主题：【讨论】受某网友启发，关于马甲的简单分析和讨论 -- 匿名
在一个最近比较火的贴【原创】军情六局M16入驻西西河？（西西河发帖时间调查报告）中，我看到了一些关于马甲的分析和暗示。
从中受到启发，我觉得很有意义的一点是，假如一个人长期上某网站，那么不管是在甲时区睡觉也好，在乙时区上班也罢，总有一些时间是来西西河发帖较少的，而在另一些空闲时间是来西西河发帖较多的。有的人睡觉上班时间极不规律可能形成比较缓和的分布，另一些人可能只在少数特定时间上网，形成尖锐的分布。所以一个人发帖的时间分布相当于某种指纹，可以由此辨识不同ID背后的自然人。注意这不完全依赖于时区，而且对于动辄几年甚至十几年的发文历史数据，也很难伪装。在大量数据下，不同人之间达到高相关，不能说完全没有，但很难。当然，相关系数多高算高，确实需要从实际数据中去摸索，比较。
对网络公开数据的分析，我总是有一种顾虑。如前面提到的那个帖，作者悍然把别人上网的时段公开，我是觉得不妥的。我们每天不戴口罩出门，确实给了路人看我们脸的权力，但是这并不是让渡给他人对我们一天的生活轨迹录像并传播的权力。因此我在这帖内不会公布任何ID具体的发帖时间。
我只是读取一些ID的发帖时间后，把这些发帖时间在一天不同时段（分辨率半小时）的概率分布，和另一些ID进行相关，再绘图公开。这样你能看到，ID甲和ID乙同时在某个时间高频发帖，但是具体是哪个时间，你是看不到的。同时，我也不会任意选取ID公开。我只会从前面提到那个主题帖中热情回复或者宝推的ID中（某种意义上，这表达了他们对这类行为的赞许）选取一小部分进行公开。以尽量避免侵犯他人隐私。
首先，我给大家看看两对任意选取的ID发帖时间关系，此处匿名。
我们看到，他们相关系数为0.4和0.5，这是一个作为参照的背景数据。下面我来给大家看看另外两个ID（保护他们隐私故匿名）的发帖时间相关性，注意这两个ID曾在西西河自己官宣互为马甲。
我们看到，相关性高达0.78。
从以上匿名数据，我们大概可以推测，我提及的这个发帖时间分布指纹，是有效的。接着，我开始验证公开承认互为马甲的燕人和翼德
我们看到，相关性确实高达0.87，再一次验证了我的方法有效。
接着，我把被他人明里暗里指证为他的马甲的两个ID：我还有机会吗，和既然青春留不住，分别和燕人相关，
我们看到，相关性都很低，和最初我举得两个随机ID之间关系类似。再看这两个ID之间，相关性也很低。
最后，我们来看看楼主菜根谭和给他抬轿子的大胖子的发帖相关性
相关系数高达0.75，和自己主动承认的马甲已经极其接近了。事实上，他们两个ID，以及给该主题帖宝推的若干ID，都和某个至今尚未在这个楼中出现的ID有强相关，在0.8~0.9之间。从他们发文历史看，虽然意料之外，却也情理之中。如前所述，我是顾及网友隐私的，就不在这里点他名了。
以上分析的数据，来源是程序自动读取的截止到本月初的若干ID的全部发文记录。我公布的仅个位数ID数据，实际考察的也不超过两位数。但每ID少则几百多则几千个帖子，不自动读取确实没那个时间。作为一个文科生，我现学的自动读取办法。从互联网礼仪上说，或许不算特别礼貌。但是或者我学艺不精，或者电脑性能太差，实际读取速度非常慢。基本每个页面耗时0.5秒左右，和正常浏览网页速度相比，对服务器压力应该不会特别大。
其实，比使用马甲更恶劣的，是用马甲互相宝推，送花。虽然现在规则只能看到若干天内的送花记录。但是西西河的宝推记录历史是可以看到的。菜根谭和大胖子，以及他们同伙ID，互相宝推有多频繁，老用户应该心里有数。通过相互宝推记录其实也可以得到一个ID的团簇，扯出萝卜带出泥。如果我去把这些数据也算一下摆出来，怕是难看得很。做人留一线，日后好相见，到此为止吧。
数据摆完了，最后，说几句或许多余的话。
1. 对燕人、我还有机会吗，和既然青春留不住三个网友，你们虽然参与了那个主题贴的讨论，但是是作为防守方被动参与的，我这里未经允许就读取并公开了你们的数据，希望你们原谅。不过如前所述，这已经是处理后的数据，已经在我能力范围内最大限度保护你们隐私。从某种意义上讲，我这个贴也算是给你们洗脱不白之冤。
2. 对于菜根谭，大胖子等ID，我没什么可说的，我对他们的雇主说几句。如果要搞一些正面宣传，占领舆论阵地，作为公民我是支持的。但是，请找一些稍微像样一点的人来做这个事情。如今是互联网时代，随便一个三流演员的公关团队都比他（们）强。我不知道你们这些宣传活动如何绩效考核，但是很显然，目前在西西河的效果是负面的。在人员使用上，这里面有没有腐败问题？希望你们深思并做出改进。我们纳税人的钱，不能这样随便糟践。即便经费有限，能力不足，哪怕转发新闻联播、人民日报内容呢，也比这样追着海外的爱国华人咬强。人家用中文发发美食、电影，难道不是在传播中华文化，你们这样死缠烂打不放过，会寒了沉默的大多数的心。
3. 对于广大网友，我想说，我发这个帖子，不是鼓励大家去抓马甲。恰恰相反，我本并不介意马甲。发这个贴纯粹是看不惯他们欺负人。数据分析中，我也无意发现很多网友在用马甲，颇有大跌眼镜的。但是我不会去公开他们。站长 @铁手 之前有句话我非常赞同，大意是我们应该关注发帖的内容，而不是发帖的ID。如果我们能从某些发言中学到一些东西，那么来西西河就是有益的。我希望这也包括以上提及的菜根谭、大胖子这些ID，某种意义上它们可能也是国有资产。完全可能今后换成积极向上的人使用，希望大家不要歧视这些ID。关注他们今后的发言内容而不是这些账号本身。
4. 对一些也在使用马甲的人，希望你们不要再贼喊捉贼。仅仅因为某网友善良公开了自己的马甲而穷追猛打，不厚道。我一个文科生，花一个晚上能学会的东西，对于人才济济的西西河网友根本不是事。特别是站长 @铁手 ，如果愿意，对一切都能洞若观火。他不过是性格纯良，不和你们一般见识罢了。希望大家把精力放到如何发些有趣有益的帖子上来。人家建立一个网站不容易，你们多想想怎么建设，而不是破坏这个来之不易的环境。你若嫉妒某网友发帖水平高，应该走正路提高自己的发帖水平，而不是搞歪门邪道下绊子。
本帖一共被 4 帖 引用 (帖内工具实现)
抱歉不能元宝推。元宝推必须是认证会员，现在好像不办理认证了。
都和某个至今尚未在这个楼中出现的ID有强相关，在0.8~0.9之间。
如可能，请把这个猜测也公布一下。
1）您毕竟是匿名，不用太担心。西西河的主心骨，是沉默的多数。
2）老用户都是抽一点时间短促浏览，不可能太了解那些人之间的勾连，您明确提醒一下，大家交友私信时有个数。不然，大家都知道有这么一号，却不知道是谁，反而过多猜疑，疑人窃斧，整个气氛就不好了，损害了多数网友的利益。
再次感谢您的付出。
你看，我花了一分钟时间做了一个你和燕人的相关图，相关度这么高，看来你就是燕人啊。你这么乱花金主的钱，她知道吗？
虽然我不同意你的结论，但是你的分析方法非常非常有启发性
我觉得你的数据分析的三点非常有价值：
1. 使用爬虫自动抓取数据，大大提高了效率
2. 把发帖频率作为输出数据，一点非常有必要，避免了发帖数不同造成的数据不整齐；
3. 线性回归分析输出R值非常有启发性，可以进行量化，解决了目视无法量化编程的缺点。
虽然我不同意你的结论，但是非常欣赏你的分析方法，这个思路很厉害。让我想想怎么用数据来揭示里面蕴含的道理。
我让学生去收集下数据，晚点分析回复。
一会儿要赶火车去上海开个会，路上有时间看看能不能整理点东西。
敬请期待，土鳖抗铁牛。
欢迎大家多多讨论指正。
还差一部分就差不多弄完了。
好看，期待！
更相信哪个分析？😜
看热闹也要交作业的😉
不客气的说，我还真是理工科大学毕业的。这些算法十有八九也都学过，不过真要让我做，还真做不来了。岁月是把杀猪刀，切掉的不仅仅是青春痘，还有脑力和做事情的闲心。
我刚刚给人家只提思想实验是因为你不具备数据的分析能力吗？怼了，还真的没有能力反驳，正气闷中，慎重考虑是不是为了面子这个周末不过了，来数发帖，没想到看到了你的这个牛贴！
牛人啊。赞！
你的相关性证明是没问题的（因为你用了成熟的软件做计算，而且算法很清晰），但因果性证明，至少需要铁手提供IP数据才行😄😄😄
我是那个沉默的多数的一员。您和燕人等网友在气氛不那么理想的情况下，依然在西西河坚持发帖，是我们来西西河的最大动力，说到宝推，很惭愧，我们有时为了明哲保身，我们连给你吗帖子送花都省了。
对于这个匿名帖子，花宝并不给真实作者，所以无所谓的。您能看到回帖，已经是对我写这个帖子最大的慰藉。
我写这个帖子希望是尽量降低“抓特务”行为，而不是去把这个行动搞得更热火朝天。虽然具名提到了五个ID，其中三个其实是试图帮助他们的。另外两个确实是因为他们做得太过分了，我才走到这一步的。至于和他们以及其他几个ID强相关的那个网友，我还是不点名了。虽然他们有时互相声援，但我没看到过这个网友有污言秽语。如果跟某个西方电影说的那样，一个人或组织，有dark side，也有bright side，那我希望能够鼓励他（们）bright side的那一面。
另外匿名以后不可追溯。其实无法确证我这个帖和主题帖出自同一个作者。因此除非给出数据计算的支持，如果有人或明或暗给您提供一个名字，大概率是假的。
至于和网友相处，我觉得没必要受这个事情影响，原来该怎么样还怎么样。但是如果涉及现实中的隐私和金钱往来，我建议永远慎重。我个人从不相信没有线下交集，仅从线上认识的任何人。
您不用给我送花，现在送花的ID是可以被看到的。
我宝推您，是宝推您代表的一些河友。
这也是我对大家想说的话：不用送花，心领了。
生活不易，希望大家安好。
我提这个建议的出发点是：那些人中，比较理性的还是有的，我不希望因为猜疑而殃及无辜。当然你不想提了，完全可以的。
我们在这个河里，贡献自己的人生，也旁观。有些人累了；有些人对久远过去所做的人生抉择感到后悔，需要发泄；所有人都焦虑、失望、略无助。
这都很正常，就像《魔戒》里精灵王的台词：Man is weak。
我们只是不巧目睹有几个人，真是扛不住自己内心的压力和反噬了，到处打扰别人。就那么点事，说到底我们也爱莫能助，随便吧。
西西河愈来愈象精神分裂症患者！
我写这个帖子希望是尽量降低“抓特务”行为，而不是去把这个行动搞得更热火朝天。
实际上，您的见解效果适得其反吧？哈哈！
我是那个沉默的多数的一员。您和燕人等网友在气氛不那么理想的情况下，依然在西西河坚持发帖，是我们来西西河的最大动力
抱歉！方平兄、神仙驴、葡萄等人才是我们继续关注西西河的动力，同样，西西河也让我们见证了本嘉明兄、燕人等的蜕变……封控与放开、乌还是俄真是两把再次撕裂、分野的锐器。当年，追着萨苏的蓝天轶事来到了西西河，相继目睹了忙总、抱朴仙人、萨苏、万里风中虎、京华烟云、喜欢就捧捧场、高子山、陈郢客、井底望天、晨枫、黄河故人等人以各种原因、各种方式离去，有些河友也久未谋面，岁月真是把杀猪刀！不知不觉间，已紫了樱桃，黑了芭蕉……
也感谢您和本嘉明兄、方平兄等的善意提醒！
至于和网友相处，我觉得没必要受这个事情影响，原来该怎么样还怎么样。但是如果涉及现实中的隐私和金钱往来，我建议永远慎重。我个人从不相信没有线下交集，仅从线上认识的任何人。
大家以为您故弄玄虚或弄虚作假，也让大家学到新知识新方法增长见益，验证您所用方法的准确度，验证您所说的ID是否与您指责的两个ID具有强关联性。
事实上，他们两个ID，以及给该主题帖宝推的若干ID，都和某个至今尚未在这个楼中出现的ID有强相关，在0.8~0.9之间。从他们发文历史看，虽然意料之外，却也情理之中。如前所述，我是顾及网友隐私的，就不在这里点他名了。
另外，我想搞清楚，您采用的是多长时间的数据来验证大胖子和菜根谭两个ID和您所说的某个至今尚未在这个楼中出现的ID的强相关？毕竟送花显示ID是近期的事，那宝推呢？他们是因为近期在某贴某楼发言找到共同语言、联袂出击？还是连续几年以上相互吹捧、宝推、攻击别人，沆瀣一气，搞得河里乌烟瘴气，污秽不堪？
其实，比使用马甲更恶劣的，是用马甲互相宝推，送花。虽然现在规则只能看到若干天内的送花记录。但是西西河的宝推记录历史是可以看到的。菜根谭和大胖子，以及他们同伙ID，互相宝推有多频繁，老用户应该心里有数。通过相互宝推记录其实也可以得到一个ID的团簇，扯出萝卜带出泥。如果我去把这些数据也算一下摆出来，怕是难看得很。做人留一线，日后好相见，到此为止吧。
您的立场实际已经亮明，君子坦蛋蛋，小人藏鸡鸡，有什么不可见人的嘛，既然您把沉默的大多数都给代表了，也让大家看看您是否具有代表性好吗？
“希望大家把精力放到如何发些有趣有益的帖子上来。人家建立一个网站不容易，你们多想想怎么建设，而不是破坏这个来之不易的环境。”
==
“关注发帖的内容，而不是发帖的ID”，楼主匿名发帖的方式秉承了自己的观点，言行合一。赞！