香港科技大学（广州）的研究者们发了一篇论文，关于“反串黑”（Fanchuan）。
一种被称为“反串黑”的新型网络攻击正变得越来越普遍。
反串是对一个特定实体的间接攻击，比如名人、视频游戏或品牌。它包含两个主要行动：(i) 个人首先伪装成某个名人、游戏或品牌的粉丝，并广泛展示这种忠诚；(ii) 然后进行冒犯性或刺激性行为，通过发表攻击性、引战或令人不适的言论，来蓄意破坏其“偶像”和真实粉丝群体的声誉。
▍如何在36亿条弹幕中，精准地找到那些“反串黑”？
研究者的研究对象是Bilibili（B站）的直播平台。
研究者认为，自己可能很难判断谁在“反串”，但直播间的其他观众，尤其是那些资深粉丝，往往火眼金睛。当一个“反串黑”出现时，总会有人在弹幕里指出来。
于是，研究者们改变了搜索目标。他们不再去大海里捞那根“反串”的针，而是选择去寻找那些在岸边大喊“看，那里有根针！”的人。
他们锁定了三个关键词：
“反串”
“串子”：一个对“反串黑”的蔑称。
“别串”：意为“别再反串了”。
通过搜索这三个关键词，研究者利用了“众包审核”来标记数据。
当然，有时候人们在弹幕里提到“反串”，可能只是在闲聊这个话题，而不是真的发现了“串子”。
为了把这些“闲聊”剔除出去，研究者们使用了 GPT-4o-mini，让AI去阅读每一条包含关键词的弹幕，判断这到底是一次“现场举报”还是“日常讨论”。最终，AI以高达95.5%的准确率，帮助筛选出了13万次真实的“反串”事件警报。
研究者还需要确认，究竟是谁在“反串”。
这同样是个困难的任务。研究者们又用了两个办法：
寻找付费的“反串黑”：在B站，有一种叫“醒目留言”的功能，用户可以花钱让自己的弹幕置顶。有些“反串黑”为了确保自己的言论被看到，会不惜下血本。由于醒目留言数量稀少，研究者可以轻松锁定发布者。
寻找被封禁的“反串黑”：当“反串黑”的行为被房管发现后，通常会被立刻封禁。研究者通过观察在“反串”被举报的极短时间内，有哪些用户被封禁，从而高精度地锁定了反串者。
通过这些方法，研究者们最终从270万场直播、36亿条弹幕中，成功识别出了13万次“反串黑”事件，并锁定了5267名高可信度的“反串黑”用户。
凡是涉及高强度对抗和粉丝阵营对立的领域，都特别容易滋生“反串黑”。
在所有直播分区中，游戏区是“反串黑”行为的绝对高发地。
其中，“网络游戏”分区独占鳌头，占了所有“反串黑”事件的33.03%，几乎是三分之一。
在所有网游中，《英雄联盟》（League of Legends）的直播间堪称“反串黑”的“中心战场”。
如果看“反串黑”事件在各类直播中的“浓度”（即发生过反串的直播场次占该类总场次的比例），“赛事”分区以8.52%的比例高居榜首。
在所有被“反串”攻击的目标中，“职业电竞”相关实体（选手、战队等）以54.06%的比例位居第一。
“主播”（21.07%）和“手游/抽卡游戏”（20.90%）这两个看似更“和平”的领域，竟然紧随其后，成为了反串黑的第二和第三大攻击目标。
尤其是以《原神》（Genshin Impact）为代表的手游，这个结果非常反直觉。因为《原神》这类游戏，本身并没有强烈的玩家间直接对抗（PvP）机制。这里的冲突，并非发生在游戏内，而是发生在游戏外的粉丝社群之间。玩家们对游戏角色、公司、剧情的强烈情感认同，催生了庞大而稳固的粉丝社群，同时也为“反串黑”提供了绝佳的攻击土壤。
这表明，即使在非直接对抗性的游戏环境中，基于社群认同的冲突同样会诱发“反串”行为。
网络上的敌意不只来源于直接的胜负竞争，更来源于身份认同和群体归属感。
一个“反串黑”的威力有多大？
当一条“反串”弹幕出现的前后三分钟内，直播间的弹幕数量会瞬间飙升。然而，这个飙升的背后，并非是大家在热烈讨论，而是充满了大量的重复弹幕。人们在疯狂复制粘贴，比如“？”、“呃呃”、“串子来了”等等。
在“反串”事件发生时，弹幕的负面情绪和“毒性”（Toxicity，指辱骂、仇恨言论、人身攻击等具有伤害性的内容）也随之急剧上升，而正面情绪则相应减少。
整个过程就像一颗“情绪炸弹”被引爆，其影响大约会持续2分钟左右，之后才会慢慢平息。
其中，最能说明问题的词是“串子”。数据显示，在“反串”事件发生的核心时段，弹幕中“串子”这个词的出现频率，比平时高出360%！
这说明，观众们被成功地从观看直播的正常状态，拖入了“抓内鬼”的混乱状态。
“反串黑”的成功，不在于他的言论多有道理，而在于他成功地劫持了所有人的注意力，并污染了公共讨论空间。
“反串黑”是随机的路人喷子吗？完全不是。
研究者对这5267名“反串黑”用户的行为模式进行了深入画像：
他们是坚持反串的惯犯： 88%的“反串黑”用户不止一次地进行“反串”攻击。他们是屡教不改的。
他们是“专一”的黑粉： 99%的“反串黑”只在一个特定领域（比如只在游戏区）活动，而93%的人甚至只专注于攻击一个特定目标（比如只黑某一个战队或某一个游戏）。他们是目标极其明确的“垂直领域黑粉”。
他们是潜伏的刺客，不是“速攻型”机器人： 最关键的发现是，70%的“反串黑”行为，发生在用户进入直播间超过5分钟之后，与典型的垃圾信息发送者的“即时攻击”模式存在显著差异。这意味着他们不是那种一进直播间就开火的低级机器人或垃圾信息发送者。他们会像普通观众一样潜伏下来，观看直播，等待一个最佳时机（比如主播讨论到某个敏感话题时），再发出致命一击。
研究者进一步分析了这些“反串黑”用户在平台上的整体活跃度，又发现了一个现象。
总体来看，“反串黑”用户比普通用户的平台活跃度更低。他们平均活跃天数更少，观看的直播场次和主播数量也更少。
这似乎很矛盾：他们明明热衷于攻击，为什么反而不那么“活跃”？
答案就在于他们的“专一”。
当研究者把统计范围，从“全平台”缩小到他们进行“反串”的那个特定领域时，他们的活跃度数据就和普通用户几乎没有差别了。
这说明，他们几乎把所有的上网时间，都投入到了他们所专注的那个小圈子里——一个充满了对立和攻击的圈子。
此外，对他们日常聊天内容的分析也证实了这一点。在平时的发言中，“反串黑”用户的弹幕负面情绪比例（35% vs 30%）和毒性比例（30% vs 22%）都显著高于普通用户。在所有负面情绪中，“愤怒”占了绝大多数（79%）。
这或许能让你对这些人的行为多一丝社会学层面的理解（而非认同）。他们可能生活在一个由仇恨驱动的“信息茧房”里，上网的乐趣并非来自喜爱和创造，而是来自攻击和摧毁。他们的世界可能本就充满负能量。理解这一点，可以让你在面对他们的攻击时，从个人情绪的愤怒，转向一种更抽离的观察。
有可能预先识别出“反串黑”。
研究者们利用他们总结出的用户行为特征（比如历史活跃度、聊天毒性、是否是新账号等），训练了一个机器学习模型，来预测一个用户有多大的可能性会成为“反串黑”。
他们表现最好的模型叫“随机森林”（Random Forest）。你可以把它想象成一个“侦探顾问团”。研究者找来了成百上千个独立的“小侦探”（决策树），每个“小侦探”都根据自己学到的一点点经验（用户的某些行为特征）来判断一个用户“可疑”还是“清白”。最后，让所有“小侦探”投票表决，票数最高的结论就是最终的判断。这种“集体智慧”的方式，远比单个侦探判断要准确得多。
这个“侦探顾问团”可以在“反串”事件发生前，就给出直播间里所有用户的“反串指数”排名：
34%的概率，真正的“反串黑”会被模型排在第1位。
53%的概率，“反串黑”会出现在前5名的“嫌疑人名单”中。
81%的概率，“反串黑”会出现在前50名的名单中。
一个热门直播间可能有成千上万的观众，房管根本不可能监视每个人。但有了这个模型，系统可以直接给房管一份只有50人的“重点观察名单”。只要盯住这50个人，就有超过八成的概率能提前拦截“反串”攻击。
网络上的攻击和操纵，正在变得越来越“聪明”、越来越“隐蔽”。
“反串黑”不是简单的辱骂，它是一种社群层面的心理战。它的目标不是击败某个人，而是污染一个群体的形象，瓦解一个社群的凝聚力，操纵旁观者的看法。
“反串黑”深刻地利用了我们认知上的一种脆弱：我们对他人的判断，在很大程度上依赖于对其所属群体的标签化印象。一个群体的形象，并非由其最理智、最温和的成员来定义，而是常常被其最极端、最引人注目的声音所塑造。
反串黑的操纵者通过扮演一个“愚蠢的队友”，来系统性地“污染”整个群体的形象，让所有旁观者都相信——这个群体，正如你所见，就是如此不可理喻。
这种策略，在商业竞争、饭圈大战、时事舆论场上，都屡见不鲜。
在这个世界上，最有效的攻击，有时并非来自公开的敌人，而是来自那些伪装成我们一员，却在用我们自己的语言，摧毁我们尊严的人。
下一次，当我们再次在网络上看到那些足以让我们血压飙升的“无脑粉丝”言论时，我们或许可以给自己一个三秒的的停顿。
眼前这段文字，真的是一个被情感冲昏头脑的狂热粉丝的真实表达吗？或者，它更有可能是一个冷静的、深谙群体心理学的“反串黑”，在巧妙地执行一场旨在激怒我们、操纵我们看法的表演？
📄 Wei, Y., He, J., & Tyson, G. (2025). Understanding Fanchuan in Livestreaming Platforms: A New Form of Online Antisocial Behavior. Proceedings of the ACM on Human-Computer Interaction, 9(7), 1-31.
#世上神马研究都有##微博兴趣创作计划##上微博涨知识##冷知识百科#
有没有楼友去看一眼的
