数学之美：搜索引擎的反作弊问题

最早作弊手段是重复罗列关键词。后来随着PageRank算法出现后，又出现专门买卖链接的作弊手段。搜索反作弊的方法也分成两种境界：术和道。术的方法就是分析作弊案例，找出规律，然后清除它；道则是透过作弊问题，追本溯源找到作弊动机和本质，从本质上解决问题。

搜索引擎作弊的本质是人为的对搜索排序算法的信息加入噪声。一种解决办法是提高算法的抗噪声能力；另一种则是像通信原理中一样除去噪声，还原本来排名。如果在发动机很吵的汽车里打电话，对方会听不清，但如果捕获发动机频率，叠加一个频率相同，幅度相反的信号，则会很容易消除噪声影响。搜索引擎中的作弊者可以理解成人为的加入噪声，这种噪声通过一定时间的统计，就能分析出规律。从广义上讲只要噪声不是完全随机并且前后有相关性，就可以检测并消除。但如果是随机不相关的高斯白噪音就很难消除了。

从动机上讲，作弊者无法想要提高搜索排名。因此针对商业相关搜索，就是用一套抗干扰强的算法，就如同在高噪音环境下采用抗干扰麦克风一样；对信息类搜索，就采用敏感算法，如同在安静环境下采用敏感麦克风一样。而且如果是买卖链接的网站，其出链数目可以作为一个向量作为网站固有特征；通过计算余弦距离，会发现有些网站的出链向量之间余弦距离几乎为1，这通常是一个人建立的。

反作弊另一个工具就是图论，作弊网站通常需要两两互联，这就形成了图论中的Clique。图论中有专门算法发现Clique。