天天发娱乐官方|天天发娱乐app

动科普丨网赚App让你足不出户日进斗金？又又又上当了！******

　　【万万没想到！App花样套路大解密②——网赚篇】

　　“刷视频、看广告、做任务赚佣金，边玩手机边赚钱”，在移动应用市场上，我们总能看到，一些手机App打着这样的口号，吸引用户们注册使用。但鱼龙混杂的产品，常常让人难以分辨其中真假。

　　对于注册用户来说，这种“躺赚”App真的能赚钱吗？

　　什么是网赚？

　　安天移动安全发布的移动互联网风险应用白皮书显示，2018年网赚App影响用户量高达2.5亿，网赚App在下沉城市最受欢迎。其中，00后用户占比为24%，高于全部网民中00后占比。

　　事实上，网赚品类应用与网络兼职刷单类应用有所不同，泛指应用用户通过完成指定任务获取现金回报，应用运营者则通过流量投放实现变现。

　　比如，这几年比较流行的刷视频赚钱、刷新闻赚钱、走路赚钱、答题赚钱，以及玩休闲小游戏赚钱等。

　　业内人士介绍，通常这类网赚App业务形态比较简单，用“提现”等方式吸引用户完成任务。用户如果想要完成提现，就必须点进去看广告。比如，让用户看完数条视频后可提现，本质目的则是吸引用户完成任务来获利。

　　然而，有部分网赚品类非良性开发者为了快速回本、增大收益，试图在各个环节进行设计，增加用户提现难度。这类应用不仅存在恶意干扰用户达成提现条件、用户满足提现要求无法提现，又或者虚假广告宣传的问题，还通过各种欺骗、诱导的方式使用户无法顺利完成提现。

　　常见套路揭秘☞☞☞

　　①应用设置多重套路的提现门槛

　　“提现”作为网赚类应用区别于其他品类应用的特征功能，也是用户使用网赚类应用最关心的功能。而部分网赚应用在用户提现前没有明示用户完整的提现规则和门槛，在用户完成一个提现条件想要进行提现时，才告知用户还有别的提现条件，以此来限制用户提现。

　　②提现进度或激励规则不透明

　　某些应用的提现进度或者激励规则不够清晰透明，在应用内只展示任务当前完成的进度，未明示进度增加标准以及任务达成标准，用户并不知道具体完成多少关，才可以完成任务获得提现机会。

　　又或者，有些应用用户通过做任务获取奖励，但应用并未明示奖励的标准及概率，部分应用通过这种方式诱导用户观看广告、下载应用等来获取奖励，而实际用户所获得的奖励很少，与期待不符。

　　③故意使用户任务完成失败

　　部分应用在用户快要满足提现要求时，故意使用户任务完成失败，从而使用户无法达成提现条件。

　　④应用满足提现要求但无法有效提现

　　部分网赚类应用，即使用户达到提现要求，仍然无法有效提现，并且存在多样化的拒绝提现手段。例如，应用未按承诺提供提现机会、暴力拒绝用户提现，以风险环境、作弊用户的理由拒绝用户提现，或存在提现等待时间过长等问题。

　　⑤虚假广告宣传

　　部分网赚应用广告通过虚假夸大应用功能的方式来推广、诱导欺骗用户下载应用，用户实际下载使用后发现，应用功能与广告宣传并不相符。

　　！！！警惕向青少年群体蔓延

　　有调查发现，在近年来的一些网络犯罪刑事案件中，犯罪团伙往往利用青少年，特别是未成年人“贪小利”“好奇心强”的特点，以“聊聊天发发帖”就能“轻松网赚”的谎言诱骗他们成为帮凶。

　　特别是疫情期间，青少年群体的网络活跃度较高，不少人受到“网赚”氛围影响，想借机赚点零花钱。犯罪团伙份子利用未成年人心智未成熟、容易受利诱的特点，不断灌输非正当的牟利方法。

（图源网络）

　　网赚品类应用作为一种新兴的赚钱方式，已经被越来越多的人接受，但部分非良性网赚类应用中存在的风险问题不仅严重侵害了用户权益，也极大影响了行业生态的良性、健康发展。

　　业内建议，进一步提高治理网络黑灰产的法治化水平刻不容缓，不仅要筑牢“网络并非法外之地”的思想意识底线，更要在网络治理中将每个人的网络行为纳入法律框架之内。

　　同时，相关互联网内容平台要增强自我监管意识，将社会责任切实转化为经营行动。比如，进一步完善投诉反馈渠道，遇到举报信息应及时受理核实，涉嫌违法的要向有关部门及时报案。（部分内容综合自新华社）

　　监制：张宁 策划：李政葳 制作：姚坤森

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）