比如你從不看軍事，但不定期的在一個時間段內，每一刷都有軍事方面的內容。

肯定可以，劫持頭條的後臺就可以，改變推送內定的演算法，變為批量給軍事就行；你在頭條經常看軍事，它都會不停推軍事，這個對象是你，你說的對象是全體用戶，肯定可以的。

但是沒必要。意義不大。

簡單給你說說頭條的推薦原理吧

今日頭條演算法推薦系統，主要輸入三個維度的變數。

一是內容特徵，圖文、視頻、UGC小視頻、問答、微頭條等，每種內容有很多自己的特徵，需要分別提取；

二是用戶特徵，包括興趣標籤、職業、年齡、性別、機型等，以及很多模型刻畫出的用戶隱藏興趣。

三是環境特徵，不同的時間不同的地點不同的場景（工作/通勤/旅遊等），用戶對信息的偏好有所不同。

結合這三方面緯度，今日頭條的推薦模型做預估，這個內容在這個場景下對這個用戶是否合適。

如何理解呢？

1、內容特徵，好理解，既是對各類文章、視頻提取關鍵要素，比如可以通過對文本進行語義識別，識別出文章的主要關鍵字，視頻標題關鍵字如何，這個工作主要目的是對文章進行畫像，方便以後對客戶推薦。

至於能否做到視頻內容的關鍵字提取，比如雖然標題是周杰倫相關視頻，但視頻內容全部是方文山的帥氣身影，能否將視頻中方文山這個關鍵字提取出來，則暫不可知，這個工作需要耗費巨大伺服器資源，估計頭條暫時還沒有做吧。

2、用戶特徵，同上面內容特徵一樣，提取你的有效數據，比如經常瀏覽哪種類型文字、你經常搜索的關鍵字、你註冊時登記信息的內容、還有原文提到的用什麼手機之類

你是iphone我便顯示這個遊戲只能iphone玩，你是安卓我便顯示這個遊戲只能安卓玩、甚至精細的話可以將每個人的留言呀、評論呀等進行關鍵字提取

比如你經常評論歷史內容文章，即使你瀏覽此類文章比較少，但是也可以作為一個關鍵指標進行使用，通過以上各類方式最終形成用戶畫像，方便後面對你進行文章視頻推送。

舉個例子，比如在通信行業，我們經常會受到簡訊，推薦什麼什麼套餐、購買流量包之類，這就是通信公司通過客戶分羣、客戶畫像來實現的定向推送

以保證推送效果、節省推送成本，通信行業對一個人的畫像會多達上千個關鍵指標，用戶特徵的提取對推薦的準確度、有效度會起到相當大的作用；

註：畫像是指對一篇文章或一個人的關鍵點分析，通過這些關鍵點則可大體瞭解一篇文章或者一個人的具體形象。

（3）環境特徵，比如獲取你當前所在位置是否在旅遊區，這個可以通過獲取你實時位置來實現

然後與你之前經常出現的所在地進行對比等方式確認當前狀態，是在家還是在旅遊。

如果系統檢測到你在泰山遊玩，則可能會相應推送泰山的類似文章資料等等

再說說演算法原理層面！

推薦模型中，點擊率、閱讀時間、點贊、評論、轉發包括點贊都是可以量化的目標，能夠用模型直接擬合做預估，看線上提升情況可以知道做的好不好。但一個大體量的推薦系統，服務用戶眾多，不能完全由指標評估，引入數據指標以外的要素也很重要。

比如廣告和特型內容頻控。像問答卡片就是比較特殊的內容形式，其推薦的目標不完全是讓用戶瀏覽，還要考慮吸引用戶回答為社區貢獻內容。這些內容和普通內容如何混排，怎樣控制頻控都需要考慮。

此外，平臺出於內容生態和社會責任的考量，像低俗內容的打壓，標題黨、低質內容的打壓，重要新聞的置頂、加權、強插，低級別賬號內容降權都是演算法本身無法完成，需要進一步對內容進行幹預。

下面我將簡單介紹在上述演算法目標的基礎上如何對其實現。

前面提到的公式y = F(Xi ,Xu ,Xc)，是一個很經典的監督學習問題。可實現的方法有很多，比如傳統的協同過濾模型，監督學習演算法Logistic Regression模型，基於深度學習的模型，Factorization Machine和GBDT等。

一個優秀的工業級推薦系統需要非常靈活的演算法實驗平臺，可以支持多種演算法組合，包括模型結構調整。因為很難有一套通用的模型架構適用於所有的推薦場景。現在很流行將LR和DNN結合，前幾年Facebook也將LR和GBDT演算法做結合。今日頭條旗下幾款產品都在沿用同一套強大的演算法推薦系統，但根據業務場景不同，模型架構會有所調整。

簡而言之就是，黑客能做到，但是實際去操作的方法就多種多樣了

為什麼總是給我推薦一些奇奇怪怪的問題，黑客跟頭條推送新聞這是兩個話題，聯繫不到一起。像新聞類的應用或APP推送都是基於後臺的「大數據」演算法，根據你觀看記錄、行為以及停留時間，分析你可能喜歡這種類型的新聞，然後頻繁給你推送。跟黑客沒啥關係！

我無法想像一個黑客入侵伺服器、對APP演算法進行更改修正、然後推送版本、最後是為了讓用戶看到軍事新聞。這是何其無聊的行為，況且難度還很大。

這個話題就好像：一個廚師正在做菜，然後突然跑到工地去開挖掘機，然後是為了給旁邊的幼兒園小朋友們表演空中踩鋼絲？

從內容替換來說，需要搞清楚推送機制的機理，比如其數據可能進行了AES加密，這個倒是可以通過逆向+抓包完成。

但是，從通訊上說，https通訊，要想成功實現HTTP會話劫持需要比較苛刻條件纔行。

比如先搞一個自簽名證書，然後想辦法植入後門程序讓你的手機信任這個證書，那就可以實現劫持。

突然想起來，可以不用那麼麻煩的方法。可以直接dns污染，然後讓你的app向黑客的伺服器請求信息。

然而要是dns劫持的話，需要先逆向找到推送信息的api介面，然後dns污染，同時需要構造一個自己的api介面。但是這樣app的其他介面的訪問會有問題，甚至訪問失敗，這也比較難搞。

又想起來一件事，就是現在app對介面的證書一般有進行檢驗，所以還是繞不過前面說的ssl證書的問題，除非在你的手機裝了類似just trust me的那種東西。

總的來說，這個難度賊高。需要你的手機被裝了後門程序之類的。

啊我又想到另一條思路，就是在用戶端做手腳。逆向app後，修改涉及介面證書檢驗、以及介面的地址之類的信息。然後誘導你安裝這個被改過的app。難度在於逆向、以及誘騙你安裝被修改過的app（手機還會提醒你這個app的簽名不一致，被修改過，是否繼續安裝）。

總的來說，能做到這個的黑客，也是人才了。

理論上是有可能

貌似沒聽過。。。

不過類似的有dns劫持，還有那種流氓軟體

答案是肯定能，理論上通過抓包改包這種操作就能實現，更別提拿到後臺別的操作。

但是這種網站提供的內容都在大數據的基礎上基於推薦演算法去實現推薦的內容的，而題主想說的是特定時間顯示特定的內容，想一下顯然更好實現。

推薦閱讀：
相關文章