作为一种新型的黑帽搜索引擎优化(SEO),自动完成操作越来越多地利用歹徒和推广公司广告所需的建议条款相关的触发条件时用户输入的搜索引擎。像其他非法SEO搜索引擎这样的活动游戏,误导查询器,在某些情况下,传播有害内容。然而,没有做什么要理解这个新威胁,其范围、影响和技术,更不用说任何严肃的工作检测这样的大规模操作条件。自动完成操作的系统分析是具有挑战性的,由于问题的规模(数万甚至数亿的建议条款和他们的搜索结果)和沉重的负担将在搜索引擎上。在本文中,我们报告的第一个技术解决这些挑战,做一个一步更好地理解并最终消除这种新的威胁。我们的技术,称为Sacabuche,基于语义,两步方法最小化其性能影响:它利用自然语言处理(NLP)来分析大量的触发和建议的组合,没有查询搜索引擎,过滤掉绝大多数的合法的建议条款;只有少量的可疑的建议与识别真正的搜索引擎获得查询结果滥用条款。回忆这种方法精度达到96.23%和95.63%,和它的可扩展性使我们能够执行测量114数以百万计的建议方面的研究,这种类型的研究空前的规模。这个研究的发现使光的大小威胁谷歌收集的建议条款我们操纵(0.48%),及其重大安全影响从未报告(例如,极其长寿命的活动,复杂的技术和渠道传播恶意软件和网络钓鱼内容)。