H-index数据造假新手法：利用Google Scholar漏洞与AI生成论文刷取引用

Google Scholar作为学术搜索与影响力评估的利器，其背后潜藏的系统性漏洞正使其沦为数据造假的温床。近期曝光的两起事件，揭示了利用预印本平台和生成式AI即可轻松操纵学术指标的灰色路径。

预印本成刷分捷径：两天10篇论文引用暴涨十倍

事件的核心是国内某顶尖高校的一位外籍博士后。公开记录显示，其2022年总引用为47次，2023年在100次左右。然而到了2024年，其引用曲线呈现异常陡峭的增长，迅速飙升至629次。

涉事博后2024年的引用量出现反常的垂直增长

这一异常增长并非源于重磅研究成果，而是通过钻营IEEE旗下预印本平台TechRxiv的规则漏洞实现的。该研究者在两天内密集上传了10篇文档，内容经核查缺乏实质贡献。其操纵手法的关键在于参考文献列表：

• 其中5篇文档的参考文献列表中塞入了多达37条自引，几乎被其本人作品占满。
• 其余文档的自引率也高达三分之二。

这种赤裸裸的“刷单”行为，却成功骗过了Google Scholar的爬虫。尽管该账号最终被封禁，但漏洞已然暴露：预印本平台普遍缺乏严格的内容审核，为技术性刷分提供了近乎零成本的通道。

Google Scholar的机制缺陷：重收录而轻验证

为何如此明显的操作能轻易得逞？这与Google Scholar的设计理念有关。它优先追求文献的覆盖率，特别是对预印本几乎采取“来者不拒”的策略。爬虫会解析TechRxiv、ResearchGate等平台上的文档引用关系，但通常不会验证被引论文是否真实存在，也无法判断文档是否经过同行评审。

这一特性在作为检索工具时是优势，但在作为学术评价指标来源时则成了致命缺陷。一项针对全球前十高校教职员工的调查显示，超过60%的人在招聘或晋升评估中会参考引用数据，而Google Scholar是其首选数据源，使用率远超Scopus和Web of Science。

调查显示，在全球Top 10高校的招聘评估中，Google Scholar是使用率最高的工具

对比之下，审核机制更严格的Scopus数据库则像一面“照妖镜”。在上述事件中，异常账号在Scopus上的引用量相较于Google Scholar骤降96%，几近归零。而正常学者的数据在两个平台间则保持相对稳定。

进入AI时代：全自动脚本可批量伪造学术身份

手动上传效率低下，纽约大学的研究团队在《Scientific Reports》上发表论文，展示了利用生成式AI进行全自动化学术造假的完整流程：

1. 虚构身份：创建一个不存在的作者及其所属机构。
2. 批量生产：使用ChatGPT生成20篇主题为“假新闻”的论文，内容空洞，仅实现相互引用。
3. 平台发布：将这些AI生成的论文上传至Authorea等预印本服务器。

结果令人震惊：Google Scholar毫无障碍地收录了所有这些论文，并据此为这个虚构人物计算出了380次引用和高达19的H-index，使其瞬间成为该细分领域的“权威学者”。更关键的是，即便原始预印本被删除，Google Scholar上的引用记录依然存在，形成了“查无对证”的局面。

渗透正规期刊：300美元购买50次引用

如果认为预印本不够“正式”，市场也提供了渗透正规期刊的渠道。研究团队通过暗访发现，存在所谓的“引用工厂”服务。仅需支付约300美元，即可购买50次引用。

与预印本刷分不同，这类购买服务的影响更为深远。团队购买的50次引用，最终出现在了5篇发表于正规期刊的论文中，其中4篇被Scopus收录。通过对引用网络的拓扑分析，可以发现明显的“引用卡特尔”特征：多篇论文相互密集引用，并非服务于单一客户，而是为多个“金主”进行批量化刷分，在图中形成显著的高密度聚类。

引用网络拓扑图揭示出潜藏在正规期刊背后的“引用卡特尔”

总结与反思：学术评价应回归质量本身

当虚构身份能借由AI轻松获得可观的H-index，当几百美元就能撬动正规期刊的引用数据时，我们不得不重新审视以Google Scholar数据为代表的量化指标的可靠性。

Google Scholar的便利性无可替代，但其对预印本和AI生成内容的无差别收录机制，无疑将学术不端的门槛降至历史低点。对于依赖此类数据进行人才筛选的招聘委员会和学术机构而言，是时候建立更审慎、多维的评估体系了。若继续单纯迷信冰冷的引用数字，未来脱颖而出的可能并非潜心研究的科学家，而是精通系统漏洞与操作规则的“策略家”。