我来辟个谣：谈谈微信封号封群的逻辑（技术篇）

注意防护

读完约需要

10

分钟

疫情未结束

之前谈了与微信封号封群的相关常识（常识篇），强调了一点：即使您不懂某个行业的专业知识，但凭借常识与逻辑，您还是可以识别很多谣言。

有鉴于“常识篇”一文的现实遭遇，这篇文末我就不做总结了，能看懂这幅图片，自然会懂我的意思。

今天主要谈谈技术方面的，但请不要被“技术”这两个字吓到，因为我也不怎么懂

，今天聊得也很肤浅，但我会尽量去专业化，力求通俗。

1

理论与现实

依然先扯个淡，谈谈理论可行与实际可行性的区别。

曾经有人说，如果全中国每人给我1元钱，那我就成了亿万富翁。这看起来很可能，毕竟钱很少，而且绝大多数的人，不仅有1元钱，而且愿意给你。这就是理论可行。

但是，这在以前是很难做到的，因为你要跑遍全中国挨个儿去收这个钱，可行性就成了问题。这就是实际可行性欠缺。

你可能要说，今非昔比，互联网就让这不可能的事情变成了可能，不论是支付宝还是微信，给你转个1元钱都很容易，似乎这个亿万富翁一夜之间就成了。但我说这依然不可行 —— 到底是理论不可行，还是实际可行性欠缺？对此，如果您已有确切的答案，那往下看就是浪费时间。

扯了会儿淡，主要是想说，理论可行和实际可行有很大的差距，特别是对于不在一个量级上的数据处理，区别可就太大了。

以图片举例，一张图片是不是敏感，要不要屏蔽掉，肯定得先识别内容。

这自然不会靠人工来一张张地识别，百张以上的图片就会把人整得眼泪哗哗的。而且，人类对于大数据是无感的。比如，10的6次方已经很大了，但和10的100次方相比，那就很小了，但100次方到底有多大，你是没有感觉的，因为平日接触得很少，脑子处理不了。

机器处理图片时也面临同样的问题，当它识别一定数量的图片时，成功率很高，因为技术不成问题，现在图像识别技术已经很棒了（即使对这个行业动态无知，也可从人脸识别技术来推断一下），但一旦涉及海量数据，图像识别技术的运用就会因为算力有限而大打折扣。这就像你可以去找10个人去讨要1元钱，甚至可以去找10000个人去要，但10万、100万……呢？你必然会遇到一个难以逾越的阈值。

于腾讯而言，这阈值就是它的运算能力，而运算能力是硬件辅以软件“堆”出来的，因而也可以将之转换为“成本”来衡量 —— 它得考虑图像识别的成本。

这就意味着微信系统若想用最小的成本把活干好，它得降低运算复杂度 —— 这其实是一句废话了，特别是对于程序员而言，降低运算复杂度是他们的天性。

那为什么我一定要说这句废话呢？因为，这就是腾讯设计微信系统时业务逻辑之一，他们逃不过的。我也是因为这一条而敢做出如下的判断。

这就涉及如何降低复杂度的问题，基本方法有二：

1. 分类

2. 抽象方法

2

假如我是微信系统的设计者

下面就假设我是微信系统的设计者，那我会如何处理敏感信息呢？

不同类型的信息，识别的复杂度是有区别的，以我粗浅的认知，将它们大致排个序（如若不对，请方家指正）：

1. 文本文字

2. 常见文本对象（docx、pdf等）

3. 图片

4. 视频

5. 语音

6. 其他对象

2.1

文本文字

处理文本文字肯定是最容易的，识别方简式单粗暴，和敏感词对比就行。

针对于这个识别手段，一些人采用同音字替代，这就很难应对了，因为中文的同音字很多，人为可以将之还原为恰当的原词，但机器处理就有很难了。近些年来人工智能大力发展，机器学习技术或可在这一领域有用武之地，但之前说过，这算力成本可就大大增加了，很可能得不偿失。（顺便说一下：以程序员的眼光来看，将人工智能用于敏感词识别真的是暴殄天物啊。）

另外，人天生有种脑补的能力，会自动修正一些字词的顺序，您往上看两段，我故意将“识别方式简单粗暴”里面“方式”与“简单”穿插了，不知您是否察觉？倘若“方式”是敏感词，这样穿插之后，程序是无法识别的，因为字符串序列里面只有“方简”，而无“方式”。我不知道人工智能是否可以处理这种乱序，但好在这样使用的不多，再说也有弊端，比如涉及到某些否定词，如若乱序后位置不当，那误会可就大了。

在没有乱序输入工具之前，故意乱序会很折腾人的，倘若乱序不当，那接受信息的人也很吃力，这和用谐音字替代类似，是一柄双刃剑。作为系统设计者，出于成本考虑，我肯定会先忽略，不特别处理谐音和乱序等模式。

总的来说，文本识别最简单易行，但漏洞也很多。比如，有些人将文字做成了图片，这就增加了识别时的算力成本。

2.2

常见文本对象

word文档、pdf之类的已经是非常常见的文档格式，微信也支持预览这样的文件，显然，支持读取这类办公文档的功能已经被内建，传播这类文档只是比文本类的稍微复杂一点，涉及到文档格式的解析动作，开销比读取纯文本文件要略多。

这样的文本对象还有Excel等，我没法告诉您完整的列表，但可以这么判断：只要微信不需借助第三方软件就可以预览文件的，那么这种格式的文件对象，微信是可以读取内容的，必然就是可审查的对象。

由于这类文本对象常常包含图片对象，因此，处理起来的复杂程度肯定要比图片更难。之所以排在这里，是想说，如果文本只是用Word、PDF套个壳，其内容和你直接在微信里面发文本没有太大区别的。

2.3

图片

之前已经用图片举过例子了，这里重提一下，由于机器的算力有限，不可能将所有的图片都识别一遍，识别之前先要缩小识别范围，这会在“抽象方法”的章节专门探讨，这里介绍下当前主流所采用的图片识别方法。

微信系统要识别的对象可以分为两种：人物与文字。

但请注意，系统需要真正关心的是内容，也就是人物和文字是什么。比如某人的照片，倘若我们首先关心的是这人是谁，那就可以不管它的分辨率、颜色等属性，这些其实是噪音；对于图片中的文字识别，系统最终关心的是文字所表达的意义，至于字体什么的，本应与图片的颜色相当，也是噪音。然而，要想知道图片中文字意义，必先识别文字，而要想准确识别文字，必须知道当前的字体，而现在字体繁多，特别是很多美术字体，长得像朵花，这势必会给识别带来了麻烦。更别说那种时而正立显示，时而倾斜、翻转的花式文字组合了。

总体来说，可以通过和已知的敏感图片进行匹配，然后进行相似度打分，超过某一分值，就认为两张图片相同。

通常，在进行图片相似度匹配之前，会先对目标图片进行降噪，也就是将图片灰度化，去除色彩等噪音信息，这基于一个前提：轮廓可以反映图片的内容。这很好理解，以前黑白电视机的时代，是能表达大部分内容的，当然，这必然会有损失，但在识别的效率、成本、准确度几个维度综合衡量，将图片灰度化之后再进行匹配对比是非常经济的。

我虽不知道腾讯会采用什么算法，处理的数据越大，自然会采用高效低开销的方法。

那对于因算法缺陷所致的漏网之鱼，以及新出现的图片，系统该如何来处理呢？别急，依然会在“抽象方法”的环节讲到。

2.4

视频

视频和图片的处理有类似之处，但视频更为复杂。

视频可以分解为一帧帧的图片序列与音频之和。但如果将图片识别的策略应用到视频上，那可又是一批海量数据。随机取样抽帧检测的方式能有效提高识别过程，比如，每个视频的在前后10帧里面随机取1帧，再在中间所有关键帧里面随机取出3帧，那就可以大概知道视频的内容（类别）了，这时，一个视频就被转化成5张图片识别，效率大大提高。

这样自然也会有漏网之鱼，但视频的复杂还在于音频部分。

2.5

音频

按说，视频不但包含音频，还包含图片序列，应该会比音频更难处理才是。但为何我把音频排在视频之后，认为其更难处理呢？

您不妨反推一下，为何腾讯不允许转发语音？

语音识别技术现在虽有长足的进步，但是，语音太繁杂了，方言又多，识别率很低的。因此，当前微信采用了限制转发语音的策略。

您肯定要提出质疑了，既然如此，视频里面也有音频，自然也会有同样的问题吧？是的。视频被处理时，也同样面对音频的问题，但视频有图片啊，这时音频反而被忽略了。也许微信根本就不识别视频中的音频，而是根据图片来判别视频的内容。这时，视频的序列图片反而成了识别视频的“有效信息”。您还可能会问，那制作一个语音与图像不相干的视频，岂不是既能够传播，又逃过了审查？看起来是的，但是，基于两个原因人们通常不会这么干：

1. 一个语音与图像不相干的视频，看起来就很奇怪，语音虽然得以传播，但这样别扭的视频，本身是不利于传播的；

2. 制作一个纯音频的文件，比如mp3，不就可以规避第1条中的不利因素么？

即使人们不在乎这两个因素，依然制作了语音与图像不相干的视频，那还有最终的防线，那就是人工。重要的是人工在什么时候介入，这个依然在后面说。

2.6

其他对象

除了以上所列出来的，其他的都算其他对象，比如mp3文件。

但请您注意：不论是哪种文件格式，即使微信不能读取里面的内容，但文件名是显然能识别的。因此，检测文件会先从文件名开始，也就是文本检测了。

微信难以支持太多的文件格式，那是不是意味着对不支持的格式就毫无办法呢？

答案显然是否定的，因为最后的防线是人工，但显然人工不是一开始就介入的。依旧接下来再谈。

3

抽象方法

学会抽象思维，可以说是程序员的基本功。

抽象之后，微信号、微信群、一篇文章、一个视频、一个文件……都被看作：对象。

而且，付诸在某个对象上都有统一操作的方法，比如这个方法叫“闭嘴（shutup）”，我们这么来标记一下：对象->shutup()。

当一个微信号被封时，就是“微信号这个对象->shutup()”程序被调用了，同样，一篇文章被和谐时，就是“文章这个对象->shutup()”程序被执行了……只不过，其内部实现的细节有所差异。

什么时候会被调用呢？可以是人工调用，直接封掉一个号、一个群……，也可以是系统自动触发的。人工执行没什么好说的，看你不顺眼就开干，这里只谈系统自动触发的逻辑。

首先是识别对象。也是上一篇文章里谈到的重点，微信群不是被以群名来区分的，那是什么呢？

是ID。

我们可以将之理解为身份证号码，在现实中，即使你申请个人改名，但你的身份证号码是永远不会变的，而且是唯一的，在微信里面也是如此。任何对象一旦进入微信系统，都会产生一个ID，用以唯一标识这个对象。

不但微信号有ID，任何你加入的微信群也有ID。当你改微信昵称、微信群昵称之后，你依然和原来的朋友相关联，你也依然在原来的微信群内，因为底层逻辑是以这个不变而且唯一的ID来相互关联的。

其他对象也是如此，视频、图片、文件一旦进入了微信系统，也会生成ID以作为标识。这样有明显的好处，对象只需要在服务器里面存储一份，其他需要引用对象的地方只要存贮这个ID（字符串）即可，大大降低了存储开销。

接下来，谈一下对象被转发时的可能逻辑。

比如一个20MB的视频上传到了微信，服务器里存储这个视频文件，用去了20兆字节的空间，然后生成了它的ID，之后引用这个视频的地方，就只需要存储这个ID字符串了，与20MB相比可就小得多。这个用户看不见的ID可能是这样的：

890e10c49d86e807e09df4a873363f35c2c5eb486ab0e7de9250ff3ec95fe3ec

为了表达方便，下面的例子中，在ID前后各取3位来表示这个视频：8903ec 。

与这个视频关联的有很多信息，比如，谁生产的（初始传入微信的），谁消费的（看过视频的），是否敏感…… 我们采用以下方式来标记：

8903ec[生产者]     = “张三”
8903ec[观看人数]  =  0
8903ec[敏感]        = “否”

一个视频上传到微信，微信会计算它的ID，然后添加进数据库。会有这种可能：如果这个文件就是从微信里面下载的，或者某两人上传的来源文件一样，只要没有被修改过，那它计算出来的结果就与之前的ID一致，那么就被认定为同一个文件。在转发的过程中，视频的观看人数会不断增加。

比如，有人制作了这个视频，发到100人的群内（不见得人人会看，但这里逻辑简单一点），那么：

8903ec[观看人数] = 100

后面，又被2人分别转发了，一个发到300人的群，另一个400人的群，那么观看总数：

8903ec[观看人数] = 100+300+400 = 800

以此类推，当系统发现这个对象达到了某一个阈值，我们将之称为“影响力阈值”吧，比如100万的观看量，那说明这个视频有传播效应，人工就会来审核一下，看看里面是否包含不和谐或者敏感内容。

当人工确定了内容不宜传播，就更改“敏感”属性值：

8903ec[敏感] = “是”

只要是有人想转发这个视频，系统会先判断ID（8903ec）的[敏感]属性值，如果为“是”，就会阻断转发过程（表面上，你看见视频已经发出，但其实他人看不见）。

以上业务逻辑可适用于所有被转发的非文本文字对象，比如图片、文件等。利用这种方式，可以大幅降低人工干预的频率与成本，您可能会说，那之前已经在100万人之间传播了啊？确实如此，但这样可以将那些热点对象过滤出来，降低人工审核的负担，毕竟人力比算力还有限。在严格时期，可以调小这个阈值，比如为10万，只不过人工就得多加班了。其实呢，相对于以亿计数的网民，100万也是一小撮（可以想想几百个人里面的1个人，但也不能完全以比例论，如果这100万人集中在某地就麻烦了，不过，这是腾讯可以根据地理位置信息监测得到的）。

一旦某对象被标识为敏感，系统自然可以追溯每一个转发者，乃至生产者，因为它们之间的记录关联，就是ID与ID之间的关联，存储的开销很小小，微信实际很可能就是这么干的。

最后，我们看一下微信封群与封号的可能逻辑。

假设某个视频被发到了某个微信群（ID简写为：e09df4），后来被标记为敏感，那这个微信群的敏感值从初始值0变成了1:

e09df4[敏感值]=0+1= 1

后来，这个群内又出现了一条敏感信息，于是又加1:

e09df4[敏感值]=1+1= 2

直到加到某一个阈值，比如10，那么就自动触发封群：e09df4->shutup()。

封群的逻辑也同样适用于个人微信：当某人转发或生产的敏感信息总量达到某一阈值后，会触发系统封号。

显然，这种处理方式有一个漏洞，也就是上面所说过的：一旦文件对象被修改，再传进微信系统后，它的ID会发生变化。现实中，也确实看见人利用这个漏洞，比如在转发的图片上面画一笔，这样他转发出来的就是一个新对象，因为ID已经不同了，如果能逃避图像识别的对比，那么，它被浏览数就得又从0开始计数……

在抽象方法这个环节，您大概已经看到：

1. 对于被转发的所有非文本对象，判断其是否需要人工审查，其逻辑是一致的：只需要检视其被观看的次数；而一旦判断其敏感之后，处理的逻辑依然是一致的：系统根据人工判断的结果，决定是否阻断其再传播；

2. 对于个人微信或微信群，其封号的逻辑依然可以是一致的：当某人生产或转发敏感信息达到某数量时，封号动作被系统自动执行；当某微信群内出现过的敏感信息数达到某数量时，封群动作被系统自动执行。

还有一个可能的业务逻辑，即对于那种高危信息，只要信息流经的微信与群，统一格杀勿论，这时就不管你的敏感值计数了。在这种情形之下，微信的江湖必将哀鸿遍野。

现实中的微信实现，肯定比以上所说的要复杂，比如，执行shutup()程序时，也是区别对待的，有的封号一周、两周或一个月，有的是永久封号，里面的判断规则如何，我就不妄加揣测了，想来大体差不多。再比如，某对象还可能以“被投诉/举报次数”来计数，以决定是否（或何时）人工干预。

于之前所言，对于文章标题的问题，我就不再总结叙述了。说了这么多，如果您还没有看懂我想说什么，那我只能用《教父》之言来擂擂破鼓了：

那些花半秒钟就看透事物本质的人，和花一辈子都看不清事物本质的人，注定是截然不同的命运。（其实封了也没什么）

最后也申明一下，以上的分析只是一位曾经的程序员根据自身浅薄经验而来的YY，只能算纯技术方面的探讨，信与不信都在于您。特别提醒：作者并不曾在腾讯工作过，现实中，与腾讯程序员也没有交集。