執行摘要

從2024年7月1日至7月31日，Taiwan AI Labs觀察到與美國總統選舉相關的333個戰場和3,072篇媒體報導。在這些數據中，304篇媒體報導（占9.9%）與中國的官媒有關。從14,060個被識別的協同帳號中，有22,176個帳號活躍於與美國總統選舉相關的討論中。整體社群聲量達到381,233，其中22,176（占5.82%）與協同活動有關。

我們觀察近半操作聲量的協同戰場，並依據7月初至月底的時間順序歸納出四個主要的戰場：

1. 川普封口費案與豁免權爭議
2. 川普槍擊事件
3. 民主黨初選動態：呼籲拜登退選、賀錦麗獲提名支持
4. 拜登退選與賀錦麗參選

我們發現前三個戰場的操作聲量累計為21.42%，Facebook #70033 和 Tiktok #144 是聲量最高的協同團體，主要關注川普封口費案、豁免權、川普槍擊事件以及拜登退選等議題。第四個戰場的聲量獨佔22.32%，顯示在拜登退選與賀錦麗參選議題上的操作力道顯著增強，主要的操作團體有Twitter #10946、YouTube #72 和 Weibo #2497 分別在各自平台中聲量最高，凸顯7月21日拜登宣布退選後，跨平台協同操作更為明顯。

依據操作聲量的排序，我們選定了不同平台高聲量的Facebook#70033、Tiktok#144、Twitter#10946、YouTube #72 和 Weibo #2497 為7月美國大選最具代表性的跨平台協同團體。總體而言，這些協同團體一致的操作是透過批評民主黨和共和黨來削弱政府的合法性與權威，但在論述上有所不同，因平台特性而異。例如，Facebook #70033 同時批評共和黨和民主黨，企圖削弱選民對政府的信任；而 Tiktok #144 偽裝成拜登的支持者，刻意塑造其支持者的負面形象；Twitter #10946 對兩大黨都持批判態度，透過攻擊兩黨關鍵政治人物來削弱政府的合法性，並加強選民對現有政治體制的不信任；YouTube #72 則更為極端，集中批評川普與共和黨，激化社會對立。Weibo #2497 則專注於貶低美國的選舉制度，凸顯中國內宣重點。

在「川普封口費案與豁免權爭議」的戰場中，Facebook #70033 對最高法院的厭惡表露無遺，暗示這個曾被視為民主基石的機構正逐漸成為威脅國家穩定的工具。他們警告川普正走向獨裁之路，將他與中國、俄羅斯以及恐怖主義相提並論。同時，拜登也未能幸免於批評，他們指責他利用豁免權，凌駕於法律之上。在「川普槍擊事件」的戰場上，他們質疑川普自導自演，認為這場暴力事件與Deep State的陰謀論之中，並暗示民主黨可能密謀刺殺川普。在「民主黨初選動態」的戰場中，他們揭露了民主黨內部的深刻分歧，對川普的攻擊更是變本加厲，將他描繪成戀童癖偏執狂、種族主義者、甚至是法西斯獨裁者，並暗示他與Deep State有著不可告人的聯繫。

在「川普封口費案與豁免權爭議」的戰場中，Tiktok #144 抨擊最高法院延遲對川普封口費案的判決，指控這是為川普的獨裁鋪路，甚至將他形容為恐怖分子的首領。在「川普槍擊事件」的戰場中，他們暗示川普接受了普丁的賄賂，自編自導了一場槍擊案且目的是吸引媒體目光，並用「內戰」、「擁槍」、「謀殺」等激進言論將川普與政治暴力緊緊相連。在「民主黨初選動態」的戰場中，他們全力支持拜登，斥責那些要求拜登退選的民主黨內部人士，稱他們正在摧毀民主黨和整個美國的民主，並質疑未報導川普罪行的主流媒體的公信力。最後，在「賀錦麗參選」的戰場中，Tiktok #144 表達了對賀錦麗即將面臨的性別和種族歧視的深切擔憂，暗示賀錦麗未來遭遇的挑戰將更加險惡。

Twitter #10946 的立場與Facebook #70033相似，主要抨擊兩大黨的關鍵政治人物。他們對民主黨持有負面的看法，認為投給民主黨的人是笨蛋，並將民主黨貼上「社會主義者和共產主義者」的標籤。同時，他們也不滿川普和共和黨，認為川普是普丁的傀儡，毫無價值觀和道德底線，並對其行為表示警惕。整體而言，Twitter #10946 的立場是對兩黨都持批判態度，對美國政治的現狀感到失望，並不認同任何一方。

YouTube #72 的評論則是充滿了對川普的負面批評，除了以情緒化的言論指責川普是「瘋子」、「叛徒」，也認為川普不利於非裔美國人和整個美國社會。他們指控川普逃避與賀錦麗辯論，是個懦夫，並對川普的支持者和主流媒體持負面看法，稱 MAGA (Make America Great Again) 大勢已去，並將FOX新聞視為仇恨的傳播者以及莫斯科的喉舌。最後，他們呼籲選民支持民主黨，投票給賀錦麗和她的副手華茲。

總體而言，協同團體7月的操作目標是透過操縱和扭曲有關美國總統大選的議題，以削弱選民對美國政府、司法體系和候選人的信任。他們利用陰謀論、散播極端資訊、轉移焦點及激化對立，進一步加劇社會與政治的極化與不穩定，並挑起選民對整個美國政治體制的不滿。此外，川普槍擊案後，協同團體的論述變得更加極端，從質疑最高法院轉向質疑美國社會治安與鼓吹擁槍，並出現質疑政府合法性的陰謀論。我們也觀察到，協同團體針對槍枝議題的操作從6月21日最高法院維持禁止家暴者擁槍的法律後延續至7月，並在Facebook、Tiktok和Twitter持續進行跨平台的操作，代表槍枝議題是協同團體介入美國大選的關鍵議題，值得持續追蹤。

最後，我們也觀察到7月27日川普與賀錦麗雙雙展開競選活動並互相攻擊後，協同團體的操作聲量急劇上升數倍，川普也於7月29日表示可能在9月與賀錦麗辯論，預示了8月協同團體操作的關鍵戰場之一將是川普與賀錦麗的競爭關係。

完整報告請下載：Undermining Trust_ How Information Manipulation Eroded American Democracy during the Turbulent July of 2024

摘要

美國總統選舉一直以來都吸引著全球的關注，對美國的國內政策和國際關係都產生了深遠的影響。這個每四年舉行一次的事件，引發了全世界的濃厚興趣，人們熱切地關注誰將進入白宮，以及這一變化將如何影響美國和全球的政策。

隨著俄烏衝突的持續、歐洲議會選舉中右翼勢力的崛起，以及川普再次作為候選人回歸，全球的社會局勢在近年來顯得相當動盪。這項研究將從2023年10月，即總統選舉前一年，至2024年6月進行詳細分析。研究共觀察到38,530個協同帳號，佔總社群聲量的15.1%，並檢視了131個戰場上的5,639篇與總統選舉相關的媒體報導。在這些報導中，有139篇（2.46%）與中國和俄羅斯的國家媒體有關。

我們在每個月的事件中，觀察了累積協同聲量達到50~60%聲量的事件，在這些事件中可以總結為七個主要的議題：川普的封口費醜聞、是否具有豁免權的判決、拜登的年齡問題、他的家人的刑責、援助烏克蘭以色列的爭議、邊境問題以及墮胎權問題。

在這些事件當中，我們觀察到協同群主要有三個操作的目標，分別是，攻擊美國總統候選人、操作境外議題與操作美國內政。
首先，協同團體針對美國總統候選人在司法案件中的爭議，質疑司法體系的公正性和有效性，進而影響選民的信任。例如，在封口費案件中，協同團體強調法官延後判刑的決定，質疑這是否是為了讓川普能夠透過上訴來拖延時間。同樣地，在國會暴動的豁免權案件中，最高法院認定川普在任期間享有部分豁免權，協同團體則利用這一點來批評最高法院存在政治偏見，進一步操作選民對司法體系的不信任（5.2%）。
針對候選者在認知方面的爭議，協同團體在美國民眾中附和認為不需要一個記憶差的人擔任總統（3.76%）；相反地，在中國民眾中，微博上的協同團體則直接點出美國總統的競爭候選者只有老人與罪犯，呼應中國官媒在報導川普刑事案件時所論述的「老人與罪犯之爭」。甚至提到這兩位候選者皆是為了不讓對方勝選而出來競選，並以此譏諷民主體制（12.75%）。這些行為顯示出協同團體在不同社群中使用不同策略來達到同樣的目標，即削弱對司法體系和候選人的信任，甚至延伸對民主體制的懷疑，從而加劇美國社會的分裂。

協同團體利用烏俄戰爭，操作美國民眾的反戰情緒與對政府援助法案的兩極風向。針對英文受眾，協同團體在支持與反對立場上都以偏激的言論來放大自身觀點，其中11.3%的論述烏克蘭應該被支持援助，而有8.9%的論述指出烏克蘭的腐敗，以及戰爭背後存在著西方國家的利益，進一步激化兩極化。針對中文社群，尤其是在微博上，協同團體的論述中有6.25%散播疑美論，將美國與北約描繪成俄烏戰爭背後的元兇。這種行為顯示出協同團體在不同語言和文化背景下使用不同策略，但其目標是一致的，即通過激化情緒和挑起矛盾來影響公眾輿論，削弱對政府和國際組織的信任。

在內政問題上，協同團體針對邊境議題、槍枝問題及女性墮胎權等熱點話題進行操作。在邊境法案上，同一個協同團體有8.37%的論述不僅攻擊民主黨在執政期間的失控移民潮，也有將近5.3%批評共和黨為了操作選舉而刻意阻撓法案的通過。他們透過炒作兩端不一致的觀點，加劇美國政黨的對立。

此外，協同團體利用德州移民湧入的情況，強調德州若無視聯邦的憲法，就是對法西斯的呼喚，並指控德州令人髮指的擴張，這樣類似的言論占比高達19.8%，甚至出現內戰的言論。在微博社群上的協同團體的更是有17%的言論炒作德州獨立。中文協同團體與英文協同團體的行為皆是利用內政問題來炒作政府與聯邦間的對立，不僅是在挑戰美國的體制，更是意圖分裂整個美國社會。

而在墮胎權事件中，協同團體有4.5%的論述將討論風向引導至對司法體系的質疑，攻擊法院的判決，認為其不應影響女性的權利。此外，同一協同團體（twitter@10946）也參與了與川普相關的刑事案件爭議，這表明協同團體刻意操作民眾對司法體系的不信任，從而加劇美國的反政府情緒。

從協同團體的整體操作來看，他們的目標是讓選民對候選者感到失望和不信任，並刻意放大兩黨的政治爭議，試圖極化美國民主社會。在國內議題上，他們通過炒作司法案件、邊境問題、槍枝問題及女性墮胎權等熱點話題，來激化對司法體系和政府的質疑，煽動反政府情緒。在境外議題上，他們則將西方國家描繪成戰亂的真兇，目的是分化民主社會，讓選民對民主感到疲憊和失望。協同團體在不同語言和文化背景下使用不同策略，但其目標是一致的，即通過激化情緒和挑起矛盾來削弱對政府和國際組織的信任，進而分裂美國社會。

在整個事件中，有四個最具代表性的協同團體，這幾個協同團體在每個月的事件中都不斷的出現。而這些協同團體除了參與上述的事件外，也涉足國外的政治活動。例如，Twitter #10946 和 Twitter #10968 參與了歐洲相關的政治事件，而 YouTube #253 和 YouTube #72 則在 TikTok 禁令事件中，呼應了中國官媒的論述。從這些跡象及協同團體操作的目的可以看出，這些協同團體並非來自某一政黨或民間組織，而是有境外勢力介入，試圖通過資訊戰影響美國選民的認知。

與過去相比，現在的協同團體已經相當成熟。他們不再僅僅依靠大量洗文章或機器人留言的方式。

Methodology

台灣人工智慧實驗室（Taiwan AI Labs）使用其分析工具「Infodemic」來檢視不同社交媒體平台上的資訊操作。  

圖1 展示了本報告的分析流程，主要包括三個階段：  

1. 使用者特徵提取：我們評估並量化使用者的行為特徵，將這些特徵轉換為使用者向量，以供進一步分析。  
2. 使用者分群：利用這些使用者向量，我們建立具有相似行為模式的使用者網絡，並應用社群偵測演算法來識別高度相關的使用者群體，將其分類為協作單位進行更深入的研究。  
3. 群組分析：我們探討這些協作帳號的策略，重點關注他們的主題選擇、操作方法，以及他們傾向支持或反對的entity。

 

使用者特徵提取  

為了有效捕捉社交論壇上的使用者信息，我們提出了兩組特徵集：  

使用者行為特徵  

準備數據以突出使用者行為特徵對於從資料集中獲取有意義的見解至關重要，其中包括有關社交媒體貼文（或影片）及使用者互動的各種詳細資料。我們收集了多種原始社交媒體數據，並將其轉換為結構化格式，這些格式的列描述了使用者行為的各個方面，如「使用者互動的目的地」（由post_id或video_id表示）、「使用者操作的時間」和「使用者分享的連結網域」等。這些使用者行為特徵將進一步轉換和結構化，以便於評估使用者相似性及進行分群分析。  

共現特徵  

共現特徵旨在找出經常涉及相似主題或與相同文章互動的使用者。為了量化這些使用者之間的特徵，我們使用了非負矩陣分解（NMF），這是一種應用於數據分析和降維的數學方法。此技術將給定的矩陣分解為兩個或更多的矩陣，確保這些矩陣中的所有元素都是非負的。  

 使用者分群  

使用者相似度評估  

在確立使用者特徵後，我們開始檢視使用者之間的協作關係。對於行為特徵，我們比較使用者對行為特徵的各種表現，並將結果縮放到0到1之間。例如，針對使用者活動的時間，我們記錄每個使用者在一週內活動的時間，並將其表示在一個7×24維度的矩陣中。隨後，我們計算基於這些活動時間矩陣的使用者之間的餘弦相似度。  

在共現特徵方面，我們也使用餘弦相似度來評估使用者共現向量的相似性，這涉及計算這些向量之間角度的餘弦值，以確定使用者反應或行動的相似度。此方法在社交媒體研究中特別有效，能夠根據共享的行為模式將使用者分組。具有高餘弦相似度的使用者表明其行為模式密切協調，揭示出具有相似興趣或互動習慣的使用者群體。  

使用者分群  

在計算使用者特徵間的配對相似度後，我們會將超過設定閾值的使用者配對連結起來，形成使用者網絡。建立網絡後，我們使用Infomap演算法進行分群。Infomap是一種社群偵測演算法，基於信息流動來識別網絡結構。此網絡中的社群隨後被分類為「協同群」，以供進一步分析。這種方法讓我們能夠系統性地識別並分類表現出協作行為模式的使用者群體，這通常是「協同行為」的指標。  

 分群分析  

意見分群  

為了有效解讀各使用者群體提出的敘事，我們對「協同群」的評論使用文本分群方法。通過利用預訓練的文本編碼器，我們將每條評論轉換為向量形式，然後使用分層分群算法將相似的貼文組織成連貫的群組。這些分群後的貼文群組將在後續討論中進行進一步分析，提供一個結構化框架來檢視和理解協同群論述中盛行的敘事和主題。  

立場檢測與敘事總結  

大型預訓練語言模型已經展示出在識別文本內容中的entity並提供有洞見的解釋方面的有效性。這一功能有助於掌握話語的關鍵組成部分，特別是在分析評論和評估對這些已識別entity的影響時。  

在我們的分析中，我們使用了台灣LLM進行文本檢查。台灣LLM是一個基於主要台灣語言語料庫預訓練的大型語言模型。它在理解繁體中文方面表現出色，尤其擅長識別和解釋與台灣相關的主題和entity。我們具體使用台灣LLM來辨別每條評論中提到的重要主題、entity及組織名稱。此外，它還評估評論作者對這些entity的觀點，並將其情感分類為正面、中立或負面。此方法系統地應用於所有意見群組。  

最終，我們旨在計算意見群組中每個主要主題或entity被提及的比例，以及與每個主題或entity相關的正面或負面情感的百分比。此外，我們使用語言模型為每個意見群組生成摘要，幫助數據分析師快速理解事件的整體概況以及話語中盛行的情感。

完整報告請下載：Observing-Information-Manipulations-Targeting-US-Presidential-Elections-from-October-2023-to-June-2024

 

執行摘要

從2023年7月1日至2024年6月24日，台灣人工智慧實驗室觀察到共26,011起事件和335,045篇媒體報導。在本研究的資料庫中，有97個事件和1,624篇報導與歐洲議會選舉相關，其中 16.07%的報導來自中國和俄羅斯的官方媒體。

本研究識別出2,752,681個協同帳號，其中20,041個活躍於與歐洲議會選舉相關的討論，佔總選舉討論的12.58%。協同群的整體社群聲量達55,307,335，其中268,080條留言涉及與選舉有關的議題。

協同群掌握了歐洲議會選舉的數位話語權，尤其關注兩個議題：歐洲極右運動的崛起和防範俄羅斯、科技公司與境外勢力對選舉的干預。首先，協同群在社群媒體上發佈的論述，主要針對極端主義的懷疑並鼓吹保守主義，共有11.76%的留言批評媒體誇大俄羅斯大外宣的威脅。其次，協同群扭曲即將推出的歐盟反假訊息法規，並傳播政府破壞言論自由的擔憂，旨在削弱歐洲主流媒體的可信度。

另一方面，協同群也針對以下五項議題進行操縱：烏俄戰爭、能源安全、數位法規、移民與氣候變遷。從協同群的論述立場與俄羅斯官媒一致可知，協同群的公眾話語操縱具有組織性。首先，針對烏俄戰爭，協同群的聲量從2023年7-8月的30.5%上升至9-10月的34.97%，主要攻擊歐盟對烏克蘭的支持，試圖分化歐洲內部。其次，在能源安全方面，協同群的聲量為22.04%（2023年9-10月），並放大了極右主義的聲量達31.34%（2023年11-12月）。本研究也在台灣觀察到類似的操縱策略，軍事支出與能源安全也是削弱政府信任和盟友支持的主要議題。

識別出協同群的敘事策略後，本研究選擇涵蓋多個敘述的協同群，並分析每個協同群聲量排名前五的議題。經過分析後，本研究發現烏俄戰爭和歐盟內部爭端是兩個重要的操縱議題，接著找出兩個代表性的協同群：一個專注於歐盟問題和美國政治，另一個專注於烏克蘭-俄羅斯戰爭和美國政治。

這兩個有影響力的協同群採取了不同的策略來塑造全球敘述。第一個協同群專注於東歐地緣政治和國際軍事事務，廣泛傳播有關烏俄戰爭和北約活動的敘事，從軍事對抗到葉夫根尼·普里格津的暗殺，旨在影響公眾對區域安全的看法；此外，他們也操縱了川普被起訴的事件。第二個協同群則聚焦於西方民主國家的內部政治，特別是英國和美國，傳播關於政治領袖的負面論述，批評政府決策，試圖影響選民的看法，削弱公眾對民主政府的信心。

上述協同群的策略表明，資訊戰的手法已經比傳統的大外宣更加複雜。他們特別關注國際衝突與西方民主國家的內部政治，掌握了多變的國際局勢和權力動態，持續在社群媒體上進行多元議題的資訊操縱。與僅針對單一議題的傳統假訊息手法相比，這種多議題的資訊操縱更可能影響公眾輿論，對公眾話語的完整性和全球民主穩定性構成重大挑戰。

隨著歐盟公民即將迎來關鍵選舉，建立可信賴的人工智慧合作夥伴，提升歐洲社群在面對干擾時的集體韌性，將有助於保護歐盟的民主價值和原則，確保選民的真實聲音不被資訊戰淹沒。

完整報告請下載：2024年歐洲議會選舉的資訊操縱觀察報告