Threads 網軍假帳號的五大特徵：照片、發文頻率、追蹤數一次看

摘要

Threads 在台灣快速成為政治與公共議題討論的核心平台，隨之而來的是協調性不實行為（Coordinated Inauthentic Behavior, CIB）的規模化進駐。假帳號不再只是「看起來很假」的低階機器人，操作者會盜用真人照片、用 AI 生成臉孔、把發文時間對齊特定時區的辦公作息，並刻意壓低追蹤數以降低被檢舉的動機。本文拆解網軍假帳號最穩定的五個可觀察特徵——照片來源、發文頻率與時間指紋、追蹤數與追蹤比、帳號年齡與內容歷史、互動模式與協同行為——並以實際案例、平台功能與研究框架說明每一項特徵的判讀方式與局限。文章同時納入 Meta 的打擊數據、Threads「關於此個人檔案」的查核操作，以及反向圖片搜尋與 OSINT 工具的正確用法，目標是讓讀者在滑動態的幾秒鐘內，把「可疑」轉換成「可驗證」。被Threads假帳號騷擾到崩潰？代檢舉真的能解決問題嗎

為什麼 Threads 成為假帳號的溫床

Threads 的註冊門檻極低。一個 Instagram 帳號就能一鍵開通 Threads，不需要額外的手機驗證或身分程序。這項設計原本是成長引擎，卻也讓行銷公司、側翼組織與境外操作者能以極低成本大量「養帳」。Threads 在台灣的帳號總數曾出現「比人口還多」的討論，平台端與使用者都意識到，帳號數不等於真人數。Meta 在 2025 年於 Facebook 與 Instagram 移除超過一千萬個與「詐騙中心」及協調可疑活動相關的帳號，2026 年 1 月至 5 月中更擴大到超過一億兩千萬個帳號、專頁與社團。這些數字說明一件事：假帳號不是邊緣現象，而是平台治理的主要戰場。

更深層的結構性因素是 Threads 的預設公開與對話優先設計。多數檔案對任何人可見，帳號的追蹤清單、公開發文與回覆全部攤在陽光下，操作者可以在不追蹤對方的情況下蒐集目標的興趣、立場與社交圖譜；對話為主的介面則讓假帳號能從公開回覆「自然滑入」私訊，降低使用者的防備。驗證機制方面，除了付費的 Meta Verified 藍勾勾，Threads 沒有內建的身分驗證，任何人都能自稱任何人。這些條件疊加，構成網軍與詐騙集團偏好的操作環境。

特徵一：照片——被盜用的臉，與愈來愈難辨的 AI 臉

假帳號照片的常見來源

假帳號的大頭照與貼文照片，最常見的來源不是「憑空生成」，而是盜用真實人物的照片。操作者從 Instagram、TikTok、小紅書或交友軟體上抓取照片，選擇的對象通常具備以下條件：照片數量足夠建立一個「有生活感」的檔案、人物不是知名公眾人物（避免立刻被認出）、照片的地理線索模糊或與宣稱所在地不一致。Doublethink Lab 在 2025 年針對 Threads 上 51 個冒充台灣人的不實帳號進行分析，發現它們使用盜取的亞洲網紅照片建立虛構人設，發文在高度集中的時間窗口內以近乎相同的格式出現。2026 年 5 月另一組 294 個假交友帳號中，部分臉孔是 AI 生成，其餘則是從從未開設 Threads 帳號的真實網紅那裡「借」來的。

反向圖片搜尋仍然是最可靠的單一檢查

無論 AI 生成技術進步到什麼程度，反向圖片搜尋（reverse image search）依舊是多數查核流程中投報率最高的一步。將大頭照上傳到 Google Lens、Google Images 或 TinEye，如果同一張照片以不同名字、不同檔案出現在多個平台，幾乎可以直接判定為盜用。FBI 與 FTC 至今仍建議使用者在與陌生帳號互動前，先對照片做反向搜尋。這項方法對「盜圖帳號」極其有效，因為操作者通常沒有能力或意願為每一個假帳號創造完全獨一無二的視覺身分。

反向搜尋的局限在於 AI 生成圖像。視覺鑑識在 2025 年至 2026 年間已接近失效——生成模型與真實攝影的品質差距縮小到肉眼與常規工具難以區分的程度。不過 AI 生成臉孔仍會留下一些低階破綻，例如耳環不對稱、背景融合不自然、手指結構異常、首飾或文字邊緣出現「幻覺」。這些線索需要放大檢視，且並非每次都會出現。操作者也會刻意挑選低解析度、側臉、遮擋或濾鏡厚重的照片來規避檢測。

照片的「生活感」與地理線索

假帳號的照片往往呈現一種缺乏連續性的生活感。真人帳號的照片會有季節變化、場所多樣性、親友互動、光線與天氣的合理波動；假帳號的照片則集中在少數幾種場景：獨照、室內、餐廳、運動場所，而且場景的地理特徵與宣稱所在地不符。台灣網友整理的觀察指出，照片「很少在台灣」、「牆壁上的字是簡體或模糊」、文案出現非台灣慣用語，都是可疑訊號。這些線索單獨看都不足以定罪，但疊加起來會形成一個與宣稱身分不一致的視覺輪廓。

照片檢查項目	具體做法	判讀意義
反向圖片搜尋	Google Lens / TinEye 上傳大頭照	同一張臉出現在多個名字下 → 盜圖
AI 生成痕跡	放大耳環、手指、背景文字、首飾邊緣	低階生成瑕疵 → 可能為 AI 臉
地理一致性	對照照片中的街道、招牌、用語與宣稱所在地	場景與所在地長期不符 → 可疑
生活連續性	滑過多篇貼文，看場景、光線、人物是否多樣	照片風格過度單一 → 可能是圖庫或批次盜用
平台 AI 標籤	檢查是否有「AI info」標示	有標示不一定假，但可作為輔助線索

特徵二：發文頻率——時間指紋比內容更難偽裝

批量發文與「幾分鐘內同步」

假帳號最穩定的破口不是文字，而是時間。單一操作者手動發文很難在數十個帳號之間做到分鐘級的精準同步，但批次排程工具可以。Decipon Insights 針對 2026 年 5 月那組 294 個假交友帳號的分析發現，研究者在四天樣本中記錄到 90 次「多個帳號在幾分鐘內發布近乎相同內容」的情況，這是手動操作幾乎不可能產生的批量簽名。類似模式在 2025 年 51 個帳號的案例中也出現過：貼文以相同形式在緊密 clustered 的時間窗口內發布，被判定為自動化與協調操作的強烈證據。

時區與「辦公作息」的破綻

時間指紋的另一層是時區一致性。AI 網紅帳號被觀察到發文集中在固定的 8 至 10 小時窗口內，無論帳號自稱位於哪個時區，這暴露了背後的自動化排程基礎設施。更細緻的案例是前述 294 個自稱住在台北或高雄的「台灣單身女性」帳號：它們的發文活動幾乎全部集中在北京時間上午 9 點至晚上 7 點，中間還有一個中午 12 點到 1 點的「午休空窗」。一個約會檔案不會在中午打卡下班、一點再打卡上班，但一個以中國大陸辦公時間運作的點擊農場會。這個破綻不需要任何文字分析或內容審查就能被辨識，而且操作者一旦被公開指出，很難在不破壞既有排程的情況下即時修正。

發文量與帳號年齡的錯配

第三種頻率異常是發文量與帳號年齡的錯配。一個成立不到三個月的新帳號，卻有數百則貼文、橫跨數十個主題，且每篇的互動數不成比例地低，這是「養帳—衝量—等待啟用」的典型節奏。反過來，一個宣稱經營多年的品牌或個人帳號，貼文歷史卻只能追溯到最近幾個月，也是同一枚硬幣的另一面。鏡報引述的網友觀察指出，這類假帳號「通常不會經營超過 1 年」，發文歷史短、第一張照片日期極新，是實務上有效的過濾條件。

頻率異常類型	可觀察跡象	為什麼難以偽裝
批量同步	多帳號在數分鐘內發布相同或近乎相同內容	手動操作無法規模化複製
時區鎖定	發文集中在特定時區的辦公時段，與宣稱所在地不符	排程基礎設施的固定作息
互動上限	回覆數恰好停在固定數字（如每篇 3 則）	速率限制腳本的行為殘留
歷史斷裂	帳號年齡新、貼文量大、早期貼文缺失或空洞	批次建立與養號的副產品

特徵三：追蹤數與追蹤比——數字會說話，但要看對的數字

追蹤數本身不是判準，比例才是

直覺上，追蹤數少的帳號比較可疑，但這個直覺需要修正。假帳號的追蹤數分布其實很廣：低階免洗帳號追蹤數可能不到 20，而操作者也會刻意將某些帳號養到數千追蹤數，以便在特定議題中扮演「有份量的意見領袖」。真正穩定的訊號是追蹤數與追蹤者數的比例失衡。AI 操作帳號被觀察到追蹤數遠高於追蹤者數，因為它們很少回追，也不太進行真人會做的社交互惠行為。一個追蹤 4,000 人、卻只有 80 個追蹤者的帳號，幾乎不可能是正常的個人使用模式。

另一種極端是高追蹤數搭配極低互動。一個宣稱有五十萬追蹤者的帳號，貼文只有個位數按讚，要嘛是假帳號，要嘛是買來的追蹤數。這種「數字規模」與「互動規模」的脫鉤，比單純的追蹤數高低更能反映帳號的真實性質。

追蹤數的「合理性檢查」

對於冒充型帳號，追蹤數提供了一個快速而粗糙的合理性檢查。名人、品牌、政治人物的正版帳號通常有數十萬到數百萬追蹤者，冒充者「很少能突破幾千人」。如果一個自稱是某知名人物或品牌的 Threads 帳號只有一兩萬追蹤者，而正版帳號有數百萬，這個落差本身就是判準。ThreadLook 的比較工具建議將可疑帳號與已知的官方帳號並排比對，規模與互動的差距會讓冒充變得明顯。

還有一種容易被忽略的情況：某些名人根本沒有開設 Threads 帳號。在這種情況下，所有使用該名字的 Threads 帳號都是假的，無論追蹤數看起來多合理。

追蹤數據模式	可能的解讀	建議動作
追蹤數 >> 追蹤者數（比例懸殊）	機器人或 AI 操作帳號，缺乏社交互惠	檢查發文頻率與互動品質
追蹤者數高但互動極低	買粉、假粉、殭屍帳號填充	計算互動率，比對同量級真人帳號
冒充公眾人物但追蹤數遠低於正版	冒充型假帳號	與官方帳號並排比對
追蹤數極低（<20）且發文量異常	免洗帳號、養號預備軍	檢查帳號年齡與命名模式
新帳號短期內追蹤數暴增	可能為買粉或協同衝量	檢查追蹤者是否也為可疑帳號

特徵四：帳號年齡與內容歷史——時間軸上的空洞

新創帳號的「時間聚集」現象

假帳號的時間軸往往呈現一種不自然的聚集：大量貼文集中在帳號成立後的短時間內發布，或者所有可見貼文都落在最近幾週。真人帳號的內容歷史會有自然的稀疏與密集變化，會反映生活節奏、事件驅動的發文高峰與低潮；假帳號的歷史則像是一條被刻意填滿或刻意清空的直線。前述 294 個帳號的案例中，操作者在選舉前五個月批量啟動帳號，發布的內容全是約會自拍與生活描述，政治內容為零。這種「先建立關係、後注入訊息」的策略，讓帳號在早期檢查中看起來完全無害，但也因此在時間軸上留下一個可預測的模式：它們出現得太早、太整齊、太安靜。

命名模式作為輔助線索

帳號的使用者名稱有時會暴露批次建立的痕跡。294 個假交友帳號中有 118 個（約 40%）遵循「動物名稱＋六到八位數字」的命名慣例，例如 @dinosaur.9281033、@giraffe.6804250。這個命名慣例先前已出現在另一個被追蹤的網絡中，成為研究機構串聯不同操作行動的線索。命名模式本身不是決定性證據——真人也可能使用類似格式——但當它與其他特徵疊加時，就是批次操作的有力旁證。

「關於此個人檔案」的官方線索

Threads 在 2025 年底推出的「關於此個人檔案」（About this account）功能，為使用者提供了一個平台端的查核入口。點進帳號主頁的右上角選單，可以查看系統判定的所在地點與加入平台時間。這項資訊不是使用者自行填寫的，而是根據登入位置、IP 位址與活動紀錄自動推算。如果所在地旁出現驚嘆號符號，表示系統無法準確判定位置，可能與 VPN 或頻繁跨國切換有關。對於新帳號或低活躍帳號，這項資訊可能從缺，這本身也是一個訊號：平台還沒有足夠數據確認這個帳號的來歷。

這項功能的局限同樣需要說明。操作者可以使用 VPN 規避地理判定，平台顯示的「所在地」是推算值而非擔保。它是一個降低成本的過濾器，不是定罪工具。

特徵五：互動模式與協同行為——從單帳號到網絡

互動的「硬上限」

單一假帳號的互動模式有幾個可量化的異常。AI 操作帳號被觀察到每篇貼文的評論回覆數恰好停在 3 則，這與真人互動的隨機分布明顯不同，反映的是速率限制腳本而非自然行為。另一種異常是互動的時間分布：假帳號的按讚、回覆、轉發往往集中在極短的時間窗口內，與貼文發布時間高度耦合，缺乏真人在不同時段分批互動的擴散曲線。

協同操作： swarm 與「肉粽串」

網軍假帳號最危險的形態不是單兵作戰，而是協同網絡。研究機構觀察到 Threads 上出現所謂的「swarming」戰術：一小群帳號在同一時間針對同一目標發表評論、轉發與反應，製造出「很多人都在關注／很多人都在反對」的錯覺。台灣使用者在實務中也發現，封鎖一個可疑主帳號後，演算法會釣出其他相關小帳號，「好多肉粽串」是使用者對這種網絡結構的生動描述。

協同行為的偵測線索包括：多個帳號使用相似頭像、在相同時間大量張貼類似內容、帳號之間的追蹤關係異常緊密、以及對特定關鍵字的反應模式高度一致。MIT Media Lab 的研究指出，協調性不實行為可以透過突發動態（bursty dynamics）來捕捉，這種時間模式獨立於內容本身，在跨平台與加密環境中仍然有效。這意味著即使操作者改變文字、替換照片，帳號群體的「發文節奏」仍然會留下可識別的指紋。

互動率與追蹤數的乘積檢查

將互動模式與追蹤數合併看，可以得到一個實用的快速篩選公式：互動率 = 平均每篇互動數 ÷ 追蹤者數。真人帳號的互動率會隨規模衰減，但仍維持在一個可解釋的區間；買粉帳號與僵屍帳號的互動率會低到不成比例。ThreadLook 的建議很直接：一個有五十萬追蹤者、貼文只有三個讚的帳號，要嘛是假的，要嘛是買的。這個檢查不需要任何工具，只需要點開幾篇貼文看一眼數字。

把五個特徵串起來：一個實用的查核流程

五個特徵不是五個獨立的開關，而是一組加權證據。單一特徵可能造成誤判：內向的真人可能追蹤數少、剛註冊的帳號可能歷史很短、使用 VPN 的旅行者可能所在地顯示異常。但當三個以上的特徵同時出現，且彼此指向同一個方向時，可疑度會顯著上升。

以下是一個可以在三十秒內完成的查核順序，適用於手機介面：

第一層：照片反向搜尋。 將大頭照上傳到 Google Lens。同一張臉在不同名字下出現 → 高機率盜圖。

第二層：打開「關於此個人檔案」。 看加入時間與所在地。新加入、所在地與宣稱不符、或出現 VPN 驚嘆號 → 記下一筆。

第三層：滑過五到十篇貼文。 看照片的場景多樣性、發文時間的分布、以及是否有大量貼文集中在短時間內。時間聚集 + 場景單一 → 再加一筆。

第四層：看追蹤比與互動。 追蹤數遠高於追蹤者數、或追蹤者數高但互動極低 → 再加一筆。

第五層：看帳號之間的關係。 在回覆區或標記中，是否有其他帳號使用相似頭像、在相近時間出現、或發表幾乎相同的文字。

如果五層中有三層以上觸發，這個帳號值得被檢舉、封鎖，或至少不要在其貼文下互動。互動本身就是養分：按讚、回覆、引用轉發，都會增加假帳號的觸及與演算法權重。鏡報引述的觀察明確指出，「無論贊成或是反對，都是在幫假帳號增加影響力」。

查核層級	操作	耗時	主要捕捉的特徵
第一層	大頭照反向圖片搜尋	10 秒	照片盜用
第二層	「關於此個人檔案」	5 秒	帳號年齡、所在地
第三層	滑過 5–10 篇貼文	10 秒	發文頻率、生活連續性
第四層	追蹤比與互動率	5 秒	追蹤數異常、互動異常
第五層	回覆區與標記的帳號群	10 秒	協同行為、網絡結構

操作者知道你在看：特徵的演化與局限

把這五個特徵寫成公開文章，本身就有一個內在張力：操作者也會讀。行為指紋偵測方法一旦被公開，AI 帳號操作者就有了一份「隨機化清單」——他們可以打散發文時間、改變回覆上限、混入更多樣的圖片、偶爾回追一些帳號來修正比例。這不是放棄檢測的理由，而是理解檢測本質的起點：這是一場持續的對抗，不是一次性的清單。

平台端的因應也在變化。Meta 已公開表示使用 AI 系統偵測可疑檔案、虛假活動與冒充行為，並在 2025 年至 2026 年間進行了大規模的帳號清除。但平台偵測與操作者規避之間的節奏，決定了使用者看到的「乾淨程度」永遠是暫時的。Threads 的「關於此個人檔案」功能是一個進步，但它只提供平台願意揭露的欄位，且可以被 VPN 與操作策略部分規避。

對一般使用者而言，最務實的態度是：把五個特徵當作降低風險的過濾器，而不是陪審團的判決。它們能幫你避開大多數低中階的假帳號與詐騙，但無法保證百分之百的準確。當一個帳號通過了所有檢查，仍然保持基本的數位衛生——不點陌生連結、不把對話轉移到私密通訊軟體、不因為「聊了很久」就放鬆對投資或借錢提議的警覺。

常見問答

問：追蹤數很少就一定是假帳號嗎？

不一定。很多真人使用者只追蹤少量帳號、也不熱衷於衝追蹤數。追蹤數的判讀價值在於比例與一致性：追蹤數遠高於追蹤者數、或追蹤者數很高但互動極低，比單純的「追蹤數少」更有診斷力。一個追蹤 30 人、被 25 人追蹤、貼文有正常互動的帳號，沒有理由僅因數字小就被判定為假。

問：反向圖片搜尋找不到結果，就代表照片是真的嗎？

不代表。反向搜尋找不到結果只能說這張照片沒有在公開網路上被索引到，或者操作者使用了 AI 生成、裁剪、翻轉、濾鏡等手法讓它無法被匹配。AI 生成臉孔在反向搜尋中通常「找不到來源」，這本身不是無罪的證明。反向搜尋的價值在於找到匹配時可以提供強烈的盜圖證據；找不到匹配時，它只是一個未定論的結果。

問：Threads 的「關於此個人檔案」所在地顯示香港或中國，一定是網軍嗎？

不一定。使用 VPN、出差、留學、跨境工作都會讓系統判定出非預期的地點。但如果一個帳號自稱是台灣某地的在地使用者，發文內容也圍繞台灣本地議題，系統卻持續判定為境外，且同時出現發文時間與台灣作息不符、照片地理線索矛盾等跡象，這個組合的可疑度就會顯著上升。單一的地理標籤不足以定罪，它是一塊拼圖。

問：AI 網軍和傳統機器人有什麼不同？

傳統機器人主要執行重複性動作：大量追蹤、大量按讚、張貼固定文字。AI 網軍則具備生成能力與對話能力，可以針對特定指令產生不同語言的回复、撰寫看起來有個人風格的短文、甚至在對話中維持人設。台灣使用者在 Threads 上發現，在可疑帳號下留言寫下指令，AI 假帳號會給出各種不同的答案，「調教 AI 網軍」一度成為平台上的次文化。這意味著傳統「看文字是否重複」的檢測方法正在失效，行為模式與時間指紋變得更加重要。

問：檢舉假帳號有用嗎？

有用，但效果取決於平台的分類與證據。Threads 允許使用者檢舉冒充、垃圾訊息與虛假帳號。檢舉時若能附上反向圖片搜尋的結果、發文時間異常的截圖、或與官方帳號的比對，可以降低平台審核的門檻。更重要的或許是不要互動：檢舉是事後補救，不互動是事前阻斷。假帳號的影響力來自觸及與互動，每一次回覆——即使是反駁——都在為它供給演算法燃料。

總結

Threads 假帳號的五大特徵——照片來源、發文頻率與時間指紋、追蹤數與追蹤比、帳號年齡與內容歷史、互動模式與協同行為——之所以值得逐一拆解，是因為它們各自對應到操作者難以完全規模化偽裝的不同環節。盜圖可以被反向搜尋抓到，但 AI 臉愈來愈難用肉眼辨識；單一貼文的内容可以被客製化，但數十個帳號的批量時間戳記會留下協調痕跡；追蹤數可以被購買，但追蹤比與互動率的乘積會暴露結構性失衡；帳號可以被養舊，但「太早出現、太安靜、太整齊」的啟動模式仍然可預測。

這套框架的最終目的不是讓每一個使用者都變成情報分析師，而是把查核的成本降到足夠低，讓「先看一眼再互動」成為預設習慣。平台會持續推出新的透明度功能，操作者也會持續調整規避策略，但不變的是：假帳號需要被看見、需要被互動、需要被當成真人對待，才能產生影響力。切斷其中任何一環，它們的成本就會上升，效益就會下降。在一個假帳號可以批發生成的時代，這種分散式的、由下而上的識讀能力，仍然是防守方最難被繞過的基礎設施。Threads 假帳號舉報終極指南：捍衛你的數位身份

作者簡介

林慶文，獨立數位調查工作者，長期追蹤台灣社群平台上的資訊操作與帳號網絡。曾任職於事實查核組織，負責跨平台帳號溯源與視覺證據分析，參與過多起冒充型帳號與協同操作案例的公開報告撰寫。關注的核心問題是：當生成式 AI 讓假身分的邊際成本趨近於零，一般使用者與平台治理之間還能建立什麼樣可持續的防線。目前為自由撰稿人與 OSINT 培訓講師。