批量控制 100 台手機行為不重樣的科技底層邏輯

在黑灰產、行銷科技、自動化測試等領域，批量模擬多台手機進行人為操作已成為一種常見的技術應用。特別是在 Instagram、TikTok 等平台上進行養號或推廣行為時，腳本的行為真實性與差異化程度，直接影響到帳號的生存時間與投報率。

但要讓 100 台手機的行為「不重樣」，背後可不是簡單的隨機數能解決的。今天這篇文章，我想分享一個更科學、更可維護的底層邏輯：用馬可夫鏈（Markov Chain）+ 碰撞分發的方式，實現群控行為的高度擬人化與分散化。

一般寫群控腳本會怎麼做？

大部分人在寫自動化腳本時，習慣用「線性流程 + 細部參數隨機」的方式來模擬操作，例如：

• 每隔 3～8 秒滑動螢幕
• 每次滑動距離隨機 200～500 像素
• 20% 機率會點讚
• 5% 機率會留言
• 30% 機率點進主頁、再回來

這樣做短期有效，但當操作流程一旦變長，比如「滑動 → 點主頁 → 開啟某貼文 → 按讚 → 返回 → 搜尋關鍵字 → 追蹤帳號」，整個腳本會變得極難維護。

你要加一個動作就可能要改好幾層函數，還要小心機率不要重疊錯亂。當你要控制的手機數量從 10 台變成 100 台、500 台，事情就失控了。

先講一下：什麼是馬可夫鏈與馬可夫矩陣？

馬可夫鏈（Markov Chain） 是一種統計模型，用來描述「下一步發生什麼，只取決於當前狀態」的系統。這種「只看當下、不管過去」的特性，也被稱為無記憶性。

舉例來說：

• 你現在在 Instagram 上滑動，下一步可能是點進主頁、繼續滑動、離開 App⋯⋯
• 無論你前面是點了誰、看了哪張圖，這些都不影響下一步的機率
• 這些「狀態之間的轉移機率」就是馬可夫鏈的核心

這樣的轉移機率可以整理成一張表格，稱為馬可夫矩陣（Markov Matrix）：

用例子解釋：馬可夫鏈怎麼跑出一段手機操作行為？

假設我們現在讓一台手機從「滑動」這個動作開始，然後每一步都依照馬可夫矩陣的機率來決定下一步，它可能會這樣行動：

1. 當前狀態：滑動

   → 根據矩陣，有 60% 機率繼續滑動、20% 機率點主頁、10% 看貼文、10% 返回首頁

   → 假設這次抽到「點主頁」

2. 當前狀態：點主頁

   → 30% 機率滑動、20% 繼續留在主頁、40% 看貼文、10% 返回首頁

   → 抽到「看貼文」

3. 當前狀態：看貼文

   → 10% 滑動、20% 回主頁、50% 繼續看下一篇、20% 返回首頁

   → 抽到「返回首頁」

4. 當前狀態：返回首頁

   → 根據設定，這裡是一個終點（100% 結束）

這樣的一段行為流程，雖然看似隨機，但每個轉換都是有依據的機率計算出來的。如果你讓 100 台手機用這種方法去跑，每一台的行為看起來都會不一樣，但都會「像人類一樣有邏輯」。

引入馬可夫鏈，從「動作流程圖」開始建模

我們可以把每個「操作動作」視為一個節點，把「動作之間的關聯與發生機率」視為一條條有權重的箭頭，這樣我們就能形成一張完整的「行為流程圖」。

如此一來，每次行為都是根據機率決定「下一步做什麼」，而不是硬編排一條死流程。這樣的模擬方式會讓每一台手機的動作「長得像人類，但又各有變異」，更不容易被平台識破。

主程式只負責一件事：讀取馬可夫鏈並執行

當我們用馬可夫鏈定義好了整體流程之後，主程式就不需要再煩惱具體的流程控制，它只要做兩件事：

1. 根據當前狀態，在對應的轉移機率中抽出下一步
2. 呼叫執行對應的操作模組（滑動、點擊、輸入文字等）

這樣一來，整個程式架構會變得模組化、可維護、可擴充，新增動作或調整權重都只要改馬可夫矩陣即可。

更進一步：用 hash 碰撞生成不同行為路徑

為了讓每一台手機的行為更不重樣，我們可以進一步在馬可夫鏈之上加入一層「分發模型」：

• 根據每台手機的硬體唯一值（如設備 ID、MAC 地址、UUID）
• 對其做哈希運算（如 SHA256）
• 根據 hash 值的某幾位數字，選擇不同版本的馬可夫鏈

例如：

• hash 最後一位是 0～3：使用 A 類矩陣（保守型）
• 4～7：使用 B 類矩陣（活躍型）
• 8～f：使用 C 類矩陣（隨機型）

這樣就能做到**「裝置層級的行為差異化」**，即便是完全同步開機，也會因為哈希碰撞而選擇不同行為模式，進一步增加真實性。

最後：再配上設備指紋與網路環境偽裝

腳本只控制動作還不夠，還需要搭配：

• 模擬不同的 IP、UA、GPS 位置、語言設定
• 更進階地偽造傳感器回報數值（如加速度計、指南針）
• 模擬輸入法、人機互動時間、觸控座標模糊化

這些配合起來，才能構成一個完整且難以識破的手機分身矩陣系統。

小結：科技黑魔法，其實只是數學的應用

從簡單的定時滑動，到用馬可夫鏈控制 100 台手機各走不同路徑，再透過哈希碰撞做分流，這其實只是把「自動化」拉高到「機率建模 + 系統工程」的層次。

別再寫一條死流程的腳本了，當你真正理解馬可夫鏈的威力，會發現：

分散、隨機、多樣，本身就是一種控制