提个问题，百度网盘怎么检查违规信息的，今天我发现 rar 包都能检测到违规信息，这个是怎么做的？

[luosuosile]

我想的是。

先是提取关键字，然后根据关键字定位。

以前看的文章，.avi 文件，可以靠音频文件来定位，毕竟都有一定相似性嘛。

那比如纳粹图表，血腥图片的又怎么办呢？

现在我发现压缩包的能找到了，

百度难道真的给你解压缩一遍了？

最后想到的问题是，这些能靠机器学习解决吗？先给他找大量样本，然后让他不断学习是吗？

那就是有人人工给他找大量样本，然后让一些人，给他清洗数据，最后再把干净合理的数据拿来用是吗？

[kokutou]

rar 加密码，然后勾上加密文件名就行了。。。。

[annielong]

rar 加密码，加密文件名，最好再加一个任意的随机文件，以免压缩包已存在

[imdong]

文件名检测，头信息特征检测。
比如一个压缩包，检查压缩包特征是否检测过，检查文件名是否有关键词。
获取压缩包文件列表，检查压缩包内文件名是否有关键词。
获取压缩包内文件 CRC （类）是否在黑名单。
最不济，尝试读取压缩包内每个文件的头信息(前一段)和现有文件对比。
还要严格，那就？所有文件解压出来，图片视频走 AI 识别？

[woodvillage]

你不是一个人

[RyougiShiki]

我遇到的情况是 七牛上传.avi 会失败，.rar 就没事。

[dalieba]

那就上传一份加密的 RAR 试试看吧。

[workspace]

tar tf 只看，不解压

[nikolai]

有人在线解压过，文件 md5 被认证了

[metorm]

如果是大路货压缩文件，直接 md5 匹配上就可以了

[t6attack]

文件名关键词+文件指纹。别的没了。根本没有什么图像识别、语音识别、机器学习 乱七八糟这些。

假如有个有个文件叫 v2ex-001.avi ，被 1 万个用户离线到自己网盘里。那么这个文件在服务端实际是 1 个，而不是 1 万个。这个文件被判定为 A 片，那么 1 万个用户点开全部变成“温馨提示”。

一份文件，被多少个网盘保存。服务端那边看的一清二楚。人工审查，只针排名靠前的那些文件就够了。
至于只被一个网盘保存的文件，没人查你。也查不过来。

你把 v2ex-001.avi 截掉 1 秒，文件指纹就变了，然后再上传。就可以正常下载、观看。这是你的私密文件，全球仅此一份。不会被检查。但如果你分享出去，被很多人下到自己网盘里，就有可能变成“温馨提示”。
图片也是一个道理。一张广泛传播的裸照，你用 win 绘图里的铅笔，在角落里点个点，再保存。它就是另一个文件了，全球只此一份。传上去以后，正常浏览、正常下载。

[luosuosile]

@t6attack 学习了，感谢

[JamesR]

有纱布在线解压了，就这么简单。

[KevZhi]

@t6attack
BT 下载的 AVI 格式，转码重新压制成 h264 的 mp4 并自定了码率，改名并去除敏感关键字，非光速上传后，未分享的情况下秒封

甚至磁力下载的黄油 ISO 镜像都被封过


显然此过程 AI 图像音频识别都不一定用得到，除去对比文件头，文件名，hash，百度云更可能直接截取某一帧（例如第五秒第 20 帧）图像进行比对（以图搜图）黑名单数据库。


另外别忘了行为检测，正常人看正常视频应该不会一直快进吧。当这个文件被大量分享，大多数人都不断的快进的时候，这个视频可能已经进入枪毙名单了

当然目前 AI 的力量也十分强大，鉴黄服务也非常成熟了，但是还存在一定误封的情况，但是这都是唐马儒们的有力工具。

也别忘了人的力量，戒色吧老哥的小广告都能贴到大学教学楼卫生间里，撸完举报的大有人在。还有一些民间组织、家长组织也在做这些事情。

百度内部当然也培养了一堆唐马儒，他们每天做的就是坐在大屏幕前，大屏幕就像监控中心一样，轮流不断播放着每个用户网盘里被大量分享的文件，当他们发现一个，点点鼠标那个文件就八秒了。

[Tlin]

@t6attack 老哥也是深有体会啊。之前我也是这样，跟别人同样的文件实际在云端只有一个的，云端删了大家的都没了（不知道秒传是不是这个原理：限读取你的文件里面的一些内容数据结构等等，在云端进行比对，如果有就把云端的给你，再把你的文件名赋值上去）

[flyoungstudio]

PGP Desktop，你值得拥有

[go]

@t6attack #30 牛啊 一直以为 AI+人工智能判断 视频图像分析 自动替换成温馨提示
按照你的说法 也就是检查热门文件 。。

[go]

@KevZhi #33 不断快进这段 笑了

[hu5ky]

应该是对比文件 MD5 值这类技术，你一个压缩包没有加密码，然后有人在线解压，导致被服务器检测到，然后查看以后对这个文件的 MD5 值，做封禁处理，然后就是你看到的封禁信息。

[yjd]

你加个中文密码。23333

[f2ck]

压缩 加密一哈 就可以了