그럴듯한 계정들이 공동으로 평점·순위·참여도를 왜곡하는 협조적 조작은 본질적으로 집단적 현상이지만, 기존 방어는 주로 계정 신원·그래프·콘텐츠·동시활동에서 증거를 구성한다. 이 논문은 맥락 수준 결과 분포의 왜곡 자체를 1차 증거 객체로 삼는 '집계 우선' 증거 계층을 도입해, 신원 정보 없이 히스토그램·카운트·해상도·참조 분포만으로 판단한다. 원시 편차의 기댓값이 항상 양수인 유한표본 특성을 고려해 매칭된 귀무 기댓값을 빼는 방식으로 부호 있는 증거를 얻고, 참여 로그에 걸쳐 이를 누적한다. 아마존 리뷰 데이터의 통제된 회전 실험과 반사실적 개입 평가에서, 재사용을 늘려가며 조작 이벤트를 재배정한 계정 점수의 ROC-AUC는 0.500에서 0.797로, 평균 보존 형태 개입에서는 Wasserstein-1·Jensen-Shannon 증거가 각각 0.909·0.967을 기록했고, 집계 증거를 반복 동시활동과 결합하면 혼합 메커니즘 ROC-AUC가 0.750에서 0.874로 향상됐다.

• •계정 신원 없이 결과 분포의 집계 왜곡만으로 판단하는 '집계 우선' 증거 계층 제안
• •매칭된 귀무 기대값을 빼 부호 있는 증거를 얻고 참여 로그에 걸쳐 누적하는 방식 채택
• •아마존 리뷰 데이터 실험에서 조작 이벤트 재사용 증가 시 ROC-AUC가 0.500→0.797로 상승
• •집계 증거를 반복 동시활동과 결합하면 혼합 메커니즘 ROC-AUC가 0.750→0.874로 향상