大家好，我是小伍哥，之前在字节的时候，就有个文本对抗感知的思路，刚开了个头，还没完成，就离职了，最近整理下，分享给大家。
在强对抗的内容风控场景中，内容变异的情况非常多，比如假货风险、色情风险、引流风险等等，他们会进行同音字的替换，也不知道他们会怎么变异，那通过什么办法可以感知到呢，今天讲讲同音字变异的监控思。
下面是一些变异的案例：
噂儆的碦戸：其鎃祝册茺贈镐888葒笣！禛朲对弈佰捆任你選！嶺：http://url.cn/5aLeqP2
佳 工仲号 威信
伽 维伈 躬总号
滨管记录 滨管茶询
抖音 芬撕 业务 咨询我
钭 音 芬 咝 业务 咨询我
涮活动僄 一对一手工
眞惍/邦定就送888,请您来閗地主牜牜札斤花
抖暗业务 芬丝 欢迎进店咨询客服
斗揞业务 芬丝 欢迎咨询选购
网站++沜买的私聊我
一、与过去对比
用过去30天的数据和今天的对比，那wei xin这个拼音举例
wei_xin_guoqu = [微信,威信,维新,卫星，违心，唯心，魏欣]
wei_xin_todays = [微信,胃芯]
同一个拼音下，突然出现了【胃芯】那即认为这个是高危词语。对应的内容纳入审核范畴。这个方法感觉应该很有效。
二、与大盘对比
具体场景与大盘的频率做一个对比，对于频率相差比较大的，视为异常。公式大概如下：ABS(大盘频率-当前频率)/当前频率
这种方法能够发现一些奇奇怪怪的变异词语，当然可能也有错误的召回，不过在复杂场景中，还是可以试试的。
三、与黑样本对比
对每个拼音对应的词进行统计，统计过去的样本中黑白样本的比例，这样我们就得到了每个拼音的违规情况，对于有风险的拼音，当天的内容出现，既可以认为是有风险的。这里的话，就是相当于比较弱的一个监督学习了。
SynchroTrap-基于松散行为相似度的欺诈账户检测算法
