抽奖活动与参与欺诈：在不误伤真实获奖者的前提下识别机器人

抽奖活动中的参与欺诈，是指以违反活动规则的手段获取奖品或额外参与机会的任何尝试：多账号、自动化脚本、协同参与或操纵抽奖机制。为识别这类行为，主办方需综合三类信号：技术线索（设备、网络、重复项）、行为线索（节奏、操作顺序、时间点）以及注册信息与其他数据之间的一致性线索。任何单一信号都不足以证明欺诈；只有将这些信号按事先写明的标准加以记录并综合运用，才能为排除决定提供正当依据。

为什么在线抽奖活动中的参与欺诈日益增多？

在线抽奖活动奖励的是一种简单且可重复的操作：填写表单、分享帖子、投票、邀请好友。这种简单性使自动化变得诱人。脚本可以高速提交表单，账号网络可以协同投票，一群参与者可以互相分摊邀请以人为抬高排名。

最常见的欺诈分为四类：

• 多账号：同一人创建多个身份以增加中奖机会。
• 自动化：机器人以人类不可能达到的频率填写表单或触发操作。
• 协同操作：有组织的群体（有时为有偿）批量产生参与或投票。
• 规避规则：冒用身份领取奖品、虚假邀请、未经他人同意为其创建账号。

对主办方而言，关键在于这些欺诈并不都相似。机器人主要留下速度和规律性的痕迹；协同网络留下账号之间同步的痕迹；使用多个电子邮箱的孤立欺诈者主要留下技术和文档层面的痕迹。因此，针对每种情况需要不同的核查手段。

应监控哪些行为信号？

技术检测（IP 地址、VPN、浏览器指纹、邮箱或电话号码重复）是必要的，但并不充分。它既看不到使用合法 VPN 的参与者，也看不到每次请求都更换地址的机器人。而行为信号描述的是操作完成的方式。

可疑的时间节奏

人类参与者的节奏是不规则的。他会阅读规则、犹豫、返回上一页、关闭标签页再重新打开。机器人的节奏则过于规律或过于迅速。需要考察的信号包括：

• 以几乎相同的间隔提交（例如连续数小时每三秒一次）。
• 参与集中在活动开放后的最初几秒，或主办方发布提醒后的瞬间。
• 在目标受众实际在线时段之外出现活动高峰，尤其是活动分散在多个时区且无明显逻辑时。

异常的操作轨迹

轨迹指页面和操作的先后顺序。人类的路径往往杂乱：首页、活动页、停顿、表单。脚本通常走直线路径，不查看规则、不滚动页面，有时跳过必经步骤（例如从未加载邮箱确认页面却提交了表单）。

一个强信号是路径不变：数百次参与遵循完全相同的事件序列，精确到毫秒，这在人类中极不可能出现。

不可能的互动速度

某些操作存在现实的最短时长。输入姓名、邮箱、地址并回答一道常识题需要非零时间。如果完整提交所需时间短于阅读问题的时间，就是自动化或复制答案的强线索。

这一阈值应通过真实测试确定，即对多名在不同设备上填写表单的人计时，而非凭直觉设定。阈值过严会误伤手快的人、使用自动填充的用户以及合法复制粘贴联系方式的人。

数据之间的一致性

一个账号单独看可能正常，与其他信息比对后却变得可疑：邮寄地址不属于规则接受的配送区域、电话号码已被多次注册使用、出生日期与要求的年龄段不符，或用户名呈序列化（user2481、user2482……）。

警示信号操作清单

以下清单可直接用于准备抽奖活动的核查工作。每个信号都应记录在案，而不能当作证据。

1. 在活动期间，超过五个注册共享同一浏览器指纹或同一设备标识。
2. 连续十次以上参与，提交节奏规律，间隔仅相差数秒。
3. 表单填写时间低于你在测试中测得的最低阈值。
4. 邮箱使用一次性域名或呈自动生成模式（随机字符串、递增数字后缀）。
5. 邀请关系形成封闭图：一小群账号只在彼此之间互相邀请。
6. 参与集中在社交媒体发布提醒后的几分钟内。
7. 投票或点赞在短时间内来自同一 IP 段或同一接入服务商。
8. 邮寄或电话信息与参与条件不符。
9. 账号在活动开始前不久创建，且没有任何其他活动。
10. 参与未通过验证步骤（确认链接从未打开），却仍被计入。

单一条目不足以说明任何问题。三条或更多相互印证且有记录的条目，可支持人工核查。排除决定必须基于一组综合线索，而非单一信号。

如何构建风险评分而不自动化地制造不公？

风险评分为每个信号赋予分值，再汇总这些分值以决定采取何种行动：接受、核查、暂停。原理简单，实施需谨慎。

假设某化妆品品牌举办抽奖，通过表单和邀请参与。市场团队可如此赋分：可疑节奏 2 分、电话重复 3 分、一次性邮箱域名 1 分、封闭图邀请 2 分。达到 4 分的参与者进入人工核查队列，绝不自动排除。

应遵循的设计规则：

• 记录每项标准及其权重，在活动启动前完成，并保留该记录。
• 将评分与决定分离：评分用于排定核查优先级，由人作出最终判断。
• 测试误报：在历史参与数据或测试样本上重放模型，查看有多少真实参与者会被标记。
• 避免敏感标准：任何标准都不得基于可能揭示出身、观点或受保护特征的数据。

在工具方面，存在身份验证、机器人检测以及 IP 或邮箱信誉分析等解决方案。选择取决于规模、预算以及团队解读结果的能力。一个只给出不透明评分而无解释的工具，在遭遇异议时难以辩护。优先选择能说明标记原因的工具。

如何排除参与者而不引发 GDPR 争议？

这是主办方最常出错的地方。排除参与者是影响个人的决定，涉及个人数据处理。因此必须基于明确的法律依据和可追溯的程序。

应依据何种法律基础？

针对反欺诈，通常援引主办方的正当利益，前提是已对该利益与参与者权利进行平衡分析并记录在案。活动规则还必须明确告知参与者将进行反欺诈核查、分析哪些数据以及保存多长时间。该信息必须在参与前可获取，而非在排除后才被发现。

请核实你的数据保护官或法律顾问的意见：确切定性取决于处理活动、参与者居住国以及所用工具。

排除前应遵循何种程序？

可辩护的程序分步进行：

1. 定性标记：列出观察到的信号，附上时间戳和支撑这些信号的技术数据。
2. 人工核查：由第二人复核案卷，最好不同于配置评分的人。同时寻找合理解释（同一家庭、同一企业网络、共用电话）。
3. 告知当事人：在可能且相称的情况下，以事实性方式描述理由，不作戏剧化指控，也不透露可被用于规避的检测模型细节。
4. 给予答复机会：在合理期限内通过指定渠道答复。
5. 作出决定并记录：将决定及理由记入内部登记簿。
6. 限制保存期限：分析数据仅保存处理申诉和履行法律义务所需的时长。

如何避免声誉危机？

处理不当的排除很快会出现在社交媒体上，往往以脱离上下文的截图形式。若干原则可降低这一风险：

• 绝不公布被排除参与者的姓名或昵称。
• 不使用“欺诈者”等公开指控性表述；改用“不符合规则的参与”。
• 提前准备经法务审核的异议答复模板。
• 在规则中说明抽奖如何监管、核查如何进行。清晰的规则比被动应对的沟通更能提供保护。

应避免的常见错误

• 仅凭 IP 地址排除，而该地址可能被数千人共享（移动运营商、企业网络、学生宿舍）。
• 不通知就取消获奖者资格：沉默会被视为任意处罚。
• 在活动进行中修改规则以排除参与者，而初始规则中并无此内容。
• 无限期保存涉嫌欺诈的数据。
• 在核查信号之前就将抽中的获奖者视为嫌疑人，这会招致难以消除的指控。

如何在核查期间保护真实获奖者？

反欺诈核查不应拖延所有人的奖品发放。一种良好做法是：基于有效参与进行抽奖，然后在公布前仅核查被抽中的获奖者。也可以在规则中规定候补抽奖，用于替换核查后被判定参与无效的获奖者。

这一选择有两个好处：限制接受深入核查的人数，避免让全体参与者蒙受怀疑。但它要求规则明确操作顺序和核查期限。

对于小型团队组织的活动，最有用的规则仍是最简单的：启动前记录标准、绝不凭单一信号排除、保留每项决定的记录。这样在遭遇异议时，才能证明处理一致、相称且对所有人相同。