AO3 事件是否存在反转？实情是怎样的？从技术角度如何解释？
AO3 事件的“反转”：真相与技术解读
“AO3 事件”这个说法，如果是在讨论2020年初围绕AO3（Archive of Our Own）发生的拒绝内容（Tags for Hate）风波，那么确实经历了一个显著的“反转”。最初，许多用户，特别是来自某个特定社区的用户，表达了对某些标签被AO3标记为“仇恨标签”（Tags for Hate）并被移除的强烈不满和抗议。然而，随着事件的发酵和更多信息披露，大家对事件的理解和立场也发生了很大的变化。
事件的起因与最初的视角：
最开始，一些用户发现他们长期使用的、能够帮助筛选特定内容的标签，突然被AO3的工作人员以“仇恨标签”的名义移除或标记。这让这些用户感到困惑、愤怒，并认为AO3在剥夺他们对内容的控制权，甚至是在审查他们的内容偏好。
他们的观点通常围绕以下几点：
标签的工具性： 他们认为标签的首要目的是帮助用户找到他们想看的内容，或者避开他们不想看的内容。他们使用的标签，即使听起来令人不适，但并没有直接煽动暴力或仇恨，只是为了标记某些特定类型的内容（例如，可能涉及到一些性侵、暴力、或带有争议性主题的二次创作）。
“仇恨标签”的定义模糊： 用户认为AO3的工作人员对“仇恨标签”的定义过于宽泛或主观，将一些并不意在传播仇恨的、仅仅是用于内容描述的标签也一并排除。
缺乏透明度和沟通： 用户感觉AO3在做出移除标签的决定时，没有充分的解释和沟通，导致了信息不对称和用户的不信任感。
担心“滑坡谬误”： 有些用户担心，一旦AO3开始限制这类标签，未来可能会进一步限制更多类型的“不合时宜”内容，最终损害了AO3作为包容性平台的声誉。
事件的“反转”与真相：
随着AO3官方的进一步解释以及更多用户和分析的介入，事件的真相逐渐清晰，也促成了所谓的“反转”。真相是，AO3的标记和移除行为并非随意，而是基于其更深层的政策和对用户群体安全的考量。
以下是真相的关键点：
“仇恨标签”政策的真正含义： AO3的“仇恨标签”政策（Tags for Hate）的核心并非是针对内容本身，而是针对标签本身的用途和潜在的传播效应。AO3的政策旨在禁止“旨在传播仇恨、歧视、骚扰或以任何方式促进仇恨信息的标签”。换句话说，它不是为了屏蔽某些内容主题，而是为了阻止利用标签来恶意宣传仇恨思想。
标签的恶意使用： 在这次事件中，一些用户团体确实存在滥用标签的行为。他们将带有明显歧视性或仇恨性色彩的词语，作为标签用于标记内容。例如，将带有种族歧视、性别歧视或污名化特定群体的词语，直接作为标签来描述他们创作的二次创作。这种行为的意图并非仅仅是“描述内容”，而是可能带有对被标记群体进行攻击或羞辱的意味。
保护弱势群体： AO3作为一个庞大的同人创作社区，汇聚了来自不同背景、不同身份认同的用户。一些用户使用的仇恨标签，可能直接攻击或污名化社区中的弱势群体（例如，性少数群体、特定族裔等），给这些用户带来心理伤害和不安全的感受。AO3作为平台管理者，有责任为所有用户提供一个相对安全和包容的环境。
区分“内容”与“标签的意图”： 这是理解这次事件的关键。AO3并不禁止创作描写暴力、性侵或其他敏感内容的故事。但它会审查用于描述这些内容的标签本身是否具有攻击性或仇恨性。例如，一个描写复杂心理创伤的二次创作，可以使用诸如“精神创伤”、“PTSD”等标签。但如果有人使用诸如“种族歧视”、“LGBTQ+受害者”等带有明显攻击性的标签来描述，那么这个标签本身就被视为“仇恨标签”。
长期的政策与行动： AO3并非临时起意，其对仇恨内容的政策是长期存在的，并且在事件发生前也曾进行过移除或警告行动。这次事件的爆发，更像是此前一些行动累积效应的集中体现，以及用户对平台政策的第一次大规模联合抗议（以一种争议性的方式）。
从技术角度如何解释：
从技术角度来看，AO3的运作和事件的处理涉及多个层面：
1. 数据库结构与标签系统：
AO3的核心是一个庞大的数据库，存储着大量的同人作品、作者信息、评论以及最重要的标签（Tags）。
标签系统是AO3实现内容发现和筛选的关键技术。每个作品可以关联多个标签，这些标签构成了一个复杂的分类和检索网络。
标签通常被设计为文本字符串，存储在数据库的关联表中（例如，`works_tags`表，连接作品ID和标签ID）。
AO3的后台有一个专门的标签管理系统，供工作人员（主要是志愿者）进行标签的创建、合并、修改和删除。
2. 内容审核与自动化/人工协同：
自动化扫描： AO3的系统可能包含一些自动化工具，用于扫描新创建或现有标签中是否存在已知的、被列入黑名单的仇恨词语或短语。这可以是一个基于正则表达式或预定义词汇表的匹配过程。
人工审核： 尽管有自动化工具，但更复杂和具有争议性的标签判定，例如文本的上下文含义、潜在的歧视意图等，需要人工审核。AO3的审核员是志愿者，他们会根据平台的政策（Tags for Hate Policy）来审查用户举报或系统标记的标签。
举报机制： 用户可以举报不恰当的标签。这些举报会进入人工审核流程。当大量用户针对特定标签进行举报时，平台会引起重视。
3. 政策执行的技术实现：
当一个标签被判定为“仇恨标签”时，AO3后台的标签管理系统会执行相应的操作：
移除（Deletion）： 最直接的操作是删除该标签与作品的关联，或者直接删除该标签条目本身（如果它被彻底禁止）。
标记（Flagging/Quarantining）： 有时，平台不会立即移除标签，而是将其标记为“受限”（restricted）或“待审核”（pending review），这意味着该标签可能不会被搜索到，或者需要进一步的人工确认才能恢复使用。
屏蔽（Blacklisting）： 系统可能将这些仇恨标签添加到内部的屏蔽列表中，阻止用户在创建新标签时使用它们，或者自动将其替换或移除。
影响范围： 当一个标签被处理后，它会从所有与之关联的作品中被移除或标记。这意味着那些原本依赖该标签进行筛选的用户，将无法再通过该标签找到相关作品。
4. 争议背后的技术挑战：
语义理解的复杂性： 技术很难完全理解人类语言的细微差别和潜在意图。一个词语在一个语境下可能只是描述性词汇，但在另一个语境下则可能带有强烈的仇恨色彩。AI在识别这种微妙区别上仍然存在局限性。
“标签”与“内容”的界限模糊： 用户的抗议很多时候源于他们认为标签只是内容的“描述”，不应被禁止。但AO3的政策将其视为“标签本身具有传播仇恨的意图”，这是一种对标签功能的更广泛定义。技术上实现这种“意图识别”非常困难，主要依赖于人为的政策判断。
大规模社区管理： AO3拥有数千万用户和数百万作品，其标签系统也极其庞大和复杂。要在这庞大的数据集中执行精细的标签政策，需要高效的系统支持和大量人力（志愿者）的配合。
总结来说，“反转”的实情是，用户最初的愤怒源于对平台政策的误解和对标签使用范围的狭隘理解。当AO3澄清其“仇恨标签”政策是针对标签本身的恶意使用而非内容本身，并且解释了其维护社区安全和包容性的目的时，许多用户才逐渐理解了平台的立场，并认识到某些标签确实超出了纯粹的内容描述范畴，而可能带有攻击性。
从技术角度看，AO3的标签系统是其核心功能，而“仇恨标签”的判定和处理则依赖于自动化扫描与人工审核相结合的流程，并最终通过数据库操作来实现标签的移除或标记。这场风波也凸显了在大型在线社区中，如何平衡用户自由表达与维护社区安全和包容性之间的技术和政策挑战。
“AO3 事件”这个说法，如果是在讨论2020年初围绕AO3（Archive of Our Own）发生的拒绝内容（Tags for Hate）风波，那么确实经历了一个显著的“反转”。最初，许多用户，特别是来自某个特定社区的用户，表达了对某些标签被AO3标记为“仇恨标签”（Tags for Hate）并被移除的强烈不满和抗议。然而，随着事件的发酵和更多信息披露，大家对事件的理解和立场也发生了很大的变化。
事件的起因与最初的视角：
最开始，一些用户发现他们长期使用的、能够帮助筛选特定内容的标签，突然被AO3的工作人员以“仇恨标签”的名义移除或标记。这让这些用户感到困惑、愤怒，并认为AO3在剥夺他们对内容的控制权，甚至是在审查他们的内容偏好。
他们的观点通常围绕以下几点：
标签的工具性： 他们认为标签的首要目的是帮助用户找到他们想看的内容，或者避开他们不想看的内容。他们使用的标签，即使听起来令人不适，但并没有直接煽动暴力或仇恨，只是为了标记某些特定类型的内容（例如，可能涉及到一些性侵、暴力、或带有争议性主题的二次创作）。
“仇恨标签”的定义模糊： 用户认为AO3的工作人员对“仇恨标签”的定义过于宽泛或主观，将一些并不意在传播仇恨的、仅仅是用于内容描述的标签也一并排除。
缺乏透明度和沟通： 用户感觉AO3在做出移除标签的决定时，没有充分的解释和沟通，导致了信息不对称和用户的不信任感。
担心“滑坡谬误”： 有些用户担心，一旦AO3开始限制这类标签，未来可能会进一步限制更多类型的“不合时宜”内容，最终损害了AO3作为包容性平台的声誉。
事件的“反转”与真相：
随着AO3官方的进一步解释以及更多用户和分析的介入，事件的真相逐渐清晰，也促成了所谓的“反转”。真相是，AO3的标记和移除行为并非随意，而是基于其更深层的政策和对用户群体安全的考量。
以下是真相的关键点：
“仇恨标签”政策的真正含义： AO3的“仇恨标签”政策（Tags for Hate）的核心并非是针对内容本身，而是针对标签本身的用途和潜在的传播效应。AO3的政策旨在禁止“旨在传播仇恨、歧视、骚扰或以任何方式促进仇恨信息的标签”。换句话说，它不是为了屏蔽某些内容主题，而是为了阻止利用标签来恶意宣传仇恨思想。
标签的恶意使用： 在这次事件中，一些用户团体确实存在滥用标签的行为。他们将带有明显歧视性或仇恨性色彩的词语，作为标签用于标记内容。例如，将带有种族歧视、性别歧视或污名化特定群体的词语，直接作为标签来描述他们创作的二次创作。这种行为的意图并非仅仅是“描述内容”，而是可能带有对被标记群体进行攻击或羞辱的意味。
保护弱势群体： AO3作为一个庞大的同人创作社区，汇聚了来自不同背景、不同身份认同的用户。一些用户使用的仇恨标签，可能直接攻击或污名化社区中的弱势群体（例如，性少数群体、特定族裔等），给这些用户带来心理伤害和不安全的感受。AO3作为平台管理者，有责任为所有用户提供一个相对安全和包容的环境。
区分“内容”与“标签的意图”： 这是理解这次事件的关键。AO3并不禁止创作描写暴力、性侵或其他敏感内容的故事。但它会审查用于描述这些内容的标签本身是否具有攻击性或仇恨性。例如，一个描写复杂心理创伤的二次创作，可以使用诸如“精神创伤”、“PTSD”等标签。但如果有人使用诸如“种族歧视”、“LGBTQ+受害者”等带有明显攻击性的标签来描述，那么这个标签本身就被视为“仇恨标签”。
长期的政策与行动： AO3并非临时起意，其对仇恨内容的政策是长期存在的，并且在事件发生前也曾进行过移除或警告行动。这次事件的爆发，更像是此前一些行动累积效应的集中体现，以及用户对平台政策的第一次大规模联合抗议（以一种争议性的方式）。
从技术角度如何解释：
从技术角度来看，AO3的运作和事件的处理涉及多个层面：
1. 数据库结构与标签系统：
AO3的核心是一个庞大的数据库，存储着大量的同人作品、作者信息、评论以及最重要的标签（Tags）。
标签系统是AO3实现内容发现和筛选的关键技术。每个作品可以关联多个标签，这些标签构成了一个复杂的分类和检索网络。
标签通常被设计为文本字符串，存储在数据库的关联表中（例如，`works_tags`表，连接作品ID和标签ID）。
AO3的后台有一个专门的标签管理系统，供工作人员（主要是志愿者）进行标签的创建、合并、修改和删除。
2. 内容审核与自动化/人工协同：
自动化扫描： AO3的系统可能包含一些自动化工具，用于扫描新创建或现有标签中是否存在已知的、被列入黑名单的仇恨词语或短语。这可以是一个基于正则表达式或预定义词汇表的匹配过程。
人工审核： 尽管有自动化工具，但更复杂和具有争议性的标签判定，例如文本的上下文含义、潜在的歧视意图等，需要人工审核。AO3的审核员是志愿者，他们会根据平台的政策（Tags for Hate Policy）来审查用户举报或系统标记的标签。
举报机制： 用户可以举报不恰当的标签。这些举报会进入人工审核流程。当大量用户针对特定标签进行举报时，平台会引起重视。
3. 政策执行的技术实现：
当一个标签被判定为“仇恨标签”时，AO3后台的标签管理系统会执行相应的操作：
移除（Deletion）： 最直接的操作是删除该标签与作品的关联，或者直接删除该标签条目本身（如果它被彻底禁止）。
标记（Flagging/Quarantining）： 有时，平台不会立即移除标签，而是将其标记为“受限”（restricted）或“待审核”（pending review），这意味着该标签可能不会被搜索到，或者需要进一步的人工确认才能恢复使用。
屏蔽（Blacklisting）： 系统可能将这些仇恨标签添加到内部的屏蔽列表中，阻止用户在创建新标签时使用它们，或者自动将其替换或移除。
影响范围： 当一个标签被处理后，它会从所有与之关联的作品中被移除或标记。这意味着那些原本依赖该标签进行筛选的用户，将无法再通过该标签找到相关作品。
4. 争议背后的技术挑战：
语义理解的复杂性： 技术很难完全理解人类语言的细微差别和潜在意图。一个词语在一个语境下可能只是描述性词汇，但在另一个语境下则可能带有强烈的仇恨色彩。AI在识别这种微妙区别上仍然存在局限性。
“标签”与“内容”的界限模糊： 用户的抗议很多时候源于他们认为标签只是内容的“描述”，不应被禁止。但AO3的政策将其视为“标签本身具有传播仇恨的意图”，这是一种对标签功能的更广泛定义。技术上实现这种“意图识别”非常困难，主要依赖于人为的政策判断。
大规模社区管理： AO3拥有数千万用户和数百万作品，其标签系统也极其庞大和复杂。要在这庞大的数据集中执行精细的标签政策，需要高效的系统支持和大量人力（志愿者）的配合。
总结来说，“反转”的实情是，用户最初的愤怒源于对平台政策的误解和对标签使用范围的狭隘理解。当AO3澄清其“仇恨标签”政策是针对标签本身的恶意使用而非内容本身，并且解释了其维护社区安全和包容性的目的时，许多用户才逐渐理解了平台的立场，并认识到某些标签确实超出了纯粹的内容描述范畴，而可能带有攻击性。
从技术角度看，AO3的标签系统是其核心功能，而“仇恨标签”的判定和处理则依赖于自动化扫描与人工审核相结合的流程，并最终通过数据库操作来实现标签的移除或标记。这场风波也凸显了在大型在线社区中，如何平衡用户自由表达与维护社区安全和包容性之间的技术和政策挑战。
网友意见
反个毛线。这题从技术角度解释比较敏感，先匿为敬。
- 现在AO3确实没了，是自己的原因还是不可抗力？大概率是不可抗力，原因下边有提到。
- 怎么没的？可能是被DNS污染+SNI阻断（具体什么意思自己去查一下原理）。这位同学提出的质疑确实有小概率可能，但是我没查到DNS解析历史记录近期有变化。如何判断DNS污染很简单：DNS和IP之间的关系可以理解为自己的姓名和电话号码对照表，不会有什么人会主动、频繁、随机换自己的电话号码，它又不是1024。
- 上边一句话不明白的话，那就再强调一下，现在AO3没了不是因为IP问题或者主动切换到某个奇怪的IP，原IP现在还能ping通，通过某些奇怪的手段也能访问。你们访问不了是因为被DNS污染+SNI阻断。前者就能看出是不是自己的原因，道理很简单，自己把自己的DNS污染了，AO3可真的没任何理由去做（估计也做不到）。
- 如果在国内启用CDN，可能会有类似的随机IP效果，但是AO3显然没理由在国内开CDN，它也没备案，所以CDN可以排除。
- 如果真的在封禁之前突然切IP，那或许只能说AO3手眼通天，上边有人，但是被耍了，人家根本没从IP这边限制你...
以下是几种相关测试，包括DNS污染判断，Ping、Tcping测试，端口推测和SNI推测。
查了http://archiveofourown.org的历史记录，确定近期没有DNS解析主动切换，至今一直都是104.153.64.122，当然不排除这个网站记录不全的可能，
在Ping.pe的dig测试里，试了数次，证明这个域名解析在国内存在随机性，在其它区域始终和历史记录保持一致，这表明大概率被DNS污染。第一次：
第二次，请对比上个图，证明存在随机性，你们也可以自己去查一下。
测试了Ping IP和TCPing IP，都畅通，说明可能不是TCP阻断。
但是改了Host依然连不上，很可能遭遇端口封禁，也就是ACL Based Forwarding (ABF)阻断，这时候上行数据能收到，下行用户收不到返回。(这部分证实推测错误）
修订一下，有同学测试出是SNI阻断，即改了Host之后提示连接已重置。
可以本地反代访问....
感觉不能说再多了，再多匿名也救不了我...怕是号要没了...
加个虚构声明，此事发生在平行世界....
PS.竟然同学觉得DNS污染不是被不可抗力，这里建议您重温计网课本呢。
那我用专业的工具给大家看一下吧
这是http://ao3.org的历史DNS解析
那么我们看一下， 目前“104.153.64.122”这个IP地址被谁解析了
那么， 在国内的解析是啥样的呢
难道是...CDN? 让我们看看这个IP属于谁
那么， 他应当属于fastserv.com的
好的， 那这又是啥呢
所以翻盘是假的， 再说多了我号没了
就这样吧
类似的话题
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有