00 全貌：研究在做什麼

導航：目錄 ｜ 01 AUC →

每題的解答都收合在題目下方：先自己作答，再點開「看解答」核對。

先認識這些詞

這一課第一次出現的詞如下，請先讀完再往下。完整列表見 術語表。

• 題目：一個被拿來投票的問題，例如「要不要通過某個提案」。研究中也叫「提案」。程式中的欄位名稱是 q，我們舉例時也寫成 q。
• 投票平台：讓人對題目投票的網站或應用程式。
• 票：一個人對某一題投的一次選擇。
• 灌票：為了改變結果，集中大量投票到某個方向。
• AVP（不記名投票平台）：研究的目標平台。每一票都附一個 vote_token（投票憑證），不是帳號；同一人在不同題目上的 vote_token 不同，無法跨題連結。
• 帳號：平台用來辨認使用者的身分，可以跨多題追蹤同一個人。
• n：參照題數，也就是冷啟動時用來學習的題數，例如 n = 10 表示只用 10 題參照。它不是實驗次數。
• Polis：一個意見調查平台，參與者對各種意見表示同意或不同意，研究用它的公開資料（有帳號的來源域之一）。
• Yelp（YelpNYC）：美國的店家評論網站。YelpNYC 是紐約市的店家與評論資料，研究用它來做來源域（有帳號的來源域之一）。
• 攻擊（S-B、S-L、S-W、C、S-M）：研究設計的五種灌票模式的統稱。字母的全名是我們根據程式命名推定的，見下表。
• 訓練：讓模型從有答案的資料學習規則。
• 來源域：用來學習的平台。研究用了三個有帳號的平台：Decentraland（DAO 治理投票）、Polis（意見調查）、YelpNYC（紐約市的店家評論）。
• 目標域：要應用學到的東西的平台。研究中是 AVP。
• 參照題：用來學習「正常長什麼樣」的題目。訓練時可以看，也可以在上面製造假灌票。
• 檢驗題：用來考試的題目。訓練時完全不能碰，只用來最後打分。
• 注入：人工製造假的灌票資料。因為真實的灌票沒有被標記過，研究只能自己製造。
• 特徵：從一題的票算出來的數字，例如選項比例、投票的時間分布。機器用特徵來判斷。
• 字典：用正常的參照題記下「正常題目長什麼樣」的一組範本。
• AUC：衡量「排序能力」的數字。隨機抓一題灌票和一題正常，模型把灌票排在前面的機率。0.5 是亂猜，1.0 是每次都正確。
• 排序：依分數從大到小排列題目。
• bootstrap（重抽樣）：從手上的資料有放回地重新抽樣，重做很多次，看結果會怎麼變，藉此估計誤差範圍。注意：2,000 次是「重抽」的次數，不是實驗次數；它不會增加新的實驗。
• 區間（95% 區間）：一個數字可能的範圍。例如 [0.08, 0.14] 表示我們有相當把握，真正的數字在這個範圍內。
• 差（d − e、借用 − 自造）：兩個方法的 AUC 相減。大於 0 表示前者比較好。
• 協定：預先登記的實驗計畫文件。
• 對照（組）：和主要方法放在一起比較、用來排除其他解釋的一組方法或設定。
• 無監督（方法）：不使用答案（哪題是灌票）來學習，只看資料本身的分布，找出與眾不同的題目。
• 產生器：製造假灌票的程式。研究中的「注入產生器」負責把真票換成假票，造出各種攻擊。
• 稽核（產生器稽核）：檢查假資料有沒有留下不該有的痕跡。例如某個欄位只有假票才會出現，偵測器就可能學到這個痕跡，而不是灌票本身。
• 欄位：資料表裡的一項資訊。例如每一票的選項、投票的時間，都是欄位。
• 跨域：把在一個平台學到的模型，拿到另一個平台使用。
• 自造假資料：AVP 用自己的參照題，人工製造假灌票來訓練（第 5 階段）。協定代號 (e)。
• 自造假資料（R2 版）：同上，但使用 R2 的特徵。協定代號 (e2)。
• kNN、IF、LOF：三種最基本的「找出不一樣的題目」方法。kNN 看一題和最近幾題差多遠；IF（隔離森林）看一題多容易被單獨切出來；LOF 看一題的密度是否比鄰居低。
• 圖神經網路（GNN）：一種較複雜的模型，直接在圖上學習。研究的第一輪用的是它。
• 真實標籤：真正知道答案（哪題是真的灌票）的標記。AVP 沒有真實標籤，所以研究只能用代理標籤近似。
• 借用模型：只用其他來源域的資料訓練，直接拿到 AVP 上用。協定代號 (d)。
• 模型：會從資料學規則，然後對新資料給出判斷的程式。
• 替換式注入：把一些真票改成假票，總票數不變。
• 加法式注入：在原有的票上多加假票，總票數會變多。

目標

讀完這課，你能用三句話說出研究在做什麼，並說出每個數字是在哪一步產生的。

白話

想像一個投票平台。有人會「灌票」：讓某個題目的結果朝特定方向翻盤。

問題是 AVP（不記名投票平台）沒有帳號，也沒有人標記過哪些是灌票。所以平台本身無法學會偵測灌票。

研究的做法是：

1. 找三個有帳號的平台（Decentraland、Polis、YelpNYC），在它們的資料上人工製造灌票，因為這時我們知道哪些是假的。
2. 用這些人工灌票的資料訓練一個偵測器。
3. 把偵測器搬到 AVP 上試，看它能不能抓到 AVP 上的灌票。
4. 再比較：如果讓 AVP 自己製造假灌票來訓練，會不會比直接用別的平台的偵測器更好。

有帳號的三個平台叫來源域，AVP 叫目標域。

資料怎麼流動

有帳號的來源域（三個）          無帳號的目標域（AVP）
        │                              │
        ▼                              │
  載入、把帳號換成數字代碼               │
        │                              │
        ▼                              │
  切成「參照題」與「檢驗題」              │
        │                              │
        ▼                              │
  在參照題上人工灌票（注入）             │
        │                              │
        ▼                              │
  算每題的特徵（投票型態、時間、字典）      │
        │                              │
        ▼                              ▼
  訓練偵測器 ──────────────────▶ 在檢驗題上打分
                                       │
                                       ▼
                         AUC（排序能力）＋ bootstrap 區間
                                       │
                                       ▼
                              論文中的數字

研究最重要的一個比較

借用 − 自造（協定代號 d − e）：同樣的偵測器，只差訓練資料來自哪裡。

• 如果借用 − 自造 > 0：借來的資料比自己造的好。
• 如果借用 − 自造 < 0：自己造的比較好。

論文的一個關鍵問題是：借用的優勢，有多少是因為「偵測器知道灌票長什麼樣」，有多少是真的來自跨平台。這個問題在 C 課（結果對照）與 D 課（統計與推論）會再回來。

看似簡單、實際困難的地方

這份全貌把整個研究的問題說成一句話：借來的偵測器，是否比目標平台自己用無監督方法做的偵測器好？ 要回答這個問題，有幾件事很難做對。讀的時候要知道這些地方，否則容易把結論看得太簡單。

困難一：假資料怎麼造才公平。 如果把假票加進去（加法式），總票數會變多，光看票數就能抓到不少假資料。所以研究改用替換式：把真票換成假票，總票數不變。 這還不夠。研究還要用「產生器稽核」檢查假票有沒有留下其他不該有的痕跡，例如某個欄位只有假票才會出現。這一步看起來瑣碎，但如果沒做，偵測器學到的可能是「假資料的痕跡」，而不是「灌票的樣子」。

困難二：比較要公平。 跨域偵測器與目標平台無監督方法的差距，有一部分只要目標平台用同一個產生器自己造假資料，就能得到。剩下的部分才是「跨平台」的功勞，而它的大小要看用哪一種區間（見 02 課）。研究為此加了一組對照（自造假資料），把這兩部分分開。

困難三：數字的誤差範圍怎麼算。 同一批結果，用不同的重抽方法（抽樣層級、兩層、交叉，見 02 課）算出的區間寬窄不同，結論可能跟著改變。同一組數字在不同區間下，可能一個不含 0、另一個含 0。讀結果時要看的是「用哪一種區間」。

困難四：比較的對手要夠強。 跨域方法的優勢，是拿它和目標平台的無監督方法比。如果無監督方法本來就很弱，差距會被放大。研究只測試了 kNN、IF、LOF 三種常見的無監督方法，沒有測試更強的對手。所以差距的大小有一部分取決於對手的強弱，目前還不能完全確定。

讀完這一節，應該記住：

• 研究的結論有條件：只在模擬的灌票上成立，而且要看是哪一種區間、哪一種題數。
• 負面結果（例如圖神經網路沒有勝出、真實標籤的測試失敗）也是研究的一部分，不是失敗的附帶品。

練習

1. 用自己的話講一次「替換式注入」與「加法式注入」的差別。

看解答

加法式是在原本的票上多加假票，總票數變多；替換式是把真票改成假票，總票數不變。研究用替換式，因為只看票數就能抓到加法式的假票。

2. 圖中哪一步是「不讓偵測器看到答案」的關鍵？

看解答

切分（參照與檢驗分開），以及訓練時不得碰檢驗題。

檢核

1. 來源域和目標域的差別是什麼？

看解答

來源域是有帳號、用來學習的平台（研究用三個）；目標域是要應用學到東西的平台（這裡是 AVP），沒有帳號，也沒有標籤。

2. 「借用模型」和「自造假資料」分別用什麼資料訓練？

看解答

「借用模型」只用其他來源域的資料訓練；「自造假資料」用 AVP 自己的參照題，加上人工製造的假灌票來訓練。

3. 為什麼要比較「借用」和「自造」，而不是只看借用？

看解答

只看借用，無法分辨優勢是來自「跨平台」，還是來自「偵測器本來就知道灌票長什麼樣」。兩者一起比較，才能把這兩部分分開。

導航

• 上一課：無（這是第一課）
• 下一課：01 AUC
• 回到目錄 ｜ 術語表

引用文獻

• 研究資料來源：Snapshot Labs (2026) [bib: snapshot_hub]；Computational Democracy Project，Polis 公開資料 (2026) [bib: compdemocracy_polis_opendata]；Rayana & Akoglu (2015)，YelpNYC [bib: rayana2015collective]。
• 投票操弄的背景：Tran et al. (2009) [bib: tran2009sumup]；Chandola et al. (2009)，異常偵測綜述 [bib: chandola2009anomaly]。
• 本研究的定位與「跨域、零樣本」的相關工作：Zheng et al. (2026) [bib: zheng2026owleye]。