🔍 反射搜索投毒（RSP）深度解析：当搜索引擎成为非法推广的帮凶

一句话介绍：中科大团队首次系统研究反射搜索投毒（RSP）技术，发现超过 1195 万条非法推广文本（IPT），涉及 14 类非法服务，Google/Bing 等主流搜索引擎均被严重污染。

---

📋 目录

1. 研究背景
2. 什么是反射搜索投毒（RSP）
3. 研究方法ology
4. 核心发现
5. 非法推广文本（IPT）分析
6. 被滥用的高排名网站
7. 用户暴露程度评估
8. 下一步跳转分析
9. 缓解建议与披露
10. 总结与展望

---

研究背景

搜索引擎优化（SEO）的双面性

SEO 技术被广泛用于提升网站在搜索引擎中的可见性：

• 白帽 SEO：链接建设、论坛发帖、优化 robots.txt 等
• 黑帽 SEO：论坛垃圾、链接农场、蜘蛛池、搜索投毒等

传统搜索投毒的局限

推广感染（Promotional Infection） 是传统搜索投毒的主要方式：

• 攻击者入侵合法网站
• 注入恶意推广页面
• 诱导搜索引擎高排名索引

问题：

• 一旦被发现，网站管理员会快速修复（中位恢复时间 15 天）
• 攻击者必须持续入侵新网站维持推广规模
• 高排名网站通常防护良好，难以入侵

新兴威胁：反射搜索投毒（RSP）

RSP 是一种新型搜索投毒技术，无需入侵网站即可利用高排名网站的声誉：

• 无需网站入侵：只利用网站的 URL 反射机制
• 更隐蔽：不在服务器上留下文件，只产生访问日志
• 更高效：可利用大量高排名网站的声誉获得高排名

---

什么是反射搜索投毒（RSP）

核心机制

┌─────────────────────────────────────────────────────────────────┐
│                    反射搜索投毒（RSP）流程                        │
├─────────────────┬─────────────────┬─────────────────────────────┤
│   步骤 1         │    步骤 2        │      步骤 3                │
├─────────────────┼─────────────────┼─────────────────────────────┤
│ 识别 URL反射机制 │ 构造 RSP URL    │   分发并诱导索引             │
│ (URS)           │ (URS+非法推广文本)│   (论坛垃圾、蜘蛛池等)       │
└─────────────────┴─────────────────┴─────────────────────────────┘

URL 反射机制（URS）

许多网站会将 URL 参数反射到页面内容中：

示例 - YouTube 站内搜索：

https://www.youtube.com/results?search_query=reflection-text

当指定上述 URL 时，reflection-text 会被反射为结果页面的标题，即使没有搜索结果。

七种反射方法

根据参数反射位置，识别出七种反射方法：

1. 页面标题
2. 输入框值
3. 纯文本显示
4. 页面元数据
5. JavaScript 变量
6. 锚点链接
7. 自定义数据属性

真实案例

2023 年 9 月 26 日，在 Google 搜索中文关键词"美国文凭"：

• 前 20 条搜索结果全部是 RSP 案例
• 推广伪造证书服务
• 出现在 yahoo.com、azurefd.net 等高排名网站上

---

研究方法ology

研究团队设计了三个核心工具：

1. IPT Hunter（非法推广文本猎手）

目标：发现 RSP 案例和非法推广文本（IPT）

工作流程：

搜索关键词/URS ──► 爬取搜索结果 ──► 二元 IPT 分类器 ──► 提取新关键词/URS
                                    (区分 IPT 和良性反射)
                                          │
                                          ▼
                                    迭代扩展发现

两种搜索策略：

• 关键词搜索：用已知 IPT 关键词搜索，发现相同 IPT 的不同 URS
• URS 搜索：用已知 URS 搜索，发现相同 URS 的不同 IPT

二元 IPT 分类器：

• 手动标注 2,299 个 IPT 和 1,468 个良性反射案例
• 对比了 BERT、Random Forest、Decision Tree、AdaBoost、SVM
• Random Forest 被选为默认分类器（最佳性能与效率平衡）

- 精确率：95.34%
- 召回率：97.95%

2. IPT Analyzer（非法推广文本分析器）

目标：分类 IPT 类别，提取嵌入的联系方式

多标签 IPT 分类器：

• 14 个预定义类别（见下文）
• 基于多语言 BERT 微调
• Micro 精确率：94.03%
• Micro 召回率：93.53%

联系方式提取器：

• 预处理：去除同形异义字符、无意义字符等干扰
• 联系方式类型分类器：识别电话、Telegram、微信、QQ、网站
• 命名实体识别（NER）：提取 Telegram/微信账号

3. IPT Infiltrator（非法推广文本渗透器）

目标：深入渗透提取的联系方式，了解非法推广活动

动态网站爬虫：

• 基于 Playwright 的无头浏览器
• 每周访问一次，捕获截图和网络流量
• 分析落地页内容

Telegram 账号渗透器：

• 利用 Telegram API 获取账号资料
• 订阅频道/加入群组，获取历史消息（2022 年以来）
• 收集超过 1400 万条历史消息

---

核心发现

规模统计

搜索引擎分布

关键发现：

• Google 和 Bing 被严重污染
• Baidu 和 Sogou 相对较少，可能已有有效过滤措施
• 各搜索引擎的 IPT 重叠率很低（Bing 与 Google 仅 13.54%）

时间演化

2022 年 11 月 vs 2023 年 11 月对比：

• 94.82% 的 2023 年 IPT 是新增的
• 77.34% 的 2023 年联系方式是新增的
• 表明非法推广活动快速演化，持续进行"猫鼠游戏"

Bing 的显著改善：

• 2022 年 11 月：458,710 个 IPT
• 2023 年 11 月：仅 672 个 IPT
• 原因：研究团队 2023 年 10 月向 Bing 披露后，Bing 采取了缓解措施

---

非法推广文本（IPT）分析

14 个非法服务类别

具体产品示例

伪造证书类别：

• 中国居民身份证、签证、护照、出生证明
• 房产证、户口本、在职证明、无犯罪记录证明
• 专业资格证书、发票、结婚证、离婚证
• 驾驶证、营业执照、文凭、成绩单、学费单、病历

虚假账号类别：

• 亚马逊、谷歌、推特、Telegram、LinkedIn、支付宝
• QQ、微信、抖音、快手、小红书、Uber、PayPal 等账号

毒品销售类别：

• 大麻、冰毒、镇静剂、GHB、七氟醚
• 阿普唑仑、咪达唑仑、地氟醚、三唑仑、氯硝西泮、伟哥等

语言分布

观察：

• 中文 IPT 占绝对主导
• 与互联网整体语言分布（英语占近一半）形成鲜明对比
• 可能原因：东亚/东南亚地区黑帽 SEO 更活跃；CJK 语言更容易绕过过滤

---

被滥用的高排名网站

顶级网站被滥用情况

关键发现：

• 33.53% 的被滥用域名位于全球 Top 1M
• 854 个被滥用网站属于知名教育机构
• 1,144 个被滥用网站属于政府机构

被滥用最多的网站

URL 反射机制类型

Top 100 最常被滥用的 URS 中：

• 80% 用于站内搜索
• 11% 用于标签页
• 6% 用于词典/翻译
• 其他：Wiki 页面等

---

用户暴露程度评估

三类高风险搜索关键词

1. 地理位置名称（城市名）

用 3,368 个中国城市名搜索：

意味着：在 Google 搜索中国城市名，近一半查询会在前 10 条结果中出现 IPT。

2. 非法服务关键词

搜索"fifa 23 coins in norway"或中文"找小姐"等：

• 第一页就会出现多个 IPT
• 直接推广相关非法服务

3. 良性长尾关键词

搜索"迪奥女运动鞋价格"、"台州到黄冈的火车"等：

• 返回的 IPT 与搜索主题完全无关
• 但嵌入了搜索关键词以扩大受众范围

---

下一步跳转分析

联系方式分布

共提取 48,114 个联系方式：

83.62% 的 IPT 将即时通讯账号作为下一步跳转。

IPT 网站分析

16,335 个网站分类：

规避技术

1. 长重定向链

• 13.62% 的网站涉及 3 个以上重定向跳
• 32 个网站甚至有 10+ 个跳转
• Google 爬虫只跟踪 5 个跳转，更长的链可逃避检测

2. Iframe 伪装

• 在良性页面中嵌入 iframe 显示非法内容
• 如果检测系统不渲染 iframe，会误判为良性

3. 基于位置的访问控制

• 美国 IP 访问：重定向到 google.com
• 中国 IP 访问：显示儿童色情内容
• 11.31% 的网站对不同地理位置显示不同内容

4. 动态重定向

• 同一网站在不同时间访问，可能跳转到不同落地页
• 18.77% 的网站观察到 2+ 个不同落地页
• 解释：RSP 服务先囤积流量，再根据客户需求定向

移动应用威胁

200 个从 IPT 网站下载的 Android APK：

• 123 个赌博应用
• 66 个色情应用

VirusTotal 分析：

• 98 个被检测为恶意软件（49%）
• 主要威胁类型：木马（32%）、风险软件（25%）、恶意软件（19%）

Telegram 平台分析

渗透 4,732 个 Telegram 账号：

• 1,507 个用户
• 231 个机器人
• 2,333 个频道
• 661 个群组

收集 1400 万+ 历史消息，分类结果：

规模：

• 频道订阅者总数：2900 万+
• 群组成员数：60 万+

---

缓解建议与披露

对搜索引擎运营商

1. 部署 IPT 检测系统

- 高吞吐量场景：使用基于特征的 Random Forest 分类器 - 高精度场景：使用基于 BERT 的分类器

1. 网站防护措施

- 对于合法的 URL 反射机制，当反射参数异常时（如无搜索结果、无效标签），不将其渲染到页面中 - 这样 IPT 就不会被搜索引擎索引

负责任披露

研究团队已向四方披露：

• Bing：已响应并采取措施（IPT 数量从 45 万+降至几乎为零）
• Google、Baidu、Sogou：尚未收到具体回应
• 即时通讯平台（微信、QQ、Telegram）：披露进行中

---

总结与展望

核心贡献

1. 首次系统研究 RSP 非法推广：揭示了大规模、多语言、跨搜索引擎的 RSP 威胁
2. 三个创新工具：IPT Hunter、IPT Analyzer、IPT Infiltrator
3. 大规模测量数据：1195 万+ IPT、1329 万+ RSP 案例、4.8 万+ 联系方式
4. 深入分析：14 类非法服务、97 种语言、6 万+ 被滥用网站

关键发现

• RSP 已被广泛用于分发非法推广文本
• 涉及14 类非法服务，97 种语言
• Google、Bing、Baidu、Sogou 均被严重污染
• Top 1M 网站中 3.5% 被滥用
• 用户通过城市名搜索暴露于 IPT 的概率高达 46%（Google Top 10）
• 83.62% IPT 引导至即时通讯平台进一步沟通
• Telegram 平台上有 2900 万+ 订阅者接触非法内容

未来工作

• 评估机器学习模型的对抗鲁棒性
• 研究 IPT 通过其他渠道（社交网络、论坛）的分发
• 持续监控 RSP 技术演化

数据与代码发布

研究团队计划开源：

• IPT 搜索关键词数据集
• IPT 数据集
• 各类联系方式数据集
• Telegram 消息数据集
• 分类器训练和测试脚本

---

参考资料

论文：

• Wu, S., Xue, J., Zhou, S., & Mi, X. (2024). Reflected Search Poisoning for Illicit Promotion. arXiv:2404.05320v1.

相关研究：

• Leontiadis, N., Moore, T., & Christin, N. (2014). A nearly four-year longitudinal study of search-engine poisoning. CCS 2014.
• John, J. P., Yu, F., Xie, Y., Krishnamurthy, A., & Abadi, M. (2011). deSEO: Combating search-result poisoning. USENIX Security.

---

报告整理时间：2026-03-02
基于 arXiv:2404.05320v1 论文整理