价值观与商业伦理层风险

3.3 A类：价值观与商业伦理层

3.3.1 负面GEO与竞品攻击

定义：利用生成式引擎的回答机制，让用户或 AI 对竞争对手形成无根据的负面判断。

底层原理：生成式引擎会综合网页、社区、评论、媒体报道和结构化内容。攻击者若把负面叙事分散到多个位置，模型可能把噪声当作共识。

常见行为链，治理视角：提出攻击目标；制造或放大负面叙事；让第三方页面、问答、评论和社媒重复出现；等待 AI 摘要吸收；再把 AI 输出当作二次传播素材。

识别信号：同一负面说法在多个低质量站点同步出现；缺少原始证据；表述高度相似；发布时间集中；与营销活动或竞品发布节点重合。

危害说明：企业层面会引发侵权、反不正当竞争和公关危机；行业层面会破坏公平竞争；社会层面会让 AI 搜索更像谣言放大器。

**举例：**某服务商为客户生成“竞品频繁欺骗用户”的系列问答，并投放到多个论坛。AI 搜索后来在比较品牌时引用了这些问答。

合规处理应立即下线、保全证据、通知客户停止、发起更正并审查供应商。

国内场景重点：本类风险在国内通常会出现在 豆包、Kimi、千问、元宝、DeepSeek、问答社区、内容账号 等入口。合规判断需要同时关注 反不正当竞争法、网络反不正当竞争暂行规定、网络信息内容生态治理规定、平台社区规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某国内 B2B 软件厂商在准备大客户采购季时，要求服务商让 AI 搜索在“国内 CRM 哪家更稳定”这类问题中弱化竞品。供应商绕开本方产品证据建设，组织多篇匿名问答、内容账号短评和论坛帖子，反复暗示竞品“频繁宕机、售后消失、合同埋坑”。这些内容没有故障公告、判决、监管处罚或客户授权记录，却在多个平台同日出现。两周后，销售团队在元宝和千问中截到带负面提示的对比回答，并把截图用于销售沟通。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“负面GEO与竞品攻击”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《中华人民共和国反不正当竞争法》关于商业诋毁、不正当竞争和市场秩序保护的规则。

• 《网络反不正当竞争暂行规定》关于网络环境下混淆、虚假宣传、流量造假和不正当竞争行为的治理要求。

• 《网络信息内容生态治理规定》关于网络信息内容生态治理、违法和不良信息治理的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于生成式引擎可见性影响机制的研究。

3.3.2 声誉污染与商誉诋毁

定义：通过虚假差评、伪投诉、影射文章、伪维权内容或匿名爆料损害他人声誉。

底层原理：声誉信号会进入模型检索和摘要，重复出现的负面内容会改变系统对实体的语义画像。

常见行为链，治理视角：选择可被索引的平台；发布模糊但有伤害性的指控；互相引用；推动搜索收录；在 AI 对比问题中触发。

识别信号：负面内容缺少当事人、订单、证据、时间线；多个账号模板化表达；标题夸张；大量使用“避雷”“骗局”等标签。

危害说明：被攻击企业可能损失客户和融资机会；内容平台会承担治理压力；用户会被误导。

**举例：**一家 B2B SaaS 公司被匿名文章称为“数据泄露惯犯”，文章没有漏洞编号、公告或取证报告，却被十几个镜像站转载。AI 助手在采购建议中提示“存在多次泄露争议”。

国内场景重点：本类风险在国内通常会出现在 内容社区、问答社区、内容账号、企业采购问答、AI 摘要入口 等入口。合规判断需要同时关注 反不正当竞争法、民法典名誉权相关规则、网络信息内容生态治理规定。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：一家新消费品牌新品发布前，竞争方匿名账号密集发布“疑似配方违规”“工厂曾被处罚”等内容。帖子标题像维权爆料，正文只使用模糊截图和二手传闻。随后多个搬运号把相同段落改写成“避雷合集”。AI 搜索在用户询问品牌安全性时，把这些内容概括为“存在争议”。被攻击企业核查后发现，工厂处罚发生在另一家公司，且与该品牌无关。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“声誉污染与商誉诋毁”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《中华人民共和国反不正当竞争法》关于商业信誉、商品声誉保护的规则。

• 《网络信息内容生态治理规定》关于谣言、诋毁性信息和网络内容生态治理的要求。

• 市场监管部门公布的网络不正当竞争典型案例。

• 公安机关公开的 AI 造谣治理案例。

3.3.3 虚假评论与虚假社会证明

定义：用不存在的用户、未使用产品的人、员工亲友或 AI 角色制造好评、差评、评分、点赞、粉丝、播放量和案例背书。

底层原理：消费者和模型都会把评价数量、评价一致性、外部口碑和社交证明当作可信线索。虚假评论会污染这些线索。

常见行为链，治理视角：设定目标评分；批量生成评价；分散账号和时间；把评价素材嵌入网页与问答；用评价数量影响用户和模型。

识别信号：评价文本相似；账号历史稀薄；评价时间集中；缺少真实使用细节；正负面极端；IP、设备或支付链路异常。

危害说明：企业可能面临罚款、下架、平台封禁和集体诉讼；行业信任成本上升；用户做出错误购买决策。

**举例：**某品牌声称有“10,000 名用户证实有效”，审计发现大部分评价由供应商统一生成，用户画像不存在。应停止展示、删除虚假评价、重新披露真实样本和统计口径。

国内场景重点：本类风险在国内通常会出现在 电商平台、本地生活平台、大众点评、内容社区、短视频平台、AI 购物助手 等入口。合规判断需要同时关注 反不正当竞争法、网络反不正当竞争暂行规定、消费者权益保护、平台评价规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某连锁轻医美机构希望在 AI 搜索中被描述为“用户口碑更好”。外包团队安排员工亲友注册多个账号，发布“真实体验”笔记和高分评价，并把同一批照片稍作裁剪后投放到多个平台。部分笔记还暗示其他机构“踩雷”。用户询问 AI 助手“某城市皮肤管理机构推荐”时，系统引用了这些评价并生成排序建议。后续平台风控发现评价账号下单轨迹异常，评价内容模板化。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“虚假评论与虚假社会证明”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《网络反不正当竞争暂行规定》关于刷单炒信、虚假评价和流量造假的治理要求。

• 《中华人民共和国广告法》关于广告真实性、证明文件和不得欺骗误导消费者的规则。

• 《互联网广告管理办法》关于互联网广告可识别性和真实性的要求。

• 市场监管部门公布的网络虚假宣传与网络不正当竞争典型案例。

3.3.4 隐性付费关系与软文不披露

定义：付费文章、评测、榜单、KOL 推荐、合作案例或联盟链接未披露利益关系。

底层原理：AI 搜索会把第三方媒体、榜单和评测视为外部权威。若付费关系被隐藏，模型和用户会高估独立性。

常见行为链，治理视角：选择看似中立渠道；发布带有商业导向的内容；隐藏赞助关系；让 AI 把该内容识别为第三方证据。

识别信号：榜单标准模糊；多篇文章用同一模板；商业链接集中；作者和媒体缺少独立评测流程；披露缺失或位置隐蔽。

危害说明：用户被误导，媒体信誉受损，品牌在监管和平台侧承担合规风险。

**举例：**一个“独立最佳工具榜单”只收录付费客户，未标注赞助。AI 搜索在用户询问推荐时引用该榜单。整改应添加显著披露、公开评价标准、剔除不合格样本。

国内场景重点：本类风险在国内通常会出现在 内容社区、短视频平台、短视频账号、内容账号、问答社区、视频平台 等入口。合规判断需要同时关注 广告法、互联网广告管理办法、AI 生成合成内容标识办法、平台商业推广规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某母婴产品品牌邀请达人发布“自用分享”，合同中约定投放费用和转化返点，但内容没有任何商业合作标识。达人笔记把产品写成“群里宝妈一致推荐”，还让 AI 文案工具批量生成问答评论。AI 搜索在回答“婴幼儿用品推荐”时，误把该内容当作独立用户经验。出现投诉后，品牌才发现代理商把商业推广包装成普通体验。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“隐性付费关系与软文不披露”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《互联网广告管理办法》关于互联网广告可识别性、广告主责任和商业推广披露的要求。

• 《中华人民共和国广告法》关于广告真实、合法、清楚明白的规则。

• 《网络反不正当竞争暂行规定》关于虚假宣传和误导性商业宣传的治理要求。

• Google Search Central, Spam policies for Google Web Search, 关于滥用第三方内容和操纵性内容的治理原则。

3.3.5 域名与历史声誉劫持

定义：购买历史上有高可信背景的过期域名，再改造成与原主题无关的商业或低质内容站。

底层原理：搜索系统和 AI 引擎可能仍读取历史链接、品牌语义和权威信号，导致新内容获得不当信任。

常见行为链，治理视角：寻找旧域名；保留部分历史页面外观；发布新商业内容；利用旧链接和权威信号获得曝光。

识别信号：域名主题突然变化；历史快照与当前内容不一致；外链锚文本与当前业务无关；页面作者和组织信息断裂。

危害说明：损害旧机构声誉，误导用户和模型，把公共信任转化为私利。

**举例：**某原公益医疗域名过期后被改成保健品站，页面仍保留“医疗公益”语义。AI 摘要把其当作可信健康信息来源。

国内场景重点：本类风险在国内通常会出现在 历史域名、行业协会旧站、学校旧站、AI 搜索引用 等入口。合规判断需要同时关注 网络信息内容生态治理规定、广告法、反不正当竞争法、域名与平台管理规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：一家培训机构购买过期的地方教育论坛域名，保留原站部分栏目标题，再批量发布“职业证书报考指南”和课程推荐。由于域名曾被许多学校和地方站点引用，AI 搜索把新内容误判为较高可信来源。用户询问证书报考条件时，系统引用了该站过期且偏向机构课程的信息。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“域名与历史声誉劫持”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• Google Search Central, Spam policies for Google Web Search, 关于过期域名滥用的政策说明。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于外部来源和生成式引擎可见性的研究。

• 《网络信息内容生态治理规定》关于网络内容来源、质量和生态治理的要求。

• 《网络反不正当竞争暂行规定》关于利用网络技术和数据实施不正当竞争的治理要求。

3.3.6 站点声誉滥用与寄生内容

定义：第三方内容借宿在高权威站点上，主要目的在于利用宿主排名信号，而内容与宿主核心业务或编辑责任脱节。

底层原理：宿主站点的历史信誉会传递给第三方页面，模型和搜索系统可能把租用内容误判为宿主的专业内容。

常见行为链，治理视角：与高权重站点合作；批量上线优惠券、测评或商业页面；宿主缺少真实编辑控制；用宿主域名提升可信度。

识别信号：页面与主站主题割裂；作者、编辑、审校缺失；大量外链和商业 CTA；内容由白标服务商统一生产。

危害说明：宿主品牌承担连带风险；搜索结果质量下降；用户难以区分真实编辑内容与租用内容。

**举例：**某教育机构网站突然出现大量博彩优惠页面，页面版权仍显示教育机构名称。服务商应立刻暂停该合作页面并移除索引。

国内场景重点：本类风险在国内通常会出现在 地方媒体站、行业门户、社区论坛、AI 新闻摘要 等入口。合规判断需要同时关注 互联网广告管理办法、反不正当竞争法、网络反不正当竞争暂行规定、平台内容质量规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某高权重地方资讯站把一批与本站主营内容无关的“AI 办公神器排行榜”“某药械产品测评”交给第三方运营。第三方以媒体域名背书发布商业内容，页面没有作者、审校、广告标识和真实测评过程。多个 AI 搜索系统在整理行业榜单时引用了这些页面，使用户误以为结论来自独立媒体。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

• 参考应对方法：

• 立即冻结与“站点声誉滥用与寄生内容”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• Google Search Central, Spam policies for Google Web Search, 关于站点声誉滥用的政策说明。

• 《网络反不正当竞争暂行规定》关于网络虚假宣传和不当利用他人资源的治理要求。

• 《互联网广告管理办法》关于商业推广披露和平台责任的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于权威来源对生成式答案影响的研究。

3.3.7 伪中立比较与选择架构操纵

定义：通过看似客观的比较页、评分表和问答页，把维度设计、样本选择和结论引导到预设品牌。

底层原理：模型会把结构化比较表和“最佳选择”段落当作高信息密度内容；若比较维度被操控，生成答案会继承偏差。

常见行为链，治理视角：预设结论；挑选有利维度；删除不利样本；用“客观评测”包装；在多个页面重复。

识别信号：评分规则不可复现；缺少样本说明；竞品缺点被放大，自身缺点被省略；数据无来源。

危害说明：用户选择被误导，竞品受到不公平评价，AI 输出强化单方叙事。

**举例：**某云服务比较页把“是否有某小功能”设为最高权重，刚好只有自己满足，整体结论写成“综合第一”。

国内场景重点：本类风险在国内通常会出现在 企业官网、内容账号、问答社区专栏、AI 深度研究入口 等入口。合规判断需要同时关注 广告法、互联网广告管理办法、反不正当竞争法。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某云服务商发布“2026 中国企业级知识库十大推荐”，页面看似第三方研究，实际由品牌市场部制作。评分维度中把自家独有功能设置为高权重，对竞品的开源能力和价格优势只字不提。页面还生成一批 FAQ，诱导用户询问“为什么该品牌排名第一”。AI 搜索引用该榜单后，回答显得像独立评测。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“伪中立比较与选择架构操纵”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《中华人民共和国反不正当竞争法》关于虚假或引人误解的商业宣传的规则。

• 《中华人民共和国广告法》关于比较、功效、荣誉和证明文件真实性的规则。

• 《互联网广告管理办法》关于互联网广告标识和商业推广透明度的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于生成式引擎排序与引用影响的研究。

3.3.8 用户评价压制与选择性展示

定义：只展示正面评价，隐藏负面评价，或通过威胁、补偿、诱导等方式减少真实负面反馈。

底层原理：AI 和用户经常把公开评价分布视为质量信号。被压制的评价会造成虚假的口碑分布。

常见行为链，治理视角：筛选评价；延迟或删除负面内容；给出不当激励；用选择性截图进入宣传页面。

识别信号：公开页面好评率异常高；第三方平台评价分布不一致；负面评价只能在小平台找到；客服记录显示撤评诱导。

危害说明：用户无法看到真实风险，企业内部失去产品改进信号，监管层面可能被认定为欺骗性做法。

**举例：**某服务商在案例页只展示五星评价，负面评价被要求“改成好评后返现”。合规做法是建立评价采样和披露规则。

国内场景重点：本类风险在国内通常会出现在 电商评价、本地生活评价、官网客户证言、企业RAG等入口。合规判断需要同时关注 消费者权益保护、广告法、反不正当竞争法、平台评价规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某家装平台把低分评价从官网案例页隐藏，只保留五星好评和精选用户故事，再把这些内容同步进客服智能体知识库。用户询问“售后投诉多吗”时，客服机器人只能检索到正向材料，回答“投诉较少且满意度高”。后续用户在公开投诉渠道和本地生活平台看到大量售后纠纷，认为企业存在选择性展示。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“用户评价压制与选择性展示”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《网络反不正当竞争暂行规定》关于评价操纵、流量造假和不正当竞争的治理要求。

• 《互联网广告管理办法》关于商业信息真实、可识别和不得误导用户的要求。

• 市场监管部门公布的刷单炒信、虚假评价和网络不正当竞争典型案例。

• 《网络信息内容生态治理规定》关于平台内容生态治理和用户权益保护的要求。

3.3.9 虚假交易与刷量背书

定义：通过伪订单、伪成交、伪试用、伪下载、伪预约、伪咨询量提升商业可信度。

底层原理：交易、下载和使用量常被用户和 AI 解读为市场验证。虚假数据会让模型形成错误品牌画像。

常见行为链，治理视角：设定目标指标；制造伪交易或伪互动；把数据写入官网、新闻稿和榜单；用“市场领先”叙事触发 AI 引用。

识别信号：转化数据与收入不匹配；订单退回率异常；同类账号重复；数据口径不披露；无法提供审计记录。

危害说明：损害投资人、客户和行业判断，可能构成虚假宣传或不正当竞争。

**举例：**某公司宣称“服务 30 万企业”，审计发现包含未激活账号、测试账号和重复账号。更正应披露有效客户口径。

国内场景重点：本类风险在国内通常会出现在 电商平台、直播间、本地生活团购、AI 购物推荐 等入口。合规判断需要同时关注 反不正当竞争法、网络反不正当竞争暂行规定、电子商务相关规则、广告法。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某食品品牌为了让 AI 购物助手认为产品“销量领先”，通过空包、内部回购、直播间刷互动等方式制造销量和好评，并把“累计热销百万单”写入官网和媒体稿。AI 摘要在回答同类产品推荐时引用销量数字。监管抽查时，品牌无法提供真实订单、物流和退款闭环证据。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“虚假交易与刷量背书”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《网络反不正当竞争暂行规定》关于虚假交易、虚假评价、流量数据造假的治理要求。

• 市场监管部门公布的网络虚假宣传和网络不正当竞争典型案例。

• 《中华人民共和国广告法》关于数据、销量、评价等广告内容真实性的要求。

• 《互联网广告管理办法》关于互联网广告证明文件和广告主责任的要求。

3.3.10 数据与隐私越界采集

定义：为训练内容、画像用户、反向识别客户或攻击竞品而过度抓取、合并和使用个人信息、客户数据或商业秘密。

底层原理：GEO项目常涉及内容、查询、竞品、客户和日志。数据治理失控会把增长项目变成隐私与商业秘密风险。

常见行为链，治理视角：收集超出目的的数据；缺少授权；把私域数据转成公开内容；用 AI 生成可识别画像或客户案例。

识别信号：来源授权缺失；含有个人身份信息；客户案例未获许可；供应商要求提供过多内部材料。

危害说明：企业面临数据泄露、合同违约和监管风险，用户信任受损。

**举例：**某GEO服务商要求客户上传全部销售通话记录，并把客户语句改写成公开案例。合规处理应最小化数据、匿名化、授权和留痕。

国内场景重点：本类风险在国内通常会出现在 小程序、私域社群、销售线索库、企业 RAG、AI 客服 等入口。合规判断需要同时关注 个人信息保护法、数据安全法、网络安全法、生成式人工智能服务管理暂行办法。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某企业服务商为了训练“行业画像”和生成定向话术，抓取招聘平台、微信群截图、客户通讯录和公开评论，并把联系人姓名、职位、手机号、公司采购意向输入销售智能体。销售人员询问“某客户可能关注什么”时，系统输出了个人信息和未授权线索。客户投诉后，企业无法证明数据来源、授权范围和最小必要性。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“数据与隐私越界采集”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《中华人民共和国个人信息保护法》关于个人信息处理的合法、正当、必要和告知同意原则。

• 《中华人民共和国网络安全法》关于网络运营者安全保护和个人信息保护的要求。

• NIST AI Risk Management Framework, 关于 AI系统风险管理、数据治理和透明度的框架。

• OWASP Top 10 for LLM Applications 2025, 关于敏感信息披露和模型应用数据风险的治理建议。

3.3.11 舆论操控与水军协同

定义：通过大量账号、社群、机器人或代理写手制造看似自发的讨论热度、共识和评价。

底层原理：生成式引擎会从开放网络中提取“公众看法”。人造共识会变成模型的语义背景。

常见行为链，治理视角：设定话题；批量账号发帖；互相点赞回复；把讨论导向特定结论；等待搜索和 AI系统吸收。

识别信号：账号创建时间接近；互动网络过密；文本相似；话题跳转不自然；缺少真实用户经验。

危害说明：行业讨论空间被污染，真实用户声音被淹没，AI 对品牌的“公众口碑”画像失真。

**举例：**某品牌在多个社区安排“真实用户分享”，发帖账号均无历史互动，内容高度一致。整改应清理内容并停止代理账号策略。

国内场景重点：本类风险在国内通常会出现在 社交平台、短视频平台、内容社区、微信群、内容账号评论区、AI 舆情系统 等入口。合规判断需要同时关注 网络信息内容生态治理规定、反不正当竞争法、消费者权益保护、平台社区规则。如果内容会进入公开 AI 搜索或企业 RAG，还要检查来源、更新时间、授权、AI 生成标识和可回滚记录。

国内场景复盘：某消费品牌出现质量投诉后，代理商组织水军在多个平台发布“投诉者是职业黑子”“竞品带节奏”等说法，并集中点赞正面评论、举报真实投诉。AI 舆情系统抓取后把事件归因为“竞品攻击”，客服部门据此拒绝正面回应用户问题。几天后监管和媒体介入，企业发现外包团队扩大了负面舆情。

案例中的典型链路，审计视角：

• 立项阶段：检查需求目标是否写成“提高用户理解、补全事实、纠正错误”，还是写成“让 AI 输出指定结论、压制竞品、制造口碑”。

• 素材阶段：核验页面、截图、评价、检测报告、客户名单、专家意见、图片、视频、PDF 和数据表是否有原始证据与授权记录。

• 发布阶段：记录发布账号、发布时间、平台、内容版本、AI 生成标识、商业关系披露和人工审核人。

• 入库阶段：若内容进入企业知识库或智能体，检查来源可信度、权限、脱敏、提示词注入风险、向量聚类异常和召回日志。

• 验收阶段：禁止只用“AI 回答截图”证明效果；需要同时提交查询样本、引用来源、事实核验表、风险评分和纠错机制。

参考应对方法：

• 立即冻结与“舆论操控与水军协同”相关的新增发布、自动化任务、外包交付和知识库入库动作，防止风险继续扩散。

• 建立事实核验表，把每一句关键断言映射到原始证据、授权记录、发布时间、责任人、审核人和可公开披露程度。

• 对已经进入 AI 搜索、公开平台、企业RAG或客服机器人的材料执行下线、改写、重索引、补标、回滚或公开更正，并保留处置前后的截图与日志。

• 与客户或供应商沟通时，把“效果目标”改写为合规目标，例如事实澄清、产品边界说明、用户教育、证据补全、内容可读性提升和错误答案纠正。

• 对涉及竞品、客户评价、医疗金融教育、个人信息、AI 生成合成内容、投标采购和公共利益的材料，增加法务、合规、安全和业务负责人联合审批。

• 复盘时追问根因：是目标设定错误、证据不足、平台规则误判、供应商越界、知识库缺少审核，还是模型工具链权限过宽。

安全替代方案：

把目标改成事实澄清、来源建设、结构化表达、审校流程、透明披露和可复核证据。若涉及竞品，只允许使用可验证事实和公平比较。若涉及 AI系统，只允许做防御性测试、授权红队和修复闭环。

主要参考资料：

• 《网络信息内容生态治理规定》关于网络水军、谣言、炒作和违法不良信息治理的要求。

• 《网络反不正当竞争暂行规定》关于流量造假和网络不正当竞争的治理要求。

• 公安机关公开的 AI 造谣、网络谣言和虚假信息治理案例。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于多源内容影响生成式答案的研究。