目标不是让谁赢，而是让人互相争斗
文在寅和尹锡悦都被同一批账号骂过
开篇
读者，昨天KAIST和德国马克斯·普朗克研究所的联合研究团队公开了对NAVER新闻评论1亿1266万条的分析结果。这是2006年4月至2025年3月长达20年的数据，涵盖405万名用户留下的全部记录。研究筛出了2万3998个疑似与外国势力关联的影响力活动账号，该研究今天将在安全领域最高权威学术会议USENIX Security上正式发表。
不过比检测技术更让人反复咀嚼的是攻击目标名单。这些账号攻击的政治人物名单里没有左右之分。文在寅和尹锡悦都是同一账号池发出的谩骂评论的目标。不挑阵营的攻击，乍一看似乎自相矛盾。
先说结论。这些账号的目标不是让某一阵营获胜。而是让我们更加互相憎恨，也就是分裂本身。
同一只手打了两边的脸
出发点是国家安保战略研究院2024年公开的70个境外关联账号。研究团队将与这些账号有关注关系、或反复聚集在同一篇报道下的账号纳入候选群，再对评论措辞和账号行为模式进行分阶段分析，最终筛选出2万3998个疑似账号，占全体用户的0.59%。这些账号留下的评论总数超过1500万条，其中被归类为具有影响力活动性质的412万条是本次策略分析的对象。
统计这些账号所写的“辱骂韩国”评论中只获得赞同、没有反对，也就是排在评论区最上方的那些评论的攻击目标后（以论文正文及附录统计为准），前10名中有7个是政治人物。文在寅前总统被点名1万6651次，李在明当时作为总统候选人被点名1万3522次，尹锡悦前总统9887次，曹国前部长6314次。这是截至2025年3月的20年累计数据，与现任职务无关。值得关注的不是排名，而是构成。进步派和保守派赫然并列在同一份名单上。非政治人物目标的性质也相同。“大韩民国”“地狱朝鲜”、特定政党的名称填满了名单，贬低特定总统的变体写法出现频率之高，甚至被单独列为一项统计。
按政权划分来看，模式更加清晰。**卢武铉、李明博、朴槿惠、文在寅、尹锡悦。历经五届政权期间，每一时期的现任总统无论所属阵营如何，始终位列前十大攻击目标之内。**即便是相对亲近这些账号推测出身国的政权，也不例外。领导该研究的KAIST教授Wonjae Lee也解释说，这些账号呈现出的模式不是直接赞美外国，而是通过谩骂韩国和国内政治人物来激化矛盾（国内媒体报道确认）。这不是站队，而是挑起争斗。
顺带一提，论文只将这些账号推测出身国标注为“主要邻国”，对国家名称做了匿名处理。这是选择专注于手法分析、而非地缘政治攻防的做法，研究团队在国内采访中也保持了同样的措辞。本文也遵循同样的分寸。做出判断所需要的是手法，而不是国名。
选举临近时账号会增加
新出现的疑似账号数量随政治日程波动。在总统大选、国会选举、地方选举前后30天内，新出现的疑似账号平均每周34.19个，比平时的22.61个多出51%（论文统计，p<0.01）。有人可能会问，选举季节本来新用户就会增加，这不是理所当然的吗？研究团队也提出了同样的问题。结果发现，普通用户流入只增加了24%，新用户中疑似账号所占比例也从0.82%显著上升到0.91%。这说明并非人流增加就顺带带来更多疑似账号，而是有针对选举的选择性集结。
最大的流入高峰出现在2017年5月，即弹劾之后的总统大选局面。这一时期新出现的疑似账号多达635个，是20年间的最高值。而活动总量的峰值出现在次年2018年。仅这一年，“辱骂韩国”的评论就累积了67万5107条，平均每天1800条。这段时期正值萨德部署引发的外交冲突演变为经济报复，也正如论文所指出的，与邻国将认知战1执行组织制度化的时点重合。
这些账号的“工作量”也不符合人类的作息节奏。作为种子账号的70个账号，平均每个账号留下了5091条评论。就算每天写一条，也要花近14年，研究团队将其解读为存在自动化操作的迹象。
行动也不是各自为战。已知的70个账号彼此互相关注、抱团行动，账号间互相关注的比例是普通用户群体的138倍，平均关注数是35倍（论文附录统计）。这意味着它们不是孤立的个体，而是作为一个相互放大彼此声量的集群在行动。
分裂是笔稳赚不赔的买卖
为什么不是夸自己国家，而是骂别人的国家？答案就在平台的设计中。NAVER是63%的韩国成年人获取新闻的门户（韩国新闻振兴财团2025年调查，论文转引）。而这个门户里评论区顶端的位置，由赞同比例决定，也就是赞同数除以赞同与反对之和所得的值。这个值超过0.5就意味着赞同多于反对，登上顶部的概率也随之提高。
疑似账号使用的四种修辞策略中，只有一种越过了这道门槛——“辱骂韩国”。平均值为0.514。赞美邻国的评论只有0.362，赞美俄罗斯这类友邦的评论垫底，仅0.241。回归分析的结果方向也一致。辱骂韩国的强度越高，赞同比例越高；而赞美邻国的强度越高，赞同比例反而越低。也就是说，夸耀自身体制只会招来韩国读者的反感，而辱骂韩国社会的评论则会冲上热门。以论文的回归模型为准，只要评论中检测到一半程度的“辱骂韩国”性质（概率0.45），就已经进入赞同超过反对的区间。
看实际案例就更能理解这种脉络了。“辱骂韩国”类评论通常将征兵制说成是国家运营的奴隶制，而“赞美邻国”类评论则说韩国应该向邻国的体制学习。前者冲上了热门榜首，后者则沉到了底部。
这背后有理论支撑。布雷迪（Brady）研究团队在2017年分析了推特上50万条政治信息后发现，带有道德情绪2的信息比不带道德情绪的信息传播得远得多。带有道德情绪的词每增加一个，传播范围平均扩大约20%。愤怒和轻蔑正是能触发分享按钮的情绪。本次研究中的“道德谴责”类评论精准地按下了那个按钮。而这个回路的最后一个零件不是机器人，而是那些觉得解气因而点下赞同的韩国用户。
附带效应也很有意思。想要规避检测，就得舍弃道德谴责这种一眼就能识别的修辞手法，可这种修辞恰恰是登上评论区顶端的燃料。**一旦成功规避检测，也就失去了影响力。**设计得当的检测标准本身，就等于捆住了对方的手脚。
这个评论区，已经有过两次前科了
看到这里，我想起了英国的分而治之3策略——分裂之，然后统治之（Divide and rule.）！1905年沿宗教界线分割孟加拉，1909年又设立按宗教划分的分立选区，将矛盾植入制度本身，就是这种手法。不过有一个决定性的差异。英国的目的是统治，因此不得不承担直接设计并维持分裂制度的成本。而这次的账号根本无意统治。裂痕由韩国政治自行供给，放大由赞同排名机制免费提供，账号只需注入燃料即可。这不是为了统治而制造的分裂，而是为了削弱而制造的分裂，所以成本要低得多。
而这个要害被击中，也不是第一次了。2012年总统大选前夕，国家情报院心理战团曾被动员，有组织地留下评论和赞成/反对点击，前国情院院长元世勋在2018年被大法院终审判处有期徒刑4年。2016年12月至2018年4月期间，“德鲁金”（音译）一伙利用名为“King Crab”的宏程序，在7万6千余篇报道的118万余条评论上，刷入了8840万余次赞同/反对点击。国家机关、国内政派组织，再加上这次的境外关联疑似势力——三只不同的手，敲的是同一个要害。那就是“热门评论即民意”的认知，以及决定评论位置的赞同排名机制。
差异在于演化的方向。国情院和“德鲁金”是有立场的。那是有明确方向、意图让特定候选人获胜的干预。而这次的账号没有立场。从“让某人获胜”的干预，演变成了“让人互相争斗”的干预。手法也不同。“德鲁金”是用机器按按钮伪造信号，因此在服务器日志中留下了痕迹，最终闹上法庭。而这次的账号，是让真实用户亲手点击。每一次点击都是真实的，因此既没有可供追查的日志，也没有相应的处罚规定。
时间上的重叠之处甚至令人不寒而栗。论文指出的疑似账号流入最高峰（2017年5月），正处于“King Crab”运转期间的正中央，与活动量达到峰值的2018年也存在时间重叠。也就是说，在同一个评论区里，怀着不同目的的手曾在同一时间活动。
这些数字，该信到什么程度
接受这一切的态度需要有所把控。首先，“检测出”不等于“确认无误”。研究团队自己也只将这2万4千个账号标记为“疑似”，并未断定它们是经过验证的国家行为者。这项研究的判别模型属于可解释AI4，其优势在于会以句子为单位给出怀疑的理由，但这些理由同样只是需要人来审视的线索，而不是判决书。
数字本身也有局限。账号判别模型的准确率据报高达F1值0.94，但用于验证的样本只有151个账号，规模偏小；而“道德情绪”的标注在研究者之间也存在分歧，一致性仅处于中等水平（0.512）。此外，NAVER曾在2024年针对类似主旨的另一项研究提出反驳，称被指认的账号经查实全部是韩国人账号（当时的媒体报道）。对于本次研究，NAVER方面尚未表态。
反过来也有支持这项研究的证据。即便把测试评论的措辞整段用语言模型改写，检测性能几乎没有下降（论文附录实验）。这说明模型识别的不是死记硬背的特定词汇，而是修辞的结构。新发现的账号的活动时间序列，与已知的70个账号之间也呈现出高度同步（月度相关系数0.85），明显高于同一篇报道下的普通用户群体（0.70）。而且整个数据集都是公开的，因此这场争论不会止步于口水战，而是可以走向再验证。此外还设有渠道，供用户确认自己的评论是否被纳入，并可以申请删除。
Oswarld视角
我是用市场策略的眼光去读这份数据的。在做经营战略时学到过一件事：后来者撼动第一名最便宜的方式，不是吹嘘自家产品，而是摧毁整个市场的信任本身。只要让整个品类蒙上不信任，就不需要再证明自己比对方更好。这也是新品发布期间抹黑竞争对手往往短期内很奏效的原因。
这些账号这二十年做的事，恰好就是这个结构。“我们的体制更好”这种说服成本高、效果差。0.362的赞同比例这一成绩单就是证据。反之，“你们的社会烂透了”这种离间之词成本低、传播快，甚至连被攻击国家的读者都会主动帮忙推上热门。
所以我认为判别标准需要改变。**“这条评论站在哪一边”如今已经是一个失效的筛选条件了。五届政权全都被攻击过的数据，就是最好的证明。**从处理数据的角度再补充一句：这类研究越是这样，越应该先看测量的局限性，而不是先看结论，而这篇论文恰恰主动公开了自身的局限，这一点反而让我更加信服。取而代之，我们应该问：**这条评论，是想让某个人获胜，还是想让我们互相争斗？**而个人感受最不寒而栗的一点是，这条策略链最后按下执行按钮的，不是机器人，而是我们自己的手指。
结语
来总结一下。从20年份的NAVER评论中筛出的2万4千个疑似账号，并没有偏袒任何一个阵营。它们轮流攻击左右两派政治人物，激化矛盾；每逢选举季节流入量就会增加；而将这些谩骂评论推上评论区顶端的，正是赞同比例排名机制，以及我们按下的那个赞同按钮。
所以我只有一个建议。当你在政治新闻下看到一条让人觉得解气的谩骂评论时，在按下赞同之前，请务必先问自己一遍：这条评论是想让某个人获胜，还是想让我们互相争斗。如果答案偏向后者，那一次赞同，很可能就是某个人的业绩。这不是说要你压抑愤怒。而是提醒你记住：有一只手，正在设计你愤怒的方向。
最近有没有遇到过让你觉得“这个有点像组织行为”的评论模式？请在评论区简短分享一下，是在哪篇报道下、什么类型的评论。如果能收集到值得与公开数据集比对的案例，我们会在下一期继续探讨。
💬 请留下你目睹过的“感觉像是有组织”的评论案例。我们会考虑作为下期素材。 📨 如果身边有经常阅读新闻评论的朋友，欢迎把这篇文章分享给他们。
推荐延伸阅读的往期内容
这次故事中的“邻国”，我们曾从产业与供应链的角度探讨过。
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 ⋯ 本期新闻信的骨架来源。第5章的策略分析是核心，附录表11有按政权划分的攻击目标名单。
- 研究团队公开的数据集，Zenodo。链接 ⋯ 1亿1266万条评论的原始数据。推荐给想要亲自验证的读者。
- 电子新闻，《2万余个NAVER账号，煽动韩国政治矛盾》（2026.8.12）。链接 ⋯ 收录了研究团队国内发布会评论的报道。
背景知识
- 国家安保战略研究院（INSS），外国影响力操作实况公开资料（2024）。链接 ⋯ 本次研究出发点——70个账号的来源。
- 京乡新闻，《疑似中国人账号，在韩中竞争领域有组织地发布评论操纵舆论的迹象》（2024.9.29）。链接 ⋯ 2024年先行报告的报道。这里提到的NAVER 77个、YouTube 239个账号，是与本次论文的种子70个账号不同的统计口径，不可混用。
- 法律新闻，《“国情院评论案”前国情院院长，时隔5年“有期徒刑4年”终审确定》（2018.4.19）。链接 ⋯ 国家机关曾敲打同一评论区的第一份前科的终审记录。
- 新闻社（Newsis），《“德鲁金评论操纵共谋案”有期徒刑2年实刑确定》（2021.7.21）。链接 ⋯ “7万6千余篇报道、8840万余次点击”这一操纵规模的数据出处。正文数字以该判决为准。
- William J. Brady et al., “Emotion shapes the diffusion of moralized content in social networks”, PNAS, 2017。链接 ⋯ 关于道德情绪为何传播力强的代表性研究，是第三节的理论背景。
📝 术语说明
注释
-
认知战（Cognitive Warfare）：并非以武力，而是以对方国家国民的认知和舆论为攻击对象的战略。北约（NATO）将其定义为外部行为者将舆论武器化，从而动摇政策与制度的行为。 ↩
-
道德情绪（Moral Emotions）：指愤怒、轻蔑、厌恶等对他人进行道德谴责时，或如赞叹般对他人加以褒扬时所运作的情绪。多项研究表明，这类情绪在网络上的传播力尤为强劲。 ↩
-
分而治之（Divide and Rule）：通过激化被统治群体内部矛盾以阻止其团结、从而便于统治的策略。英国对印度的统治常被视为代表性案例。 ↩
-
可解释AI（Explainable AI）：不仅给出判定结果，还同时提供判断依据的AI。本次研究中，会以高亮方式展示成为疑似判定依据的评论文字。 ↩
