本文提出了一种名为TBTrackerX的系统，用于检测社交媒体平台X（原Twitter）上的触发机器人（Trigger Bots）及其发起的恶意活动。触发机器人是一类新型社交机器人，它们通过预设关键词或事件（即“触发器”）自动响应发布恶意内容，如钓鱼链接、虚假信息或政治操纵。现有检测方法多基于静态特征或行为模式，但触发机器人具有高度隐蔽性和动态性，难以被传统方法识别。TBTrackerX结合了图神经网络、时序分析和自然语言处理技术，从用户间的互动图、发帖时间序列以及内容语义三个维度提取特征，构建分类模型。作者在真实数据集上进行了实验，收集了超过5万个疑似机器人账户和数百万条帖子。实验结果表明，TBTrackerX在检测触发机器人方面准确率超过92%，并能有效追溯恶意活动的源头账户和触发事件。此外，该系统还具备可解释性，能够揭示机器人的触发机制。本文的主要贡献在于提出了针对触发机器人的专用检测框架，并验证了多模态特征融合的有效性。适合社交媒体安全研究人员、平台防御工程师以及对抗虚假信息的安全从业者阅读。