就能试出了策略逻辑，所以会将相同违规的用户选择性放过一定比例，给予不同的处罚，甚至不处罚，让用户更难摸清平台的策略逻辑。注：需考虑哪些策略使用随机处罚，选择哪部分用户放过。
迷城，是为了在用户无感知的情况下，避免用户带来的伤害。一些在已经判断为违规的用户，并未限制其使用私聊功能。因为如果限制，则用户容易变着方来违规，增加平台对抗成本。例如可将用户发的消息转接给平台机器人（或固定回复策略），让违规用户和机器人私聊，这样可避免其他用户收到这个用户的违规消息。
五、治理经验
做风控需要非常了解业务。
尽早建立指标评估体系，在工作推进将会大大降低阻力。
任何时候都得有兜底方案。
黑灰产作弊一定有作弊动机，有作弊成本，可多从提升作弊成本打击作弊动机角度考虑。
木桶原理，风控水平取决于防御体系最薄弱的环节，漏洞被利用的速度远超你的想象。
训练数周的模型比不过一条业务规则，这是常有的事情。
对于黑灰产治理，需要系统性的主动防御，避免被黑灰产牵着鼻子走，永远有堵不完的口子，填不完的坑。
这里核心是两个词主动、系统性。
主动，需要对业务足够熟悉、对黑灰产产业链足够了解、有情报来源、掌控黑灰产动向，在还未发生某些风险之前就提前堵上漏洞。
系统性，需要全链路防御，技术结合产品功能、运营一起形成系统性防御。包括在产品的各个可能出现问题的场景上的事前、事中、事后的防御。以及相应的监控体系、预警体系。
用户为了达到作弊目的，他在业务的每一个节点都可能出现异常，所以在治理前首先要绘制出完整的用户行为路径，理清楚每一个可能产生异常行为的业务位置，然后从各个节点全链路的打击，可参考上面「从用户角度做内容治理」这部分。注：不要指望在一个业务节点上解决所有问题。
每个业务节点的数据串联是重中之重，当前业务节点产生的所有有效结论，都应该流入下一个业务节点作为辅助特征。下游节点产生的确切结论，也应反哺上游判断。
找到绝对原因很难，但这不影响工作推进。有时候很难找到一群账号是否有血缘关系，但从他们的业务数据上来看，基本可确定这是一群人，则可先处理。
六、最后
这篇文章是在写实际治理的问题，以及应用的方法，接下来会更新一篇治理的整体框架，即把本篇抽象归纳出一个通用框架。
