编辑推荐：
性交易广告（sex ads）与美国多起人口贩卖（ST）案件相关，Backpage.com关闭后新网站涌现，研究面临数据难题。研究人员收集 9 个网站超 1000 万条性交易广告数据，形成数据集。该数据集有助于深入研究相关问题，为打击人口贩卖提供支持。
在当今数字化时代，网络世界的角落里，一场隐蔽的危机正悄然蔓延。在线性交易广告（sex ads）看似普通的信息背后，却隐藏着人口贩卖（ST）的黑暗阴影。过去，
Backpage.com曾是这类广告的主要平台，然而随着它的关闭，大量新的性交易广告网站如雨后春笋般涌现。这些新网站不少位于美国执法机构管辖权之外的地区，这使得对相关问题的研究变得更加困难。
此前，虽然有不少研究关注到性交易广告与人口贩卖之间的联系，但大多存在缺陷。多数研究仅使用单一网站的数据，而且数据量较小，通常少于 10000 条广告，有的甚至不足 1000 条。同时，很多研究仅依靠电话号码来识别个体，然而互联网协议语音（VoIP）技术的普及让电话号码很容易更换，这大大影响了研究的准确性。此外，很少有研究全面处理虚假广告的问题，对于新的性交易广告生态系统中数据相关的挑战也认识不足。在这样的背景下，开展一项全面且深入的研究迫在眉睫。
来自美国阿拉巴马大学（The University of Alabama）的研究人员 Nickolas K. Freeman、Gregory J. Bott、Burcu B. Keskin 和 Tiffany L. Marcantonio 等开展了一项针对在线商业性交易生态系统的研究。他们收集了来自 9 个不同网站，在 2022 年 5 月 1 日至 8 月 1 日期间，面向美国大陆地区的超过 1000 万条性交易广告数据，并将这些数据整理成一个匿名数据集。该研究成果发表在《Scientific Data》上，为打击人口贩卖和深入了解在线性交易广告市场带来了新的曙光。
研究人员为开展这项研究，运用了多种关键技术方法。在数据收集方面，他们每日从 15 个与人口贩卖关联度较高的网站获取超过 10 万条公开广告和近 40 万张公开图片引用。为解决重复广告干扰分析的问题，采用感知哈希技术比对图片。由于不同网站对地点的定义和划分差异大，研究人员通过将城市映射到县，并使用联邦信息处理标准（FIPS）代码进行标准化处理，以便更准确地分析广告发布者的位置信息。
数据收集过程
研究人员设计了一套严谨的数据收集流程，每天从多个网站收集大量公开的性交易广告数据，包括文本和图像相关信息。这些数据不仅数量庞大，而且涵盖了多个网站，为后续研究提供了丰富的素材。
链接图像使用感知哈希
重复广告在在线广告生态系统中普遍存在，若处理不当会影响分析结果。传统依靠电话号码链接广告的方式因 VoIP 技术的存在而不可靠。研究人员发现图像可作为另一种去重途径，采用感知哈希技术能有效识别相似图像，即便图像存在分辨率差异或其他细微修改，也能准确关联，从而更好地对广告进行分组和分析。
标准化位置分析
受害者的移动轨迹对执法部门追踪人口贩卖至关重要，但分析这一信息困难重重。不同网站对地点的设置方式不同，有的使用区域名称，有的对城市划分不一致，如达拉斯和沃思堡在不同网站有不同的划分方式。为解决这些问题，研究人员将区域映射到城市，再映射到对应的县，使用 FIPS 代码进行标准化，以县作为分析单位，提高了位置分析的准确性。
通过上述研究，研究人员得出了一系列重要结论。他们构建的包含超 1000 万条广告的数据集，为深入研究在线性交易广告市场提供了丰富资源。借助该数据集，可进一步探究性交易广告间的联系、网站的运营模式以及不同网站之间的重叠情况，有助于发现隐藏在其中的非法网络。同时，也为开发和测试处理广告数据的新技术提供了可能，有望提高相关研究的质量和基于这些研究制定政策的有效性。
在这项研究中，研究人员通过构建大规模多站点数据集、运用感知哈希技术处理图像数据以及进行位置标准化分析，为理解在线商业性交易生态系统提供了新的视角和数据支持。这一研究成果对于打击人口贩卖、制定相关政策以及推动相关领域的学术研究都具有重要意义，为后续深入研究和实际干预提供了坚实的基础。
