信息质量层风险

3.4 B类：信息质量层

3.4.1 AI幻觉内容生产

定义：把未经核验的 AI 生成结论当作事实发布，导致不存在的功能、人物、数据、法律条文、研究结论或案例进入网页。

底层原理：LLM 会生成语言上合理但事实错误的内容。若缺少事实核查，幻觉会被搜索收录，再被更多 AI 引用。

常见行为链，治理视角：用 AI 生成初稿；跳过来源核验；发布到官网或知识库；其他页面引用；AI 搜索再吸收。

识别信号：引用无法打开；数据缺少口径；人物和机构不存在；多个页面出现同一错误；作者无法解释来源。

危害说明：企业会因虚假宣传和错误承诺承担责任，用户会采取错误行动，行业知识库被污染。

**举例：**某工具官网写“获得 ISO 99999 AI 安全认证”，实际该认证不存在。AI 搜索引用后，采购方把它列入供应商优势。

国内场景重点：本类风险在国内通常会出现在 内容账号、百家号、问答社区、企业官网、AI 搜索引用 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、高影响领域专业审校要求、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：某出海服务公司用 AI 批量生成“各国合规指南”，没有律师审校，也没有更新日期。文章把旧政策、不同国家规则和营销建议混在一起。用户询问 AI 搜索“某类产品能否进入东南亚市场”时，系统引用了该文并给出错误判断，导致客户准备资料方向错误。

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“AI 幻觉内容生产”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：

• 《生成式人工智能服务管理暂行办法》关于生成内容真实准确、防止虚假有害信息的要求。

• 《网络信息内容生态治理规定》关于虚假信息、谣言和不良信息治理的要求。

• 公安机关公开的 AI 造谣治理案例。

• NIST AI Risk Management Framework, 关于 AI 风险识别、测量和治理的框架。

3.4.2 虚构引用、论文、奖项和认证

定义：伪造论文、专家、媒体报道、客户名单、认证、审计报告、测试结果或奖项。

底层原理：AI系统依赖引用和来源线索判断可信度。伪造证据会直接攻击信任机制。

常见行为链，治理视角：设计权威名称；生成引用格式；嵌入页面；把伪来源放到多个页面；用于 AI 摘要和销售材料。

识别信号：DOI、证书编号、官网公告无法验证；论文标题与作者库不匹配；奖项官网无记录；客户未授权。

危害说明：严重时构成欺诈或虚假宣传，损害客户、投资人和公众判断。

**举例：**某 SaaS 页面写“Gartner 评为全球第一”，但报告不存在。服务商发现后应要求删除，并出具事实核查报告。

国内场景重点：本类风险在国内通常会出现在 官网白皮书、内容账号、行业报告下载页、AI 深度研究 等入口。合规判断需要同时关注 广告法、反不正当竞争法、生成式人工智能服务管理暂行办法、知识产权与认证管理规则。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：某 AI 硬件公司发布白皮书，列出多篇“国际顶会论文”和“国家级认证”，但论文标题不存在，检测报告只是内部测试截图。AI 深度研究工具在生成行业报告时引用这些资料，投资人把它作为技术领先证据。尽调阶段发现引用伪造，企业融资进程受影响。

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“虚构引用、论文、奖项和认证”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：

• 《中华人民共和国广告法》关于广告中荣誉、认证、数据、证明材料真实性的要求。

• 《互联网广告管理办法》关于互联网广告证明文件和真实性责任的要求。

• 《生成式人工智能服务管理暂行办法》关于防止生成虚假信息的要求。

• Google Search Central, Spam policies for Google Web Search, 关于伪造来源和误导性内容的治理原则。

3.4.3 夸大功效与高影响领域误导

定义：在医疗、金融、法律、教育、公共安全等领域夸大产品效果、保证结果、隐瞒风险或提供不合格建议。

底层原理：高影响主题会影响用户健康、财务、安全和社会福祉。错误内容的外部性远高于一般营销内容。

常见行为链，治理视角：把有限案例写成普遍效果；用绝对化表达；隐藏限制条件；生成FAQ回答用户敏感问题；让 AI 摘要替代专业判断。

识别信号：出现“保证治愈”“稳赚”“零风险”“100% 通过”等词；缺少适用范围；无专业审校；案例样本极小。

危害说明：用户可能遭受健康、财务或法律损害，企业面临行政处罚、诉讼和平台下架。

**举例：**某健康产品页面写“7 天改善所有睡眠障碍”，没有临床证据。AI 摘要推荐给失眠用户，风险显著。

国内场景重点：本类风险在国内通常会出现在 医疗健康平台、短视频平台、内容社区、豆包、元宝 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、生成式人工智能服务管理暂行办法、医疗广告与平台规则。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：某健康管理机构在内容中把个案改善描述为“普遍有效”，使用“逆转”“根治”“保证改善”等表达，还让 AI 生成患者故事。用户在 AI 搜索中询问症状调理方案时，系统引用这些内容并给出偏商业的建议。专家复核发现内容缺少临床证据、适用人群和风险提示。

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“夸大功效与高影响领域误导”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：

• 《中华人民共和国广告法》关于医疗、药品、教育培训、招商、金融等广告真实性和限制性表述的规则。

• 《互联网广告管理办法》关于互联网广告真实性、可识别性和广告主责任的要求。

• 《生成式人工智能服务管理暂行办法》关于高风险误导和防止虚假有害信息的要求。

• NIST AI Risk Management Framework, 关于高影响决策场景的风险管理思路。

3.4.4 规模化低质内容滥用

定义：以操纵搜索或 AI 可见度为目的，大量生成缺少原创价值、事实核验和编辑责任的页面。

底层原理：规模化内容会占用索引与检索空间，降低优质信息被召回概率。Google 已把 scaled content abuse 作为明确政策风险。

常见行为链，治理视角：生成大量长尾页面；套用模板；轻微改写；自动发布；用内链和站群放大。

识别信号：页面数量短期暴增；结构和措辞高度相似；作者缺失；信息空洞；用户停留和转化异常低。

危害说明：品牌被算法或人工处罚，用户搜索成本上升，公共信息空间被低质内容占据。

**举例：**某企业为覆盖 3,000 个城市生成“城市名+服务”页面，内容只替换地名，实际无本地服务。

国内场景重点：本类风险在国内通常会出现在 百家号、内容账号、企业站、文库、AI 搜索索引 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、网络反不正当竞争暂行规定、平台低质内容规则。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：某招商加盟公司要求供应商一个月发布上千篇城市加盟指南。大部分内容只替换城市名和行业名，甚至在没有当地门店、没有服务团队的地区也写“本地成功案例”。AI 搜索在回答“某城市加盟项目”时抓取这些页面，用户误以为该企业在本地有成熟运营。

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“规模化低质内容滥用”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, 关于规模化内容滥用的政策说明。

• 《网络信息内容生态治理规定》关于低俗、虚假、重复、扰乱内容生态的信息治理要求。

• 《生成式人工智能服务管理暂行办法》关于生成内容质量、安全和防止虚假信息的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于内容表达对生成式引擎可见性的研究。

3.4.5 抄袭、拼接和同义改写

定义：复制他人内容，轻微改写、翻译、拼接或自动同义替换后发布，缺少实质新增价值。

底层原理：生成式系统会把多来源内容合并。抄袭拼接会造成重复信息、错误归属和原创者权益损失。

**关键词：**版权、信息检索、文本相似度检测、编辑伦理。

常见行为链，治理视角：抓取来源；自动改写；拼接段落；添加品牌 CTA；批量上线。

识别信号：段落顺序与原文相近；事实错误继承；引用被删除；多个页面存在相同句式。

危害说明：原创者权益受损，企业面临版权和搜索处罚，用户看到重复低质答案。

**举例：**某服务商把竞争对手研究报告自动改写成“行业白皮书”，删掉原作者和数据口径。

国内场景重点：本类风险在国内通常会出现在 内容账号、问答社区、行业网站、文库、AI 摘要 等入口。合规判断需要同时关注 著作权法、反不正当竞争法、平台原创规则、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：某咨询公司把同行报告、券商研报和公开论文拆段后交给 AI 改写，再发布为“原创行业洞察”。页面没有引用来源，也没有新增分析。AI 搜索在总结行业规模和趋势时引用该公司文章，原创机构的结论被二次占用。被投诉后，咨询公司无法说明数据口径和原始来源。

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“抄袭、拼接和同义改写”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》关于网络内容生态治理和信息来源质量的要求。

• Google Search Central, Spam policies for Google Web Search, 关于复制、拼接和低价值内容的治理原则。

• 《生成式人工智能服务管理暂行办法》关于尊重知识产权、商业道德和防止虚假信息的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于生成式引擎可见性和内容质量的研究。

3.4.6 关键词堆砌与隐藏文本

定义：在页面中不自然重复关键词、城市名、产品名，或用不可见文本影响机器读取。

底层原理：传统搜索和部分 AI 检索会读取文本信号。堆砌和隐藏文本试图制造虚假的主题相关性。

**关键词：**搜索质量、网页可访问性、前端工程、内容审计。

常见行为链，治理视角：确定目标词；插入大量重复词；隐藏到页面元素或低可见区域；等待抓取。

识别信号：人读不顺；页面底部出现长串地区词；CSS 隐藏；结构化内容与可见内容差异。

危害说明：用户体验下降，站点可能被处罚，AI 摘要可能被不自然文本污染。

**举例：**某页面底部堆满“北京 AI 咨询、上海 AI 咨询、深圳 AI 咨询”，实际没有本地团队。

国内场景重点：本类风险在国内通常会出现在 企业官网、小程序页面、AI 抓取索引、站内搜索 等入口。合规判断需要同时关注 广告法、反不正当竞争法、平台内容质量规则、搜索垃圾内容规则。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 SaaS 公司为了让 AI 搜索更容易把它与“低代码、RPA、本土化、信创”等词关联，在页面底部堆砌大量城市、行业和竞品关键词，还把部分文字做成低可见度。用户正常阅读几乎看不到这些内容，但 AI 抓取摘要时会读到。结果多个回答把企业能力扩大到未实际覆盖的行业。

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“关键词堆砌与隐藏文本”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, 关于关键词堆砌、隐藏文本和误导性内容的政策说明。

• 《网络信息内容生态治理规定》关于扰乱网络内容生态和误导用户信息的治理要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于生成式引擎对文本特征和来源的利用。

• 《网络反不正当竞争暂行规定》关于利用技术手段扰乱网络竞争秩序的治理要求。

3.4.7 门页、桥页和虚假本地页

定义：创建大量面向相似查询的中间页，把用户引向同一目标页面或服务。

底层原理：门页利用查询覆盖面制造可见度，但每个页面缺少独立价值。AI 搜索可能把它们当作多个证据。

常见行为链，治理视角：批量生成 query 页面；页面内容高度近似；统一导向销售页；用内链放大。

识别信号：URL 和标题差异小；正文模板化；没有真实本地地址或团队；多个页面同一 CTA。

危害说明：用户被引导到不匹配页面，搜索和 AI 检索结果质量下降。

**举例：**某培训机构为每个县生成“当地 AI 课程推荐”，实际所有咨询都流向总部销售。

国内场景重点：本类风险在国内通常会出现在 官网城市页、地图、本地生活、豆包、元宝 等入口。合规判断需要同时关注 广告法、反不正当竞争法、消费者权益保护、本地服务平台规则。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：某家政平台生成数百个“城市服务站”页面，实际只有几个直营城市。页面写有本地电话、本地案例和服务承诺，但电话统一转接外地客服。用户询问 AI 搜索“本地靠谱保洁公司”时，系统把这些页面作为本地覆盖证据。用户下单后发现没有本地人员，投诉平台虚假服务范围。

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“门页、桥页和虚假本地页”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, 关于门页、桥页和误导性跳转的政策说明。

• 《网络反不正当竞争暂行规定》关于网络虚假宣传和流量误导的治理要求。

• 《中华人民共和国广告法》关于服务范围、资质、价格和承诺真实性的要求。

• 《互联网广告管理办法》关于互联网广告真实性和可识别性的要求。

3.4.8 误导性结构化数据

定义：schema、FAQ、review、price、availability 等结构化数据与页面可见内容不一致，或标注不存在的评价和价格。

底层原理：AI 搜索和搜索引擎会读取结构化数据帮助理解页面。错误标注会制造高可信格式的假信号。

**关键词：**语义网、结构化数据、搜索工程、内容审计。

常见行为链，治理视角：构造 schema；加入虚假评分、库存、作者或 FAQ；可见页面不显示；触发富结果或 AI 理解。

识别信号：schema 与页面不一致；评分无评价来源；价格和库存与交易系统不同；FAQ 无人工可见内容。

危害说明：用户被错误价格、评分、库存或资质误导，平台可能撤销富结果资格。

**举例：**某页面 schema 标注“4.9 分、12,000 条评价”，页面却没有公开评价列表。

国内场景重点：本类风险在国内通常会出现在 官网 schema、商品详情页、问答页、AI 摘要入口 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、平台结构化数据规则。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：某教育机构在结构化数据中标记“五星评分、万人评价、官方认证课程”，但页面可见内容没有相应评价、认证和证书编号。AI 搜索抓取结构化数据后，在摘要中显示高评分和认证标签。学员投诉时，机构解释为“技术人员误填模板”。

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“误导性结构化数据”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, 关于误导性结构化数据和富结果滥用的治理原则。

• 《中华人民共和国广告法》关于评价、荣誉、数据和证明文件真实性的要求。

• 《互联网广告管理办法》关于广告内容真实和证明文件管理的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于机器可读信息对生成式答案的影响。

3.4.9 伪鲜度和过期信息包装

定义：把旧内容改日期、轻微更新标题或使用“2026 最新”等词，让用户和 AI 误以为信息已被重新审校。

底层原理：时效信号影响用户和 AI 对可信度的判断。伪鲜度会隐藏过期事实。

**关键词：**编辑治理、信息生命周期、时效性评估、搜索质量。

常见行为链，治理视角：保留旧正文；自动更新时间；加入“最新”标题；不更新数据和政策。

识别信号：正文引用旧年份；截图和数据过期；更新记录空白；标题与内容时态冲突。

危害说明：用户依据过期政策或价格决策，企业承诺和真实能力脱节。

**举例：**某税务指南标题写“2026 最新”，正文仍引用 2022 政策。AI 助手在财务建议中引用该页面。

国内场景重点：本类风险在国内通常会出现在 内容账号、官网、文库、AI 搜索、企业知识库 等入口。合规判断需要同时关注 广告法、网络信息内容生态治理规定、专业服务审校要求、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：某法律服务平台把 2022 年政策解读文章改成“2026 最新”，正文只更新标题和首段，没有更新条文、适用地区和实施日期。AI 搜索回答“最新合规要求”时引用该文，导致用户按照过期口径准备材料。内部审计发现大量页面存在伪更新。

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“伪鲜度和过期信息包装”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, 关于误导性内容和垃圾内容治理的政策说明。

• 《中华人民共和国广告法》关于价格、服务、功能、资质等广告内容真实和准确的要求。

• 《互联网广告管理办法》关于互联网广告不得欺骗误导用户的要求。

• 《生成式人工智能服务管理暂行办法》关于生成内容准确性和防止虚假信息的要求。

3.4.10 假FAQ与虚构问答需求

定义：编造用户问题和答案，制造“常见疑问”的假象，或把强营销答案伪装成用户关切。

底层原理：FAQ 结构很适合被 AI 抽取。虚构FAQ会把营销口径包装成用户需求。

**关键词：**内容设计、搜索意图分析、广告伦理、NLP。

常见行为链，治理视角：构造问题；把答案写成单向推荐；加入 schema；用于 AI 摘要。

识别信号：问题措辞像销售话术；没有用户来源；所有答案导向同一产品；缺少限制条件。

危害说明：用户误以为问题有普遍性，AI 可能直接采用答案。

**举例：**某页面FAQ写“为什么所有专家都推荐 A 品牌”，实际没有专家共识。

国内场景重点：本类风险在国内通常会出现在FAQ页面、问答社区问答、AI 搜索、客服机器人 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：某跨境支付公司用 AI 生成大量 FAQ，例如“某服务是否被监管推荐”“用户为什么都选择某品牌”。这些问题并非真实用户提问，回答中包含无法证明的背书和倾向性结论。AI 客服读取FAQ后，在用户比较支付方案时主动推荐该品牌。

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“假FAQ与虚构问答需求”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, 关于规模化低质内容和误导性内容的政策说明。

• 《网络信息内容生态治理规定》关于网络内容生态治理和虚假信息治理的要求。

• 《中华人民共和国广告法》关于商业内容真实性和不得误导消费者的要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于内容结构对生成式引擎引用的影响。

3.4.11 本地门店与服务范围虚构

定义：声称在某地有门店、团队、库存、案例或服务能力，实际没有。

底层原理：本地实体信息会被 AI 搜索用于推荐和路线、服务覆盖判断。虚构本地信号会影响用户选择。

**关键词：**本地搜索、消费者保护、实体管理、地图数据治理。

常见行为链，治理视角：生成本地页面；使用虚拟地址或共享地址；放置虚假评价；引导远程销售。

识别信号：地址无法验证；电话统一转接；评价缺少本地细节；地图、工商、官网信息矛盾。

危害说明：用户浪费时间和金钱，真实本地商家被挤压，平台数据质量下降。

**举例：**某维修公司为 200 个城市生成本地页，实际只有一个外包呼叫中心。

国内场景重点：本类风险在国内通常会出现在 地图、官网、本地生活、豆包、元宝 等入口。合规判断需要同时关注 广告法、消费者权益保护、平台本地服务规则、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：某维修服务商为几十个城市创建“直营网点”页面，并上传共享办公地址或虚拟地址。AI 搜索在用户询问“附近维修点”时引用这些页面。用户到店发现无实际门店，只能被引导到异地派单。平台核查发现地址、营业执照和服务人员都不匹配。

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“本地门店与服务范围虚构”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：

• 《中华人民共和国广告法》关于服务范围、地址、资质和承诺真实性的要求。

• 《互联网广告管理办法》关于互联网广告真实性和广告主责任的要求。

• Google Search Central, Spam policies for Google Web Search, 关于本地服务门页和虚假本地内容的治理原则。

• 市场监管部门公布的网络虚假宣传和不正当竞争典型案例。

3.4.12 AI 生成图片和视频误标

定义：把 AI 生成或深度修改的图片、视频、音频当作真实素材、真实案例或真实现场证据。

底层原理：多模态内容越来越会被 AI 搜索和用户用作证据。缺少标注会破坏内容真实性。

**关键词：**多媒体取证、内容 provenance、广告伦理、平台治理。

常见行为链，治理视角：生成视觉素材；移除生成痕迹；标注为真实案例；嵌入新闻稿或案例页。

识别信号：EXIF 或 C2PA 缺失；画面细节异常；客户授权缺失；现场记录无法匹配。

危害说明：可能误导消费、舆论和监管判断，严重时引发伪证和造假风险。

**举例：**某教育机构用 AI 生成“线下课堂满员照片”，再让 AI 搜索识别为办学规模证据。

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、视频平台、AI 图片摘要 等入口。合规判断需要同时关注 人工智能生成合成内容标识办法、GB 45438-2025、互联网广告管理办法、平台 AIGC 标识规则。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：某文旅品牌用 AI 生成景区夜景、游客排队和网红打卡图，没有标注 AI 生成。图片被达人二次发布后，AI 搜索在回答“景区夜景是否值得去”时引用这些内容。游客到现场发现灯光、景观和人流与图片严重不符，平台要求补标并下架部分内容。

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“AI 生成图片和视频误标”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：

• 《人工智能生成合成内容标识办法》关于显式标识和隐式标识的要求。

• GB 45438-2025《网络安全技术 人工智能生成合成内容标识方法》。

• 《互联网信息服务深度合成管理规定》关于深度合成内容标识和安全管理的要求。

• C2PA Specifications, 关于内容来源、真实性和溯源元数据的技术规范。

3.4.13 来源漂白与 AI 引 AI 循环引用

定义：把 AI 生成内容发布到网页，再让另一 AI 引用，随后把该 AI 输出当作外部证明。

底层原理：生成系统之间会互相读取开放网页。错误一旦进入可索引页面，可能形成循环增强。

**关键词：**知识图谱、事实核查、信息生态、引用网络分析。

识别信号：原始证据缺失；引用链回到同一批页面；多个来源互相转述但无一手证据。

危害说明：幻觉获得“来源外衣”，错误更难纠正，社会信任受损。

**举例：**某公司让 AI 编写行业排名，发布后又让另一个 AI 总结“该公司位列前三”。

国内场景重点：本类风险在国内通常会出现在 内容账号、百家号、文库、AI 深度研究、企业RAG等入口。合规判断需要同时关注 广告法、反不正当竞争法、内容质量规则、专业服务责任。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：某咨询团队让 AI 生成行业结论，引用来源是另一篇 AI 生成文章，后者又引用无原始出处的自媒体。几轮转述后，虚假的市场规模数字被包装成“多家机构一致预测”。AI 深度研究工具在报告中复用该数字，客户决策会以错误市场规模为基础。

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“来源漂白与 AI 引 AI 循环引用”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：

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于生成式引擎对来源和引用的利用。

• Google Search Central, Spam policies for Google Web Search, 关于误导性来源、垃圾内容和链接操纵的治理原则。

• 《生成式人工智能服务管理暂行办法》关于防止生成虚假信息和提升内容真实性的要求。

• NIST AI Risk Management Framework, 关于可追溯性、透明度和可信 AI 治理的框架。

3.4.14 机器生成外链与链接农场

定义：通过自动化站点、目录、评论、论坛签名、合作页或低质媒体批量制造入链。

底层原理：链接仍然是搜索生态的重要信号。低质外链试图伪造声誉和引用关系。

**关键词：**链接分析、图网络、反作弊、搜索质量。

常见行为链，治理视角：建立站群；自动生成文章；互相链接；加入目标锚文本；持续轮换。

识别信号：外链站主题无关；锚文本过度一致；站点注册和模板相似；访问质量低。

危害说明：可能导致搜索处罚，污染引用网络，让 AI 误判权威关系。

**举例：**某品牌出现上万条“最佳 AI 咨询公司”锚文本外链，均来自低质目录站。

国内场景重点：本类风险在国内通常会出现在 友情链接、行业站、目录站、媒体合作页、AI 来源选择 等入口。合规判断需要同时关注 反不正当竞争法、广告法、平台垃圾内容规则。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：某品牌服务商批量购买低质量外链和目录页，把锚文本设置为“某行业第一”“官方推荐”。这些页面内容简陋，站点之间互相链接。AI 搜索在判断品牌相关来源时抓到部分页面，导致回答中出现未经证实的称号。

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“机器生成外链与链接农场”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, 关于链接垃圾、链接农场和操纵性链接的政策说明。

• 《网络反不正当竞争暂行规定》关于流量造假和利用网络技术实施不正当竞争的治理要求。

• Aggarwal et al.,GEO: Generative Engine Optimization, 关于外部信号对生成式引擎可见性的影响。

• 《网络信息内容生态治理规定》关于扰乱网络内容生态行为的治理要求。

3.4.15 站内自动化用户生成垃圾内容

定义：开放评论、论坛、问答或知识库被批量灌入广告、链接、伪评价和隐藏文本。

底层原理：UGC 内容也可能被搜索和 AI 抓取。未治理的 UGC 会把站点变成垃圾信息入口。

**关键词：**社区治理、反滥用、内容审核、搜索质量。

常见行为链，治理视角：注册账号；批量发帖；插入目标词和链接；利用站点权威获得收录。

识别信号：新账号短期高频发帖；文本模板化；外链集中；主题偏离社区。

危害说明：站点声誉下降，用户被恶意链接诱导，AI 引用错误内容。

**举例：**某 SaaS 社区被刷入大量“免费破解下载”帖子，搜索结果开始展示这些页面。

国内场景重点：本类风险在国内通常会出现在 企业社区、评论区、问答区、用户论坛、AI 抓取系统 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、网络安全法、平台内容管理责任。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：某硬件品牌官网开放用户问答，但缺少审核。大量机器人账号发布与产品无关的导流、伪测评和隐藏商业链接。AI 搜索抓取问答区后，把垃圾内容中的参数、适用场景和售后承诺混入回答。品牌方直到客服投诉增加才发现站内用户生成内容已被污染。

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“站内自动化用户生成垃圾内容”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, 关于用户生成垃圾内容和规模化内容滥用的政策说明。

• 《网络信息内容生态治理规定》关于平台主体责任和违法不良信息治理的要求。

• 《生成式人工智能服务管理暂行办法》关于生成内容安全、质量和防止虚假信息的要求。

• OWASP Top 10 for LLM Applications 2025, 关于模型应用中外部内容输入风险的治理建议。

3.4.16 隐蔽重定向与点击诱导

定义：对搜索引擎、AI 抓取器和用户展示不同路径，或根据来源、设备、地域跳转到高风险页面。

底层原理：重定向可以被用于正常迁移，也可以用于隐藏真实落地页。恶意使用会欺骗抓取和用户。

**关键词：**Web 安全、搜索质量、流量分析、前端工程。

常见行为链，治理视角：给抓取器展示正常页；给用户展示广告或恶意页；按 referrer 和设备变化；逃避人工审计。

识别信号：直接访问正常，从搜索点击异常；不同设备结果不同；日志显示异常跳转链。

危害说明：用户可能进入诈骗、恶意下载或无关广告，站点承担安全与搜索处罚风险。

**举例：**某页面被黑后，直接访问是博客，来自搜索结果点击会跳到假软件下载站。

国内场景重点：本类风险在国内通常会出现在 官网落地页、短链、广告落地页、AI 搜索链接展示 等入口。合规判断需要同时关注 互联网广告管理办法、广告法、反不正当竞争法、平台链接规则。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：某招商项目页面在 AI 搜索抓取时展示“政策解读与行业指南”，普通用户点击后跳到高压销售页面。部分短链在不同地区和设备上跳转不同内容。AI 搜索引用该页面时显示为中立指南，用户实际访问却进入营销漏斗。

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“隐蔽重定向与点击诱导”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, 关于隐蔽重定向、欺骗性跳转和垃圾内容的政策说明。

• 《网络反不正当竞争暂行规定》关于利用技术手段扰乱网络竞争秩序的治理要求。

• 《互联网广告管理办法》关于互联网广告可识别性和不得欺骗误导用户的要求。

• OWASP Top 10 for LLM Applications 2025, 关于不安全输出处理和链接渲染风险的治理建议。

3.4.17 恶意搜索投毒

定义：攻击者操纵搜索结果，让恶意网站、钓鱼页面或携带恶意软件的下载页排名靠前。

底层原理：用户倾向信任搜索前列结果。攻击者利用关键词、外链、相似域名和被黑站点扩大触达。

**关键词：**网络安全、社会工程、搜索质量、威胁情报。

常见行为链，治理视角：选择热门关键词；创建仿冒页；利用外链或被黑站点；诱导下载或提交凭据。

识别信号：域名近似；下载源不在官网；页面设计粗糙或过度仿冒；证书和品牌信息异常。

危害说明：导致凭据窃取、恶意软件感染、勒索软件和品牌损害。

**举例：**用户搜索某安全工具，点击高排名仿冒站下载了带木马的安装包。企业应监控品牌关键词和仿冒域名。

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、新闻聚合与短视频搜索 等入口。合规判断需要同时关注 网络安全法、反电信网络诈骗相关规则、网络信息内容生态治理规定、平台安全规则。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：某黑产团队针对“某银行客服电话”“某平台退款电话”制作大量仿官方页面，标题和摘要看似官方服务，页面中留下虚假电话。AI 搜索或浏览器摘要在整合结果时可能把这些页面当作联系方式来源。用户拨打后被诱导转账或提供验证码。

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“恶意搜索投毒”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, 关于恶意软件、欺骗性内容和搜索垃圾的治理原则。

• OWASP Top 10 for LLM Applications 2025, 关于不安全输出处理、提示词注入和供应链风险的治理建议。

• MITRE ATLAS: Adversarial Threat Landscape for Artificial-Intelligence Systems。

• NIST AI Risk Management Framework, 关于 AI系统安全风险识别和响应的框架。