杨超

恶意刷单从自动化程度区分，可以分为人为恶意刷单，机器算法恶意刷单两大类。人为恶意刷单由人亲自控制，精确度高，可控性强，甚至还有一定的应变能力，但缺点是成本较高；机器算法恶意刷单是指用自动化算法来模拟人的操作进行恶意刷单，自动化程度高，速度快，可快速达到目标，但缺点是其恶意的行为较容易被识破，应变力较弱。从危害程度来看，机器算法恶意刷单的危害性更强，更容易以低成本快速达到目的。

恶意刷单从技术上踩到了电商平台的痛点，即从技术上比较难以辨别——哪些刷单是人为故意的，是为了提高销量而进行的不正当操作，应该严厉惩罚的；哪些是被对手恶意刷单，应该惩罚恶意攻击者而不是商家本身的。如果是实体商家，这两种行为模式有着较大区别，无论对执法者还是购买者都比较容易区分。

为了提高虚假销量而进行的恶意刷单存在了较长时间，国内几大电商平台也从技术角度不断改进辨别和判断的方法，原来早期判断恶意刷单是基于定量算法，例如销量超过某个百分比就判定或惩罚。后来提出了更精确的定性算法，用较复杂的权值算法将多种参数综合考虑，并提出“假一罚三”等新的惩罚措施。最近以来，平台也在引入机器学习算法等新的方法来提高判断准确率。

所以，目前的情况是电商平台有很多手段可以判断是否存在恶意刷单，但鲜有方法可以准确、高效地判定“被动型”恶意刷单。而随着电商竞争的激烈化，恶意刷单还可能分化出各种新的类型，这些问题给电商平台又出了一张技术和管理的考卷。