学文网上网的利与弊篇1
网络的利
上网，可以开阔我们的视野，增长我们的见识，使我们的生活更加丰富多彩，也为我们提供了一个展示自身能力的大舞台。上网可以万事不出门，在家上网看新闻。上网看新闻，可以及时了解国家大事，了解国际形势，了解祖国日新月异的发展变化。上网浏览节目可以了解许多名人的业绩及其成功之路，受到激励，树立远大理想。上网还可以帮助我们学习，让我们了解作者的写作背景，学习不会的英语音标、搜索资料来帮助我们更好更快地掌握今天学习的内容。上网还可以购物，喜欢哪件买哪件，既不用出门又省钱，又方便，何乐而不为呢？
网络的弊
上网，可以影响我们的学习，侵害我们的生活，使我们的生活更加忧患多端。上网会影响我们的学习，占去大量的时间，影响作业的完成，使我们的学习成绩下降。多上网会对眼睛有害，使到我们的视力下降必然会影响我们的学习和生活。上网中浏览的很多节目会有很多的凶杀、暴力场面，有一些坏人作案的情节，青少年爱模仿，容易学坏。上网玩游戏，一不小心容易上瘾，会沉迷于网络而无法自拔，就会走上犯罪道路，误入歧途。
上网的利与弊篇2
随着时代的发展，上网已经变成了非常普遍的事。不论是大人还是小孩，只要提起电脑，都会想到上网。可是，上网是一把双刃剑，有利也有弊。
我发现有一些小朋友在网吧或家里上网，主要是为了玩游戏，有些中学生经常玩通宵，这样既对健康不利，也耽误了学习。我从电视新闻中得知一个真实的故事：某学生迷恋上网玩游戏，有一天，他告诉家长要在同学家写作业，可能会很晚才回家。晚上十点，他又给家长打电话说，自己太困了，要在同学家睡觉，并把电话号码告诉了家长。第二天早晨，家长不放心，就拨通了电话，接电话的人却说这里是网吧，还说：“昨天有一名学生在这里上网，一直玩到深夜，然后就在这里住下了。”家长马上赶了过去，看见孩子正在网吧的长沙发鼾然大睡，真是又生气，又心痛。你看，他伤害了自己的身体，又影响了学习，还撒谎，让家长操心，可真不好。所以，有些人认为，中小学生缺乏自制力，不允许上网。
但是，有很多人赞成上网，为什么？因为上网能给人们提供很多帮助。首先，上网就好像走进了万能、快意的***书馆，只要输入一个简短的词条，我要查找的资料就会立刻出现在眼前，比查阅书籍速度快，得到的信息量更大，网络成了我学习上必不可少的小助手。我在班里担任宣传委员，在办板报和组织班内活动时，经常上网查资料，网络成了我工作中不可缺少的小帮手。其次，在网上可以读到更丰富的新闻，我的一位同学统计过，每天网上的新闻要比电视上的新闻多几十倍。此外，上网还有其它作用，我的一个好朋友对我说，她爸爸在韩国，她给爸爸寄信或打长途电话又费钱又麻烦。她们总是用QQ发信或在网上通电话，又快捷又方便。看到这些，我们又怎么能说上网不好呢？
其实，和其他任何事情一样，上网有它的益处与弊处。上网是一把双人剑，我们利用它开扩视野，学习知识，但一定要掌握好分寸，别让另一面锋利的刀刃割破自己的手。
上网的利与弊篇3
随着时代的变迁及科技的发达，互联网迅速发展。网上交友成了流行极普遍的事。中学生上网交友会让父母担忧，也成了社会关注问题。中学生是通过面子书等交友。
中学生上网交友的利益是他们所交的朋友会是来自不同国度、不同文化、不同风俗习惯的的各族群。他们的生活圈子会变大因为朋友满天下。所谓：“秀才不出门，能知天下事”，他们能和各国朋友交换资讯，增广见闻，不做个孤陋寡闻的井底之蛙。除此之外，他们还能交换信讯，丰富对各地的认识。
中学生上网交友也有弊。他们整天对着电脑，电话，不与家人沟通。久而久之，他们的性格就越变越孤僻。他们也会沉迷于网上交友，过后会上瘾，不能自拔，进而荒废了学业，成绩也一落千丈。他们也会受到网友的影响，做一些不当的行为。如果他的网友是一个无恶不作的坏人，那他也会受到他的影响，做社会上的寄生虫
总而言之，网络世界是个虚幻的空间，我们必须以谨慎的态度结交新朋友，因为近朱者赤，近墨者黑。我们千万不能受那些猪朋狗有的影响。
上网的利与弊篇4
走进一家门脸不算太大的网吧，厚厚的红紫色窗帘紧紧地挡住了窗户，里面仅有那电脑屏幕上发射出的微弱的光芒。那刺鼻的尼古丁的味道，更是让人无法忍受。我粗略的数了一下，这家二层楼网吧大约有120台左右的电脑，而这里的2／3左右是中学生或未成年人。走近了仔细一看，大多数人都在打游戏，要不就聊岁左右的小男孩，我走上前去，问他：“你今年多大啦？”小男孩也毫不忌讳“14.”“你来这里干什么呀？”“玩游戏呗，来这的人除了玩游戏还干啥呀！”“可你不知道这里是未成年人禁止入内的地方吗？”“切，谁还闲的管这个，给他钱他不挣，他傻子啊！”正准备劝劝他的我，一时语塞，转眼，小男孩大摇大摆的走了进去。
在我看来，中学生进网吧，不能完全说是坏事，也有那么一部分学生是因为种种原因导致，迫不得已去查点资料，但是，就我的调查看来，99%的中学生去网吧上网是因为家中没电脑去网吧打游戏或家中电脑没有网吧中那些大型的刺激的不良的游戏。然而，沉迷于这些低级无趣的东西，对中学生也包括未成年人是百害而无一利。
先不说这是对钱财的一种浪费，就仅仅说这种东西对中学生的身心造成的影响，就够遭之唾弃了，更何况中学生万一沉迷于此，那可谓是“人财双失”啊！
上网的利与弊篇5
Abstract: In order to protect investors and regulate the capital market, the research of the fraudulent financial statements detection is very important. Then principal component method was used to reduce the numbers of indicators. Through it, 9 comprehensive indicators which can detect the fraudulent financial statements were acquired .Then the model of identifying the fraudulent financial statements was built by the LVQ neural network. Then an empirical research about the model has been done, the accuracy of predicting the testing samples was up to 90.9%.At last by comparing with other models, this paper find that the model built by LVQ neural network can detect the fraudulent financial statements effectively.
关键词: 财务舞弊;识别;LVQ神经网络;支持向量机(SVM)
Key words: fraudulent financial statements;detection;LVQ neural network;support vector machines(SVM)
中***分类号:F253・7;F019・3 文献标识码:A 文章编号:1006-4311(2009)10-0111-03
0引言
财务舞弊不仅让投资者蒙受巨大损失,也严重影响资本市场健康发展。有效地识别财务舞弊不仅有利于广大投资者,也有利于资本市场健康发展。
为了有效识别财务舞弊,国内外学者运用各种方法建立财务舞弊识别模型。BP神经网络被国内外学者广泛用于财务舞弊识别,但BP网络有可能陷入局部最小问题,而不能保证一定得出全局最小值;LVQ神经网络已经被广泛用到模式识别领域[1]。本文用LVQ神经网络建立财务舞弊识别模型。
1样本的选择及指标的确定
1.1 样本选择
①舞弊样本的选择。美国注册会计师协会(AICPA)在其第82号审计准则中将会计舞弊定义为:企业管理当局为了欺骗财务报告使用者而对财务报告中所列示的数字和其余披露进行有意识的错报或忽略[2-3],所指的财务舞弊即为这种会计舞弊。所有舞弊样本均来源于中国证监会处罚公告[3],为1998年1月1日到2004年12月31日,总共获得33个舞弊样本,其中22个作为建模样本,剩余11个样本作为测试样本,用来检验模型对新样本的判断能力。
②控制样本的选择。为每个舞弊公司选择一个控制样本,本文按照杨薇[4] (2008)所用的方法选取控制样本,即从相同行业和相似的资产规模中选取非ST、非PT的没有财务舞弊历史的公司[4]作为控制样本。最终选择出33个控制样本,其中22个作为建模样本,剩下的11个作为测试样本。
1.2 指标体系的建立
①备选指标选择。根据Beneish[5](1999)、聂丹丹[3](2000)、杨薇[4](2008)、陈凌[6](2005)等的论文选择备选指标,具体见表1。
国内其他学者通过对表 1的备选指标进行T检验或Wilcoxon秩和检验或Kruskal-Wallis检验,结果表明,这些指标能有效识别财务舞弊样本,如参考文献[4]、[3]和[6]就通过T检验或Wilcoxon秩和检验对表1的部分指标进行检验,发现表1的X1、X2、X3、X4、X5、X6、X8、X10、X12、X16、X18、X21、X22等能识别财务舞弊样本。(表1中的所有备选指标是根据Beneish[5](1999)、聂丹丹[3](2000)、杨薇[4](2008)、陈凌[6](2005)等的文献综合而来。)
②指标筛选。由于无法收集到表1备选指标中的X4、X13、X15、X17、X23、X24、X26对应的指标数据,所以这些指标没有参加指标筛选,直接被剔除。其余19个指标按照学者石晓***(2007)在参考文献[7]中的处理流程进行指标筛选,即首先对指标采用Kolmogorov-Smirnov正态性检验,判断出指标是否服从正态分布,然后对服从正态分布的指标采用T检验,对不服从正态分布的指标采用Kruskal-Wallis检验[7] 。经过上面的三步统计检验,表明剩下的19个指标均能有效识别财务舞弊样本。这个结果与其他国内学者通过T检验和Wilcoxon秩和检验判断的结果一致,故这些指标被保留作为有效识别财务舞弊样本的变量。
③指标的精简。通过指标的筛选,最终获得19个能识别公司财务舞弊的指标。为了减少模型输入变量的个数,本文用主成分分析法,把19个指标精简为9个综合指标[3]。用SPSS软件得到综合指标和原指标之间的关系,见下面9个表达式。
把所有经过标准化的样本数据代入9个主成分表达式,得到所有样本关于9个综合指标的数据,这些数据作为财务舞弊识别模型的建模数据和测试数据。
2利用LVQ神经网络建模
2.1 LVQ网络的建立
LVQ网络的建立、训练和检验都是通过MATLAB R2007实现[1]。建立网络的具体命令[1]如下: net=newlvq(minmax(qqb),6,[0.5 0.5]),其中[0.5 0.5]表示在建模样本中舞弊样本和非舞弊样本的比例均是50%,qqb为输入矩阵,即为44个建模样本的财务数据[1]。
2.2 LVQ网络的训练
网络建立完毕,用MATLAB中的train命令训练网络[1]。经过265 个训练次数,误差即达到要求。训练结果如***1所示。
2.3财务舞弊识别模型的检验
为了检验模型的效果,用MATLAB中的sim函数和训练样本及测试样本对模型的有效性进行检验[1],检验结果见表2。
从表2可知,模型对建模样本判断正确率为88.6%,对测试样本判断正确率为90.9%,对整个样本总体判断正确率为89.4%,所以可以得出基于LVQ神经网络建立的财务舞弊识别模型能有效识别财务舞弊。
3与其他方法建立财务舞弊识别模型的比较
同时,又利用BP神经网络[3]、遗传算法优化后的MLP(GA-MLP)[3]和支持向量机(SVM)[8]建立财务舞弊识别模型,并把这些模型的预测精度与LVQ神经网络建立的财务舞弊识别模型的预测精度进行比较。
由于国内外均有学者对用BP神经网络、GA-MLP、SVM建立财务舞弊识别模型进行了充分的研究,故详细步骤在此不再赘述,在同样的数据环境下,各个模型识别精度见表3。
考虑到建立财务舞弊识别模型的目的,是进行预测公司财务报表有没有舞弊。所以通过对未知样本即测试样本的识别精度的比较,能更好地得出各个建模方法的优劣。通过表3比较可知:在同样数据环境下,几种方法均能有效识别财务舞弊;但从对测试样本的预测精度看,用LVQ神经网络建立的财务舞弊识别模型的识别精度明显高于其他方法建立的财务舞弊识别模型。所以我们可以得出以下结论:用LVQ神经网络建立的财务舞弊识别模型能更有效地识别未知样本有没有财务舞弊。
4结束语
为了有效地识别财务舞弊,运用统计方法获得了有效识别财务舞弊样本的9个综合指标。在此基础上,用LVQ神经网络建立财务舞弊识别模型,并对模型进行了检验。检验结果表明,用LVQ神经网络建立的财务舞弊识别模型,对建模样本和测试样本的判断正确率分别达88.6%和90.9%。在识别未知样本即测试样本有没有财务舞弊方面,LVQ神经网络建立的财务舞弊识别模型优于用GA-MLP、BP神经网络和SVM建立的财务舞弊识别模型。
参考文献:
[1]葛哲学、孙志强:《神经网络理论与MATLAB R2007实现》[M];电子工业出版社,2007:169-210。
[2]张加学、李若山:《存货的“奥秘”――美国法尔莫公司会计报表舞弊案例分析》[J];《财务与会计》2002(2):40-43。
[3]聂丹丹:《改进型BP神经网络方法在会计舞弊识别中的应用研究》[D];《华北电力大学》2007:1-52。
[4]杨薇:《我国上市公司会计舞弊的识别研究》[D];河南大学,2008:1-72。
[5]Beneish M D. Incentives and Penalties Related to Earnings Overstatements That Violate GAAP[J].TheAccountingReview,
1999,74(4):425-457.
[6]陈凌:《我国上市公司财务欺诈识别模型研究》[D];中国人民大学,2005:1-50。
上网的利与弊篇6
关键词：SEO；搜索引擎作弊；搜索引擎欺骗；防范
中***分类号：TP393
SEO（Search engine optimization）一般可简称为搜索引擎优化。其主要工作是通过了解各类搜索引擎如何抓取互联网页面、如何进行索引以及如何确定其对某一特定关键词的搜索结果排名等技术，来对网页进行相关的优化，使其提高搜索引擎排名，最终提升网站的销售能力或宣传能力的技术。由于搜索引擎是靠蜘蛛自动的对网站进行爬行搜集关键词与内容，这种自动行为很容易让网站主采用一些手段欺骗搜索引擎而获得好的排名。本文介绍常见的SEO作弊行为以及如何防范这些行为。
1 什么是SEO作弊
搜索引擎作弊是指为了在搜索引擎中提高排名的目的而欺骗搜索引擎的行为。它与搜索引擎优化最大的区别在于，搜索引擎优化是一种利用搜索引擎的搜索规则来提高网站在有关搜索引擎内的排名。
2 如何作弊及其后果
在SEO的发展过程中，一直伴随着关于作弊方法的讨论，成为业界关注的话题[1]。以下是被视为作弊的常见手段。
2.1 博客群发，也叫博客污染，博客留言群发
具体行为是：在博客网站的留言板上留着大量自己网站的链接，想通过这个方式增加自己网站导入链接。很多人采用群发软件来做博客群发、网站留言群发。搜索引擎已经有很成熟的算法识别这种SEO作弊行为，一旦被侦探出来，网站会被搜索引擎降权，甚至删除。但是在博客上真实留言并留有链接，是不会被惩罚。
2.2 域名轰炸
域名轰炸，英文称：domain spam，SEO新手往往会认为，注册N个域名，都连向主站，这样就可以增加主站的PR。如果这N个域名都有自己***的网站，则没事。但如果N个域名都指向主站的内容，或者都只有少数几个页面，甚至重复的页面，这样会被认为是一种SEO作弊行为。对于域名轰炸行为，搜索引擎的态度是：把这些“子站”删除，情节严重者，主站也会受惩罚。
2.3 关键词叠加
关键词叠加，英文：Keyword stacking指为了增加关键词密度，在网页上大量重复关键词的行为。一般在标题标签、描述标签、关键词标签、***片的ALT-代替属性中重复放入大量关键词。有时，他们在网页页脚部分摆放上几十个关键词。关键词叠加是一种典型的SEO作弊行为，搜索引擎判断这种作弊行为的算法已经相当成熟，所以，一旦网页上出现关键词叠加现象，一般整个网站会被搜索引擎封掉。
2.4 隐藏文本和链接
采用隐藏的手段在网页上放置许多文本和链接，浏览者看不到隐藏文本而搜索引擎可以爬取到，从而欺骗搜索引擎对网页关键词的判断。隐藏文本和链接的SEO作弊手段不同于关键词叠加，但同样可能导致你的站点被搜索引擎封掉，所以要注意避免。
2.5 与垃圾网站交换链接
如果这个***导航站是具有权威的（比如PR大于5），则没有问题。但是，具有权威和知名的***导航站一般不是以“交换链接”的形式收录站点。以交换链接为收录条件的***导航站，往往会被搜索引擎当作Link Farm-链接养殖场。如果你的网站与这些垃圾网站做了交换链接，那么搜索引擎会对你的网站采取降权甚至删除收录的惩罚。
3 SEO作弊的防范措施
3.1 为什么搜索引擎要反作弊
对于上述提到的搜索引擎作弊行为，几乎所有搜索引擎都是反对的。搜索引擎是各大搜索公司的生命。因此，对于上述提到的搜索引擎作弊行为，谷歌，百度这些知名公司总是想方设法防范的。搜索引擎作弊不仅直接破坏了搜索引擎网站赖以生存的关键，而且也破坏了搜索引擎网站获得收益的来源。近几年来谷歌、百度等已经在反作弊上做了很大的工作，并对这些作弊行为给出了相应的惩罚措施。几乎所有的搜索引擎***站点也公布了一些原则，对作弊行为进行鉴定，并给出了对应的惩罚措施[2]。
3.2 防范措施
搜索引擎采用正常的技术手段（蜘蛛自动爬行）是无法彻底处理作弊问题的，必须要搜索引擎技术和人工干预分离开来，才能获得较好的反作弊效果。
（1）加强网站关键字的判断
对于关键词堆砌和虚假关键词这两种作弊行为，应加强智能判断。对于同一页面内多个关键词的情况，应从网站代码中抓取var _userid = '';var _siteid =691;var _istoken = 1;var _model = 'Model03'; WebPageSpeed =1703; UrchinTrack();中的关键词，其他地方的如和中的就忽略掉；判断关键字是否仅在某一段落内重复，以去除恶意重复现象。对于重定向页面，还应对页面内增加重定向分析；对待不同的重定向页面采用不同的手段进行判断。
（2）加强审查网页链接
过分析网页的链接结构来判断某网页足否是作弊页面，这种方法主要通过算法来实现，主要的思路是从正面出发的hilltop算法、lrustrank算法和从反面出发的badrank算法。通过不闷的算法对作弊进行防范，不问的排序算法会有不同的排序依据，不断的寻找作弊者不能控制的排序依据使其无法进行作弊行为[3]。
（3）加强检测隐藏文本与链接
无论是隐形页面、偷换页面，还是重定向，都会对网站的当前访问者进行判断，从而对网络爬虫和普通用户作出不同的反应。搜索引擎一部分爬虫伪装成普通用户来访问站点，对网站进行测试，看网站对用户和搜索引擎返回的内容是否一致，如果不一致则很大可能是在作弊。
（4）建立网站黑名单
对于上述搜索引擎技术检测出来的多次类似作弊网站和IP地址建立一个待观察名单数据库，特别加强对这个数据库作弊行为的审查，必要时要采取人工审查。如果检测确实存在作弊行为，那么对作弊行为的网站建立一个黑名单，对其作出相应的惩罚。
（5）加强人工干预审查
虽然技术手段可以精确解决大部分的SEO作弊行为，但是也不可能完全消除，而且技术手段常常是事后诸葛亮，即只要作弊行为曾经发作并且比拟严重，才可能归结作弊特征，采取事后过滤的办法。人工干预审查是最有效的方法，是对作弊行为最后的审查。但是加强人工干预审查就存在着时间与精力、金钱方面的问题。因此不能完全靠人工来干预审查。
人工手段则与技术手段有很强的互补性，能够在新的作弊方式一呈现就被人发现，能够看做一种处于作弊停止时的预防措施。所以从时间维度思索对作弊办法的抑制来说，技术手段反作弊重在预防，人工手腕重在发现，其有内在的联络和互补关系存在。
4 结束语
各大搜索引擎公司都会公布自己的搜索原则，对于符合搜索原则的优化措施是搜索引擎公司所允许与鼓励的；对于刻意违背搜索原则的优化，是被各大搜索引擎一致拒绝并提供了各种处罚措施。本文从SEO作弊出发，介绍了几种防范SEO作弊的一些方法，反SEO作弊是一项长期持久的工作。我们相信随着反作弊技术的发展和成熟，在甄别网站作弊上一定会取得更好的成绩。
参考文献：
[1]范彦忠.SEO技术研究[J].计算机应用与软件，2010，27（1）：1-2.
[2]赵静.搜索引擎的作弊也防范[J].办公自动化杂志，2010，11（193）：1-1.
[3]王刚利.搜索引擎中的反作弊研究[J].计算机应用研究，2009，6（6）：2-3.
上网的利与弊篇7
一.SEO
知道SEO这个词的可能不知道，网络营销包括SEO，网络营销是一个综合的大类，而SEO是网络营销的分支。
优势：SEO优势在于依靠网站为媒介，信息，进行关键词的优化，以获得搜索引擎排名。给网站带来流量，带来浏览量。
弊端：可能有些比较热的关键词不能通过SEO获得排名，短期内很难看到效果。
二.竞价排名
通过购买百度、新浪、网易、天涯论坛等大型门户网站的广告位来获得网站的流量。
优势：短期内就能获得很好的排名，对于一些大型企业，前期做网络推广是必须的!
弊端：价格贵，中小型企业很难承受高额的广告费
三.论坛发帖
天涯论坛、经济杂谈、新浪经济论坛等各种大中小型论坛进行发帖推广企业产品。
优势：范围广，有很好的网络宣传效果，如果可以通过与新浪、网易、搜狐等各大论坛版主合作，让他们把网站文章置顶加精，更加有利于网站知名度的提高，增强了信任感!、
弊端：企业大规模的广撒网，对网站进行发帖质量肯定不高，而且删帖率极高，最终导致网站发了很多的帖子，看不到效果。而且帖子存活率很低!
四.软文推广
软文推广是网络编辑人员针对网站产品的样式、类别、优势等写出的适合论坛的文章，这些文章包括论坛帖子、博客文章、贴吧文章等，这三类文章又要以不同的要求写出适合网站推广的文章，要求比较高!
优势：文章类型涉及范围广，可读性强，对关键词的优化排名有好处!是网站推广的主要力量!
弊端：文章类别多，文章写作难度大，要求编辑水平高，又需要大量的原创，因此出现文章质量跟不上的弊端，导致可读性不强!解决办法请专业的编辑人员写高质量的文章!
五.博客推广
博客推广包括新浪博客、网易博客、搜狐博客、天涯博客等大型的博客媒介
优势：博客账号多用，一个账号可以实现大类别中的通用，不仅可以博客文章，而且可以发帖，传照片、传视频、写微博、与网友互动，是网络营销中的大后台!而且权重高!可以给主站放友情链接，提高网站权重!
弊端：不能充分的利用博客的优势，有些时候是为了避免博客权重过于高，导致与主站关键词进行争权重。
六.邮件营销
邮件营销这种方式通过网络机器，进行大规模的企业网站产品邮件信息，进行推广。
优势：提高网站流量有奇效
弊端：转化率，跳出率很高，转化率低
七.微博营销
微博营销是一种依靠粉丝进行网络推广的一种方式
优势：传播范围广，如果有转发，引起共鸣，可以起到很好的传播作用。
弊端：产品很难对味，网友们喜欢新鲜的搞笑的事情或者搞笑视频，一般的产品很难有生动性。不容易被转发传播!
八.视频推广
视频推广需要很大的投入与策划，需要专业的人员制作视频。
优势：生动性高，传播快速
弊端：素材比较难找
九.***片推广
制作添加网站***的***片，吸引用户视野
优势：***像更容易被人记住，观赏性教文章更强，与文章结合效果会更好
弊端：在很多的地方不能加入锚链接，无法通过***片进行点击
十.口碑营销
通过在网络上言论，制造有利于企业产品的优势言论
上网的利与弊篇8
百度对作弊的判定条件
在网页源代码中任何位置，故意加入与网页内容不相关的关键词。
在网页源代码中任何位置，故意大量重复某些关键词。即使与网页内容相关的关键词，故意重复也被视为作弊行为。
在网页中加入搜索引擎可识别但用户看不见的隐藏文字。无论是使用同背景色文字、超小字号文字、文字隐藏层、还是滥用***片ALT等方法，都属于作弊行为。
故意制造大量链接指向某一***的行为。
对同一个***，让搜索引擎与用户访问到不同内容的网页(包括利用重定向等行为)。
作弊行为的定义是针对网站而不是网页的。一个网站内即使只有一个网页作弊，该网站也被认为是有作弊行为。
有链接指向作弊网站的网站，负连带责任，也会被认为是作弊(但是，作弊网站上链接指向的网站，不算作弊)。
Google对作弊的判定条件
使用隐藏文本或隐藏链接。
采用隐藏真实内容或欺骗性重定向手段。
向 Google 发送自动查询。
使用无关用语加载网页。
创建包含大量重复内容的多个网页、子域或域。
上网的利与弊篇9
关键词：财务舞弊；识别；上市公司
一、研究背景
自从会计信息作为由企业内部向外部传递经济讯号的媒介以来，舞弊就与之形影相随。随着全球资本市场一体化的加速，会计信息的社会影响日益扩大，财务舞弊现象也日益盛行与蔓延。
2002年6月，世界第二大电信公司世界通信公司（world com）和被认为全美最可信赖的50家公司之一施乐（xerox）公司因会计造假列入当年国际会计业十大新闻。2006年普华永道日本公司和戴尔公司因财务报表丑闻震惊全球的会计行业。由于我国证券市场运作时间较短、各项体制不够完善，上市公司财务舞弊事件也一直层出不穷。2006年顾雏***案引爆整个会计业信任与监管危机。接二连三的会计舞弊丑闻的揭露，极大地动摇了人们对资本市场的信心。所以加大对上市公司财务舞弊问题的研究工作，已成为稳定资本市场秩序迫在眉睫的问题。
然而治理财务舞弊是一项极其复杂艰巨的系统工程，除了要建立高质量的会计准则、健全会计信息披露的规则外，还要不断提高会计信息使用者对财务舞弊行为的识别能力，以尽可能减少财务舞弊行为的误导效应。因此本文以我国上市公司为研究对象，将研究范围锁定在与我国上市公司财务舞弊识别相关的事项上，试***得到对会计信息使用者具有指导意义的结论，以期为完善监管***策和会计、审计准则提供理论参考，为财务舞弊行为的预警、实时监控和综合治理提供决策依据，从而最大限度地减少上市公司财务舞弊行为的误导效应。
二、相关文献综述
对财务报告舞弊颇有研究的美国coopers & lybrand会计师事务所（2000）总结出29面“红旗”，当出现这些“红旗”的时候，就需要格外关注公司管理当局是否有舞弊的可能，例如，现金短缺、负的现金流量、营运资金短缺；融资能力降低，营业扩充的资金来源只能依赖盈余；存货大量增加超过销售所需；盈余品质逐渐恶化等。
beneish（1997）对舞弊公司和非舞弊公司比较研究发现，公司历史、财务杠杆程度和股价的表现可作为初步判定会计舞弊的风险因素。另外，公司应收款项大幅增加、产品毛利率异常波动、资产质量下降、销售收入异常增加和应计利润率上升也是会计舞弊的征兆。
green and choi（1997）采用人工神经网络（ann）技术构造了建立在原始财务数据基础上的财务舞弊判别模型，并发现这一模型将大大改善***审计师发现舞弊行为的能力，且在以随机样本为基础使用时非常有效。
刘立国、杜莹（2003）的研究表明：法人股比例、执行董事比例、内部控制制度以及监事会的规模与财务舞弊的可能性正相关，流通股比例则与之负相关。
黄世忠（2004）在《收入操纵的九大陷阱及其防范对策》中指出，存在以下预警信号时，表明上市公司有舞弊的可能：应收账款的增幅高于销售收入的增幅；计提巨额的坏账准备；收购日前后毛利率发生大额波动；销售收入与生产能力比例失调；与客户发生套换交易；收入主要来自关联交易；销售收入与经营性现金流相背离。
“他山之石，可以攻玉”，国内外关于财务舞弊的特征和征兆的研究对本文有着重要的借鉴意义，本文将从总结出的众多财务舞弊特征和征兆中概括出使用最频繁的（如财务状况、资产质量、营运能力、盈利能力、盈利质量、关联交易、内部治理结构），作为研究我国上市公司财务舞弊识别的切入点。在研究方法上使用对财务舞弊识别效果较好的logistic回归分析法，针对不同的影响因素，通过组合运用达到弥补单一指标分析的缺陷的目的。
三、研究方法和具体研究
大量的实证研究表明，相对于非舞弊公司而言，舞弊公司往往具有特殊的舞弊动机，而这些动机则外显于舞弊公司的财务特征及征兆。表现在财务指标上，就是某些财务指标显著异于同类公司。因此，本文主要通过分析上市公司财务舞弊的征兆，构建上市公司财务舞弊的识别模型，并以我国上市公司舞弊年报为样本，对模型进行分析，旨在探求我国上市公司财务舞弊行为的基本规律，为财务舞弊行为的预警、实时监控和综合治理提供经验依据。
资产和利润的造假是对投资者和债权人影响最大的舞弊行为，且资产和利润的虚假能通过一系列财务指标的异常反映出来。而资产和利润的虚增是财务报告舞弊的主要内容，因此，本文将财务舞弊定义为财务报告中资产和利润的虚增，并以此为标准来选择研究样本。
研究样本从我国2000-2006年因舞弊遭到证券监管部门（证监会、深交所、上交所）、***通告处罚的公司中选取，共选取了35家上市公司，其中有些公司是连续几年都实施财务舞弊行为，将舞弊公司的每一个舞弊年度作为研究对象，最终共有68个研究样本。
同时选取了与上述公司行业相同、规模相当的未遭通告和处罚的公司与之配对，选取了68个控制样本。
本文的样本数据来源于中国证监会公告（上市公司处罚决定类）、***处罚公告（上市公司处罚决定类）以及中国证监会指定的信息披露网站-巨潮资讯网（wwwinfo）、上市公司咨询网（wwwlist）、金融界网（jrj）。
本文通过对国内外研究成果、及会计舞弊的普遍手法分析，认为舞弊公司会在下述指标方面与非舞弊公司显示出差异。现将本文选取的可能发现违规的指标进行汇总，并对每一指标给出简单说明（见表1）。
（一）模型选择
logistic模型适用于因变量为二值的情况下使用（例如：对上市公司财务报告识别的结果要么是舞弊、要么是非舞弊，即符合该模型的使用条件），因此本文研究也将采用logistic模型，并结合spss统计软件进行。
根据舞弊识别的经验性分析，认为舞弊公司与非舞弊公司（同行业、规模相当）在上述13个指标方面会显示出较大差异，因此，对舞弊公司（研究样本）和非舞弊公司（控制样本）的上述指标采用spss统计软件进行对照检验，最具显著性的指标予以保留进入模型（即为x1、x2、x3等），不具有显著性的指标则予以剔除，从而构建logistic回归模型，以此来判断企业财务舞弊的概率有多大。
模型建立的意义在于：在某公司x1、x2、x3等指标已知的情况下，把指标值带入模型即可得到该公司发生财务舞弊的概率。
（二）研究结果及其阐释
将两类样本按0、1分组，1为舞弊公司，0为非舞弊公司，采用spss16.0对数据进行处理。
spss的部分输出结果如表2所示。
表2为方程中变量检验情况列表。从显著性水平（sig.）来看，x1（资产负债率）、x9（非主营业务利润率）、x10（净利润现金保证率）、x11（其他应收款占总资产的比）这4个变量检验的显著性水平都小于0.05，均可进入模型。由该表可得出会计舞弊的识别模型为：
ln（pi/1–pi）=y＝-2.148+4.839x1+0.248x9-0.193x10+6.381x11
根据该模型，就可以在某公司这4个变量已知的情况下计算出其发生财务舞弊的概率。
表2中回归模型统计量表明：最终进入模型的有4个变量，分别是x1（资产负债率）、x9（非主营业务利润率）、x10（净利润现金保证率）、x11（其他应收款占总资产的比）。从系数可以看出，x11（其他应收款占总资产的比）对公司舞弊与否的预测能力最强（其系数为6.381），而且该指标与舞弊发生与否呈正相关关系；其次为x1（资产负债率），其系数为4.839，该指标与舞弊发生与否呈正相关关系；然后是x9（非主营业务利润率），其系数为0.248，该指标与舞弊发生与否呈正相关关系；最后是x10（净利润现金保证率），其系数为-0.193，该指标与舞弊发生与否呈负相关关系。
四、研究结论
根据实证研究结论，可看出财务结构、盈利质量和关联交易度相关指标对识别公司财务舞弊与否有着显著的效果，也可以说，舞弊公司具有资产负债率高、盈利质量差、关联交易频繁的显著特征，因此无论作为投资者还是债权人及证券监管部门，判断公司舞弊与否时，要密切关注这些指标。
参考文献：
1、albrecht w s and romney mb.red-flagging management fraud: a validation[j].advances in accounting,1986(3).
2、beneish m d.detecting gaap violation:implications for assessing earnings management among firms with extreme financial performance[j].journal of accounting and public policy,1997(16).
3、beneish m d.detecting gaap violation: implications for assessing earnings management among firms with extreme financial performance[j].journal of accounting and public policy,1997(16).
上网的利与弊篇10
互指对方作弊
“我向发誓，向天发誓，搜狐绝对没有作弊，吗要作弊，我骗谁？董事会？我自己？”9月4日，面对因Alexa排名上下起伏过大引起的作弊质疑，搜狐掌门人张朝阳情绪颇为激动。
8月27日，除新浪之外，中国几乎所有的互联网媒体都了这样一条新闻：《Alexa：搜狐网站访问量总排名连续两周超越新浪》。这则新闻引用Alexa的数据来佐证搜狐在与新浪的竞争中终于占得了上风。从27日开始，搜狐组织《门户网站座次生变》、《新浪饱尝退守内容苦果》等一系列令新浪尴尬的文章。这也使得新浪的总编辑陈彤不得不以某些流量统计机构不是很规范、新浪觉得不严肃的说辞来进行回应。以往当Alexa的统计数据显示新浪高于搜狐的时候，这个数据常常是作为新浪对外宣传讥讽打压搜狐的法宝。
但是，9月1日，形势骤然逆转。Alexa进行算法调整，导致搜狐排名跌至48名。这次新浪终于逮住机会开始大举***，“如果在某段时间内大幅上升又大幅下跌，一般均可以判定为作弊。”一时间，《戳穿搜狐张朝阳“向天发誓”的最新谎言》等一大批文章也在新浪博客上大量出现。而对于这个“突变”，张朝阳除了发誓没有作弊外，更暗示流量的异动可能来自竞争对手的恶意攻击。第一门户之争一直以来，新浪都是搜狐赶超的对手。打开搜狐的首页，它的标题是“搜狐-中国最大的门户网站”。虽然腾讯已经窥视这个位置已久，而且最近也开始以中国第一门户的位置自居，但是也还没有这个魄力将它放到自己的网站标题里去。由此也可见搜狐的野心。
与新浪专注做互联网内容不同，近来，搜狐将主要精力投放在新技术与相关应用上，推出面向草根的“玩弄声色”版搜狐博客，推出了大型网络游戏《天龙八部》；推出整合多个网站矩阵的“大本营”、“小纸条”系列王牌。从内容到技术，从博客到奥运，在各个领域同新浪展开激烈竞争。
某业内人士表示，从媒体内容上来说，新浪略胜一筹，但搜狐的奥运赞助商地位也将成为反击新浪的“利器”。“Alexa排名之争只是开始，未来双方还必将争得更加激烈，现在还难分伯仲。”Alexa排名的面子效应实际上，提供网站排名服务的Alexa网站是美国亚马逊的一家子公司，从1994年便开始提供全球网站排名服务。由于国内互联网普遍依靠风险投资，缺乏中国自己的权威第三方评估机构，Alexa的排名结果成为风险投资惟一可参考的依据。对很多中国网站来说，Alexa排名是自己的脸面。一张“好看的脸”能吸引来风险投资，吸引广告费，能让竞争对手甘拜下风。
崔永元曾说过：“收视率是万恶之源。”在利益的驱使下，流量也成了互联网的“万恶之源”。从Alexa引入中国之日起，形形的作弊手段也应运而生。用关键词“网站排名”在百度搜索一下，出现近千万的结果页面，其中大部分的文章是教你如何作弊，如何把你的网站排名“刷”起来。为了维护自己的权威性，Alexa几次修改算法，对一些作弊网站一度清空流量或大幅度降低排名。但是“道高一尺，魔高一丈”，还是有相当多的网站千方百计寻找新算法的漏洞，再一次卷土重来，甚至形成灰色链条产业，出现专门帮人作弊的公司。著名IT评论博客老猫撰文写道：“一味地谋求排名，有些不择手段（的做法）已经演变成了潜规则。”
恶性循环之下，Alexa排名在中国的权威神话开始破灭，其对风险投资和广告投放的影响力也日趋减弱。虽然很多人都心知肚明大部分的流量是“灌水猪肉”，但是这种“面子工程”却不可不做。因为当哪家互联网公司在Alexa上的排名大幅下降的时候，其公司的CEO基本也就是最灰头土脸、面上无光的时候。所以，尽管新浪、搜狐等门户网站不再依靠Alexa排名来获得风险投资，但是它依然是打击竞争对手的一个重要法宝，甚至是战胜对手的一个重要标志。