Forem项目中防止垃圾用户关注通知的技术实现
在开源社区平台Forem中,用户互动功能是社区活跃度的重要指标之一。其中,用户之间的关注机制是核心功能,但同时也面临着垃圾账号和恶意用户的挑战。本文将深入分析Forem平台如何通过技术手段防止垃圾用户关注通知的发送,保障用户体验。
背景与问题
在社交型平台中,用户关注机制通常会触发通知,告知被关注者有人关注了自己。然而,这一机制容易被垃圾账号或恶意用户利用,通过大量关注其他用户来发送垃圾通知。这不仅影响用户体验,还可能成为平台安全的隐患。
Forem平台最初通过延迟发送通知的方式来解决这个问题,即在新用户注册后的一段时间内不立即发送关注通知。这种方法确实能够拦截部分恶意行为,但存在一个明显的缺陷:它仅能过滤被标记为"suspended"(已停用)的用户,而无法识别标记为"spam"(垃圾)角色的用户。
技术实现方案
Forem平台的技术团队设计了一个双重过滤机制来解决这个问题:
-
角色基础过滤:系统会检查关注者的用户角色,过滤掉具有特定不良标记的用户。最初仅过滤"suspended"角色,现在扩展到了"spam"角色。
-
延迟发送机制:新用户注册后,系统不会立即发送其关注行为的通知,而是等待一段时间,观察该用户行为后再决定是否发送通知。
在代码实现层面,核心逻辑位于Notifications::NewFollower::Send服务中。该服务调用Follow.non_suspended方法来过滤被停用的用户,但最初版本没有包含对"spam"角色的检查。
解决方案优化
为了完善这一机制,技术团队进行了以下优化:
-
扩展过滤条件:修改Follow.non_suspended方法,使其不仅检查"suspended"角色,还要检查"spam"角色。
-
统一过滤逻辑:确保所有涉及用户关注通知的代码路径都使用相同的过滤标准,避免出现逻辑不一致的情况。
-
性能考量:在数据库查询层面进行优化,确保新增的过滤条件不会对系统性能产生显著影响。
技术细节
在实现上,主要涉及ActiveRecord查询的修改。例如:
scope :non_suspended, -> { joins(:follower).where.not(users: { role: [Role.suspended, Role.spam] }) }
这样的修改确保了无论是被停用还是被标记为垃圾的用户,其关注行为都不会触发通知发送。
总结
Forem平台通过不断完善用户行为过滤机制,有效防止了垃圾用户通过关注功能发送骚扰通知的问题。这一技术实现不仅提升了平台用户体验,也为其他社交型平台处理类似问题提供了参考。技术团队通过角色基础过滤和延迟发送机制的配合,在保证正常用户功能不受影响的前提下,有效遏制了垃圾行为。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C083
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00