当前，基于大语言模型的智能推荐系统正遭遇新的信息安全挑战。不同于搜索引擎时代的关键词优化，借助生成式算法特性进行商业操控的行为更隐蔽，正滋生黑色产业链。业内将其称为“生成式引擎优化”（GEO）：通过系统性污染信息生态，对智能推荐结果进行定向干预。技术分析显示，这类操作主要利用三类薄弱环节：其一，算法更偏好结构化、引用丰富的文本；其二，系统缺乏对信息真伪的实时核验能力；其三，交互界面设计更强化了用户对输出结果的信任。操作者往往批量生产伪装成第三方测评、专家分析的引导性内容，并在问答社区、百科平台等信源密集场景集中铺设，进而影响用户认知，形成类似信息茧房的效果。 据北京大学光华管理学院张颖婕副教授研究，该现象带来双重危害：在消费决策层面，用户可能将商业推广误当作客观建议。2023年，某家电品牌通过该手段使推荐率提升47%；在信息生态层面，某测评平台数据显示，被操控话题中的虚假内容占比已达28.6%，对网络信息秩序造成明显冲击。 治理难点主要集中在技术识别和法律界定两上。一方面，现有算法与审核机制难以识别经过专业包装的“伪客观”内容。某头部平台测试显示，人工审核员对这类内容的误判率高达35%。另一方面，现行《互联网广告管理办法》尚未明确生成式推荐的法律属性，监管边界仍存在空白与模糊地带。 对此，专家建议构建三级防御体系：在技术层面，建立可信信源验证机制，要求平台对引用内容进行真实性标注；在监管层面，将生成式推荐纳入广告法规监管范围，建立“算法黑箱”备案制度；在用户教育层面，倡导“交叉验证”的使用习惯，对单一品牌集中推荐、结论异常完整的测评内容保持警惕。 行业预测显示，随着《生成式人工智能服务管理暂行办法》实施细则即将出台，平台内容审核投入预计增长60%，并可能带动第三方验证服务等新业态发展。国际标准化组织（ISO）已启动涉及的技术标准制定，我国多家科研机构正在参与核心指标设计。
生成式问答工具提升了信息获取效率，但不应以降低警惕为代价。面对“答案也能被操控”的新风险，需要更严格的源头治理、更透明的平台责任、更清晰的规则边界，以及更成熟的公众辨识能力共同构筑防线，才能让技术进步真正服务于理性决策与更健康的信息环境。