Naver上的2.4万个可疑账号，左右翼政客全遭攻击
从Naver的1.1266亿条评论中筛查出的23,998个可疑账号交替攻击左右翼政客，且在选举前后30天内的新增流入比平时高出51%
社会不分阵营，文在寅和尹锡悦都遭到了攻击
昨天，KAIST与德国马克斯·普朗克研究所的联合研究团队公布了一项对Naver新闻1.1266亿条评论的分析结果。这是从2006年4月至2025年3月整整20年间、由405万名用户留下的全部记录。从中筛查出了23,998个疑似涉及境外关联影响力行动的账号，该研究于今天在安全领域顶级权威会议USENIX Security上正式发表。
然而，比起检测技术，更引人注目的是这些账号攻击的对象名单。在这些账号攻击的政客名单中根本不分左右。文在寅也好，尹锡悦也罢，都是来自同一个账号池的指责评论的靶子。这种不分阵营的攻击，乍看之下似乎前后矛盾。
鉴于攻击对象不挑阵营，我将这种行动解读为激化国内矛盾的手段。也就是下文将展开分析的诱导撕裂这一解读。
进步派与保守派政治人物沦为同一账号群体的目标
起步点是国家安保战略研究院在2024年公布的70个与外国有关联的账号。研究团队将与这些账号存在关注关联、或反复涌入同一报道评论区的账号纳入候选名单，随后分阶段分析了评论中的表达方式以及账号的行为模式，最终筛选出23,998个可疑账号。这一规模相当于全体用户的0.59%。这些账号留下的评论总计超过1,500万条，其中被归类为具有影响力活动性质的412万条，构成了本次策略分析的核心对象。
统计这些账号撰写的“贬损韩国”评论中只获得赞同而未收到反对、即登上评论区最顶端的攻击目标后发现（以论文正文及附录统计为准），排名前十的目标中有七个是政治人物。文在寅前总统16,651次、李在明（时任总统候选人）13,522次、尹锡悦前总统9,887次、曹国前长官6,314次。这是截至2025年3月累计20年的统计数据，因此与当前职位无关。值得关注的并非排名先后，而是其构成。进步派与保守派并列在同一份名单之中。非政治人物的攻击目标性质也类似。“大韩民国”、“地狱朝鲜”、特定政党名称填满了榜单，而贬低特定总统的变体拼写甚至频繁出现到了足以单独列项统计的地步。
按不同执政时期拆解来看，这种模式更为清晰。**卢武铉、李明博、朴槿惠、文在寅、尹锡悦。在跨越五届政府的岁月里，无论属于哪个阵营，当时的在任总统始终位列前十大目标之中。**即便是对这些账号推测来源国相对友好的政权也未能幸免。领衔这项研究的KAIST李元宰（音译）教授也解释称，这些账号呈现出的模式并非直接赞美外国，而是通过贬损韩国及韩国国内政治人物来激化矛盾（见韩国媒体报道）。比起支持特定阵营，这更像是一种通过交替攻击不同阵营来挑起冲突的手法。
顺便提一句，论文仅将这些账号的推测来源国标注为“主要邻国”，并未直接点明具体国名。这是为了专注于手法分析而非陷入地缘政治纷争的选择，研究团队在接受韩国媒体采访时也保持了同样的表述。我在本文中同样不提及具体国名，沿用与论文一致的表述。我认为在这项研究中，手法的本质远比国名本身更重要。
选举临近，账号就会增加
新出现的可疑账号数量紧跟政治日程波动。在总统选举、国会议员选举、地方选举前后的 30 天内，新出现的可疑账号每周平均达 34.19 个，比平时的 22.61 个多出 51%（论文统计，p<0.01）。您可能会问，选举期间新用户本身不就会增多吗？研究团队也提出了同样的疑问。普通用户的涌入仅增长了 24%，而新用户中可疑账号所占的比例也从 0.82% 显著上升至 0.91%。这意味着这并非随着人流自然增加，而是针对选举的选择性集结。
最大的一波涌入峰值出现在 2017 年 5 月，即弹劾刚结束后的总统选举局面。当时新出现的可疑账号达 635 个，为 20 年来的最高纪录。而整体活动量的峰值则出现在次年，即 2018 年。仅在这一年，“抨击韩国”的评论就累计达 67 万 5,107 条，平均每天约 1,800 条。这一时期正值围绕萨德部署的外交冲突演变为经济报复，同时正如论文所指出的，与周边国家将认知战1执行组织制度化的时间节点相重合。
留下的评论数量之多，也绝非单个人能亲手写出来的。作为起点的 70 个账号，平均每个账号留下了 5,091 条评论。即便每天写一条，也需要近 14 年的时间，因此研究团队将其解读为动用了自动化的迹象。
活动方式也并非单打独斗。已知的 70 个账号相互关注、抱团聚拢，账号之间的互粉关系是普通用户群体的 138 倍，平均关注数则是 35 倍（论文附录统计）。这意味着它们并不是各自行动的个体，而是作为一个互相推高彼此评论的集体在运作。
唯独批评韩国的评论跨过了点赞比例门槛
他们为何不夸耀自己的国家，反而一味批评韩国？原因就藏在 Naver 评论区的排序机制中。Naver 是 63% 的韩国成年人接触新闻的门户入口（韩国言论振兴财团 2025 年调查，论文转引）。而在这一门户的评论区中，排在前列的评论是由点赞比例决定的，也就是点赞数除以点赞与点踩的总和。只有超过 0.5，才意味着点赞数多于点踩数，被推上顶部的概率也随之大幅增加。
在可疑账号的四种修辞策略中，跨过这道门槛的仅有“批评韩国”一种。其平均值为 0.514。而赞扬周边国家的比例仅为 0.362，赞扬俄罗斯等盟友的更是跌至 0.241 的谷底。回归分析的结果也呈现出相同的趋向：批评韩国的力度越强，点赞比例就越高；赞扬周边国家的力度越强，点赞比例反而被拉低得越狠。换言之，吹捧自身体制只会招致韩国读者的反感，而痛骂韩国社会的评论却能一路冲上热评。根据论文的回归模型，评论中批评韩国的属性哪怕只被检测到一半左右（概率 0.45），就会进入点赞超过点踩的区间。
论文中收录的实际案例也反映出同样的规律。批评韩国的评论通常将征兵制斥为国家运营的奴隶制，而赞扬周边国家的评论则往往摆出一副对韩国指手画脚的姿态，宣称韩国应当学习邻国的体制。前者登上了热评，后者则石沉大海。
这背后有着深厚的理论背景。Brady 研究团队在 2017 年分析了 Twitter 上的 50 万条政治信息后发现，带有道德情感2的信息比不带此类情感的信息传播得要深远得多。包含道德情感的词汇每增加一个，传播范围平均就会扩大约 20%。也就是说，文字中蕴含的愤怒与鄙夷越强烈，人们转发传播的意愿就越高。本项研究所归类的“道德谴责”型评论触动的正是这种情感。而真正把这些评论推上顶部的，并非机器人，而是那些觉得“骂得痛快”而点下赞同的韩国普通用户。
由此便产生了一种附带效应。要想规避检测，就必须舍弃道德谴责这种显眼的表达，可恰恰又是这种表达赋予了评论冲上顶部的力量。一旦成功规避了检测，影响力也会随之丧失。 一套设计精良的检测标准，其本身便足以对这类操纵行为构成制约。
国情院水军、Druking，以及这次的这批账号
看到这里，我想到了英国的分而治之3。也就是**分化并统治（Divide and rule）**的策略。1905年按宗教界线切分孟加拉，1909年设立按宗教区分的独立选区，将冲突植入制度之中的那种手段。不过这里存在一个决定性的差异。英国的目的是统治，因此他们亲自设计了制造分裂的制度，甚至承担了维持这套制度的成本。而这次的这批账号并不是为了直接统治韩国，所以他们不需要设计或维持制造分裂的制度。矛盾本就在韩国政治内部不断滋生，而把谩骂评论推上顶部的活儿有“点赞排行榜”代劳，他们只需要在上面再加几条评论就行。无需亲自建立和运营制度，投入的成本自然要低得多。
而且，评论区顶部被这样盯上也不是第一次了。在2012年大选前夕，韩国国家情报院动员心理战团，有组织地留下评论并点击赞踩，前国情院院长元世勋于2018年被大法院判处有期徒刑4年定谳。从2016年12月到2018年4月，Druking团伙利用宏程序“Kingcrab”，针对7.6万余篇新闻报道下的118万余条评论，疯狂刷入了8,840万余次赞踩点击。国家机构、国内党派组织，再到疑似与外国有关联的势力，三个截然不同的主体瞄准了同一个靶心：热门评论即代表民意的刻板认知，以及决定那个位置的点赞排行机制。
差异在于介入的目的。国情院和Druking介入评论区是为了让特定候选人获胜。相比之下，这次的这批账号并没有特定支持的候选人或阵营，不论阵营偏向何方，他们都朝着激化韩国国内冲突的方向行动。手法也不同。Druking是用机器点击按钮伪造信号，因此在服务器日志中留下了痕迹，最终闹上了法庭。而这次的账号则是引诱真实用户亲手去点。每一次点击全都是真实的，因此既没有可以抓包的日志，也没有适用的处罚规定。
时间上也是重叠的。论文指出的可疑账号流入最高峰（2017年5月），恰好处于Kingcrab运转周期的正当中，而活动量达到峰值的2018年也与该区间重合。这意味着在同一个评论区里，怀揣不同目的的多只黑手曾经在同一时间暗流涌动。
检测结果的局限性与支持该研究的旁证
但在接受这一结果时，有几点需要谨慎对待。首先，“检测”并不等于“定论”。研究团队自身也将这 2.4 万个账号全部标注为“疑似”，并未断定它们就是经过验证的国家行为体。该研究的识别模型属于可解释 AI4，其优势在于能以句子为单位给出怀疑的依据，但这些依据同样是供人复核的线索，而非盖棺定论的判决书。
数字本身也存在局限。尽管账号识别模型的准确度报告为很高的 F1 0.94，但用于验证的样本较小，仅有 151 个账号；而“道德情绪”标签在研究人员之间也存在分歧，一致性停留在中等水平（0.512）。此外，Naver 在 2024 年类似宗旨的其他研究发表时曾反驳称，被指认的账号经核查全为韩国人账号（当时的媒体报道）。Naver 目前尚未对本项研究表态。
反之，也有一些旁证为该研究提供了支持。即使通过语言模型将测试评论的措辞彻底改写，检测性能也几乎保持不变（见论文附录实验）。这意味着模型并非死记硬背特定词汇，而是在解读修辞结构。新发现账号的活动时间序列也与已知的 70 个账号高度同步联动（月度相关性为 0.85）。这一数值显著高于暴露在相同报道下的普通用户群体（0.70）。而且，由于整个数据集完全公开，这场争议不会沦为口舌之争，而是可以交由其他研究者进行复现与验证。研究团队还设立了相应流程，供个人核对自己的评论是否被纳入其中并申请删除。
Oswarld视角
我是从市场战略的角度来解读这组数据的。在制定经营战略的过程中我学到过一点：后发者撼动行业第一名成本最低的办法，不是夸赞自己的产品，而是摧毁市场本身的信任。只要在整个品类中植入不信任，就不再需要证明自身的比较优势。这也是为什么在新品发布阶段，抹黑竞争对手往往在短期内极其奏效。
这些账号跨越20年的操作完全契合这一逻辑。“我们的体制更好”这种说服成本高昂且收效甚微。事实上，称赞周边国家的评论平均点赞率仅为0.362。相反，“你们的社会已经腐朽”这类挑拨不仅成本极低、传播极广，甚至还会被目标国家的读者自发顶上去。
因此我认为必须改变辨别标准。仅仅去纠结“这条评论站在哪一边”的标准在这组数据面前毫无意义。因为卢武铉、李明博、朴槿惠、文在寅、尹锡悦五届政权的现任总统全部位列前十大目标之中。 作为从事数据工作的人，我还想补充一点：越是这类的研究，越要先看测量的局限性而非结论，而这篇论文能够主动公开其局限，反而让人觉得更加可信。我们应该换个方式发问：这条评论是为了让某一方获胜，还是为了让我们彼此争斗？ 而个人觉得最令人背脊发凉的一点在于，将这些抹黑评论真正推上热评顶部的最后一步，不是机器人，而是点击点赞的韩国网民。
结语
我们来做个总结。从长达 20 年的 NAVER 评论中筛出的 2.4 万个可疑账号，并不偏向特定阵营。它们轮番攻击左右翼政治人物以激化矛盾，每逢选举季节涌入量便会激增，而将那些攻击性评论推上顶部的，正是赞同率排名机制以及我们亲手按下的赞同按钮。
因此，我的建议只有一个。在政治新闻中看到让人直呼解气的攻击性评论时，在按下赞同之前，请先问自己哪怕一次：这条评论究竟是想让某一方获胜，还是想让我们彼此厮杀？ 如果答案更偏向后者，那么你的那一次点赞，就可能被用来把这样的评论推向置顶位置。这不是要你强忍怒火，而是希望我们记住：背后有人正试图精心设计这股怒火的宣泄方向。
不知你最近是否也见过“这看起来有些组织化吧？”的评论模式？请在评论区简短分享一下是在什么样的新闻里、属于什么类型。如果收集到值得与公开数据集进行比对的案例，我会在下一期展开探讨。
💬 如果你目击过“这有些组织化吧？”的评论，欢迎留言分享。我会将其作为下一期的选题进行探讨。 📨 如果你身边有经常阅读新闻评论的朋友，请将本文分享给他们。
推荐阅读往期精选
我们曾从产业与供应链的维度探讨过本期故事中的“周边大国”。
参考资料与延伸阅读
核心来源
- Jaehong Kim, Hyeonseung Kim, Jiseon Kim, Alice Oh, Thorsten Holz, Wonjae Lee, Meeyoung Cha, “Cross-National Information Attacks: A Two-Decade Analysis of Troll Behavior in Korea”, USENIX Security Symposium 2026 (arXiv:2606.22785). 链接 ··· 这是本期通讯的骨架。第 5 章策略分析是核心，附录表 11 中列有各届政权的目标名单。
- 研究团队公开数据集，Zenodo。链接 ··· 1 亿 1,266 万条评论的原始数据。推荐给想要亲自验证的读者。
- 《电子新闻》（ETNews），“2 万余个 Naver 账号，助长韩国政治冲突”（2026.8.12）。链接 ··· 包含研究团队在韩国国内发布时评论的报道。
背景知识
- 韩国国家安全战略研究院（INSS），外国影响力行动实态公开资料（2024）。链接 ··· 本项研究起点的 70 个账号的出处。
- 《京乡新闻》，“疑似中国人账号，在中韩竞争领域组织性评论操纵舆论迹象”（2024.9.29）。链接 ··· 2024 年先行报告的报道。此处出现的 Naver 77 个、YouTube 239 个账号与本论文的 70 个种子账号统计不同，切勿混淆。
- 《法律新闻》，“‘国情院水军’前国情院院长时隔 5 年终审获刑 4 年”（2018.4.19）。链接 ··· 国家机关曾敲击过同一片评论区的首次前科的定罪记录。
- 纽西斯通讯社（Newsis），“‘共谋 Druking 评论操纵’终审判处 2 年有期徒刑”（2021.7.21）。链接 ··· 涉及 7.6 万余篇报道、8,840 万余次点击的操纵规模的出处。正文中的数据以此判决为准。
- William J. Brady et al., “Emotion shapes the diffusion of moralized content in social networks”, PNAS, 2017. 链接 ··· 关于道德情绪为何更易传播的代表性研究。是第三小节的理论背景。
📝 术语说明
注释
-
认知战（Cognitive Warfare）：不靠武力，而是将对方国民的认知与舆论作为攻击目标的战略。北约（NATO）将其定义为外部行为体将公众舆论武器化以动摇政策与制度的行为。 ↩
-
道德情绪（Moral Emotions）：在像愤怒、蔑视、厌恶那样对他人进行道德指责，或像赞叹那样推崇他人时起作用的情感。诸多研究表明其在网络上的扩散力尤为强劲。 ↩
-
分而治之（Divide and Rule）：通过煽动被统治群体内部的矛盾来阻止其团结，从而使统治更轻松的策略。英国对印度的统治被视为典型代表。 ↩
-
可解释人工智能（Explainable AI）：不仅给出判定结果，还会一同呈现判断依据的 AI。在本次研究中，它以高亮形式展示了作为可疑判定依据的评论文句。 ↩