“羊毛党”不是靠憎恨就能消灭的

如果你不在互联网公司上班,或者没有参与过互联网营销活动的开发,你可能不了解这个问题的背景,但大多数上网的人都会听说过“羊毛党”这三个字。所以,我简单介绍一下问题的背景:

我们知道,互联网上传输的是各种信息。为互联网提供服务的各种软件处理的也就是这些信息。

当你点击一个按钮(比如抢红包的按钮),手机或电脑就生成一条信息,传输相应的服务器(可以看成是另一台电脑)。既然传输的只是信息,那这条信息是不是由人点击生成的,其实服务器很难知道。只要最终收到的信息内容一样,服务器根本无法分辨。

于是,对于抢红包的程序,你用手点,和别人用机器自动抢,没什么区别;对于抢火车票,你用手抢,和别人用机器刷,没什么区别;只要机器能模拟出相同的信息。

不过这里要做一个说明,一般情况下,机器无法模拟一些严格加密的数据,比如支付宝的转账,因为你的账户还有密钥保护,所以你的钱不会被别人转走。

但即使模拟不了别人的隐私数据,仅仅因为机器的反应更快,也更加不知疲倦,就可以带来很多的利益。比如刷单、刷票、刷阅读量。其底层原理就在于,信息是可以模拟的。

当这一理念遇上能产生奖励的场景,比如某些公司在互联网上的营销活动:注册送积分,邀请好友返现金之类的,结果就是“羊毛党”可以利用程序模拟出大量看似真实的用户,到活动中拿走奖励,而他们消耗的可能只是一点点电费(如果不计算开发成本、道德成本等等)。当然,有些人可能不会写程序,用“应用分身”这样的功能来手动模拟某些信息也是一样的。

基于这个背景,我们定义一下“羊毛党”这个概念:

用任意方法模拟数据或信息,在营销活动中获得超量奖励的人,叫“羊毛党”

有人可能觉得,贪商家的小奖励,但从来不买东西的人也算作“羊毛党”。或许吧,但我们这里主要讨论这种通过模拟信息,欺骗计算机程序的行为。

话说回来,理论上,任何信息似乎都可以被模拟。

  1. 你玩游戏、看视频,画面栩栩如生,但本质上只是手机屏幕收到了一些数字信号或电信号;如果模拟出的同样的信号,画面就可以重现。
  2. 画面虽然栩栩如生,但最终进入你眼睛的只是一些光波,如果能模拟这些光波,即使没有电子屏幕,我们可能也会以为自己看到了画面。
  3. 光波虽然进入了眼睛,但眼球内部只有玻璃体,最终成像还得靠视神经把光波转化为生物内部的神经信号;如果能模拟这些神经信号,并传入神经系统,即使外部世界漆黑一片,我们可能也会以为自己看到了画面。

当然,不同类型的信号,模拟的难度不同。写一个程序,模拟数字信号,是最容易的方法。或许正是因为如此,互联网上的“羊毛党”问题才格外突出,因为互联网上传输的信息容易被模拟。

相比之下,商场的营销活动,虽然只能在一个小区域内开展,但要想真实的模拟出一个排着队的顾客,目前的技术是很难做到的。

借此,我们或许还可以做一个猜想,越需要被大规模处理的信息,越容易被模拟。(此之谓“大含量,小含真”1

也就是说,对于互联网 App 这样的东西,他们要处理的信息量是非常大的,动辄几万用户,甚至每天都有几亿用户;面对这样大的数据量,他们就只能把每个用户简化为一串密码,几行数字,而对于你的容貌、性格、经历等信息他们就只能抛洒掉,更不可能派一个工作人员来实地看看你是不是一个真的人。于是,你要模拟一个用户,也就只需要提供给他们“一串密码,几行数字”。也因此,一些对用户真实性要求很高的服务,至今依然选择在线下完成交易。

当然,信息可以被陆续收集,你上传了头像,识别了人脸,甚至共享了自己的地理位置。计算机可以利用大数据、人工智能等技术来检查这些信息,从而越来越确信你是一个真实用户。

我不知道这些技术能否压制羊毛党,只是提出两个疑问:

  1. 同样的数据,既然可以训练辨别假用户的模型,那可不可以生成模拟真用户的算法呢?
  2. 如果要想在普通商业活动中使用这些技术控制羊毛党,那么这些技术本身的成本就需要降低;而如果技术成本降低,“羊毛党”是不是也能利用这些技术来伪造数据呢?

这不,2014 年就出现了一种叫做“对抗生成网络”2的 AI 技术,制造机器无法分别的数据。

再从经济的角度看,“羊毛党”只有在营销活动的奖励超过了技术开发成本之后才会大规模出动,技术的成本低降低也可能会让更多营销活动进入“羊毛党”们的射程范围。

我不知道“魔高一尺,道高一丈”的说法在这里适不适用,但人类社会似乎总是要处理越来越大的信息量。这不,5G 都开始商用了,未来全世界的冰箱、彩电、汽车都要发出信息等待服务器去处理,那时候,所有生活内容是否都要用几行数据的形式在某处呈现?而“羊毛党”是否有机会给自己模拟 30 套别墅、200 辆跑车?

总之,我对“羊毛党”问题的解决不抱太大希望,至少不认为能从技术上解决。可以暂时压制,但肯定会有反扑,如果某些社会发展趋势不变的话。

1. 《物演通论》
2. Wikipedia Contributors. (2020, May 31). Generative adversarial network. Retrieved June 1, 2020, from Wikipedia website: https://en.wikipedia.org/wiki/Generative_adversarial_network‌