趙保國(guó) 張雅瓊

摘 要：[目的/意義]針對(duì)用戶數(shù)據(jù)泄露為他人利用而引發(fā)的一系列風(fēng)險(xiǎn)問題，從參與主體角度出發(fā)分析用戶及使用用戶數(shù)據(jù)平臺(tái)的行為動(dòng)機(jī)，探究雙方投入成本保護(hù)數(shù)據(jù)安全行為的影響因素并分析政府在其中的角色。[方法/過程]采用靜態(tài)博弈尋找用戶與平臺(tái)的納什均衡、構(gòu)建演化博弈模型從動(dòng)態(tài)角度分析各參與主體的行為策略，通過MATLAB軟件進(jìn)行模擬仿真，并利用比較靜態(tài)分析探究雙方選擇投入成本維護(hù)數(shù)據(jù)安全的影響因素。[結(jié)果/結(jié)論]雙方的行為選擇同投入成本、獲取收益相關(guān)，在數(shù)據(jù)泄露損失大于維護(hù)成本的情況下，隨著時(shí)間的增加，用戶及平臺(tái)選擇投入成本的可能性更高。

關(guān)鍵詞：數(shù)據(jù)安全;演化博弈;比較靜態(tài)

Abstract：[Purpose/Significance]Aiming at a series of risk problems caused by user data leakage，this paper analyzed the behavior motives of users and platforms from the perspective of the participants，explored the influencing factors of the two parties input costs to protect data security and analyzed the role of the government.[Method/Process]The Static Game was used to find the nash equilibrium of users and platforms，and the evolutionary game model was constructed to analyze the behavior strategies of each participant from a dynamic perspective.Simulations were carried out through MATLAB software，and comparative static analysis was used to explore the influencing factors of both parties input cost in data security.[Reselts/Conclusion]The behavior choices were related to the cost and the income.When the data leakage loss was greater than the cost，the user and the platform were more likely to choose the cost of investment with the increase of time.

Key words：data security;evolutionary game;comparative static analysis

4G時(shí)代的到來，互聯(lián)網(wǎng)的飛速發(fā)展，人們已愈發(fā)離不開網(wǎng)絡(luò)。據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告顯示，截至2018年12月，我國(guó)網(wǎng)民規(guī)模達(dá)8.29億，其中使用手機(jī)上網(wǎng)的網(wǎng)民占比98.6%，使用電視、電腦上網(wǎng)的網(wǎng)民占比79.1%，網(wǎng)民人均周上網(wǎng)時(shí)常為27.6小時(shí)。網(wǎng)絡(luò)已深入到居民日常生活的各個(gè)場(chǎng)景，從娛樂消費(fèi)到工作交流，互聯(lián)網(wǎng)使其實(shí)現(xiàn)了線上化。

但是在帶來便利的同時(shí)存在數(shù)據(jù)安全隱患，例如網(wǎng)絡(luò)平臺(tái)被黑客攻擊造成大量信息泄露，網(wǎng)民隱私被人肉搜索到處傳播，個(gè)人信息被泄露售賣，為他人濫用造成損失等事件頻發(fā)。用戶數(shù)據(jù)泄露不僅侵犯?jìng)€(gè)人權(quán)益，更會(huì)造成直接的財(cái)產(chǎn)損失，甚至威脅用戶人身安全，破壞社會(huì)秩序，因此，維護(hù)用戶數(shù)據(jù)安全具有重要意義。

研究以互聯(lián)網(wǎng)環(huán)境下的用戶、使用記錄用戶數(shù)據(jù)的平臺(tái)為主要研究對(duì)象，同時(shí)考慮政府在其中的作用，通過構(gòu)建演化博弈模型分析各主體的行為策略，采用比較靜態(tài)分析探究各主體行為的影響因素，并提出相應(yīng)建議以為維護(hù)用戶數(shù)據(jù)安全創(chuàng)造良好健康的環(huán)境。

1 文獻(xiàn)綜述

互聯(lián)網(wǎng)環(huán)境下的用戶數(shù)據(jù)安全是全球性的問題，現(xiàn)有文獻(xiàn)主要從用戶隱私保護(hù)角度出發(fā)，集中在技術(shù)防御、用戶隱私保護(hù)動(dòng)機(jī)及影響因素，用戶隱私涉及主體的行為博弈等方面。

互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等技術(shù)的出現(xiàn)發(fā)展為用戶隱私保護(hù)提供了有力支撐。例如，云計(jì)算技術(shù)通過授權(quán)加密服務(wù)、數(shù)據(jù)分塊的邏輯存儲(chǔ)、數(shù)據(jù)隱私切片算法進(jìn)行用戶隱私數(shù)據(jù)安全保護(hù)[1]。從技術(shù)角度深入挖掘用戶數(shù)據(jù)安全的保護(hù)策略，基于物聯(lián)網(wǎng)研究應(yīng)用角度，探討利用累加聚合函數(shù)的新型數(shù)據(jù)隱私保護(hù)策略的有效性，通過仿真驗(yàn)證得出該策略可以有效保護(hù)數(shù)據(jù)隱私，獲得準(zhǔn)確的數(shù)據(jù)分析結(jié)果，同時(shí)減少數(shù)據(jù)流量[2]。利用結(jié)構(gòu)模型探究個(gè)人數(shù)據(jù)、用戶決策和隱私安全間的相互作用關(guān)系，分析信息匿名技術(shù)、數(shù)據(jù)機(jī)密技術(shù)、防火墻技術(shù)及數(shù)據(jù)細(xì)化技術(shù)的應(yīng)用以有效保護(hù)個(gè)人數(shù)據(jù)安全[3]。此外，學(xué)者提出一種RFID個(gè)人隱私控制系統(tǒng)及使用該系統(tǒng)保護(hù)個(gè)人隱私的方法，可根據(jù)RFID標(biāo)記對(duì)象的外圍環(huán)境及其持有者動(dòng)態(tài)處理隱私，從而保護(hù)個(gè)人信息[4]。對(duì)數(shù)據(jù)進(jìn)行挖掘包裝成產(chǎn)品對(duì)外出售涉及到商業(yè)機(jī)密及客戶隱私，采用Bloom過濾器方式提高數(shù)據(jù)挖掘的精度，以在實(shí)現(xiàn)外包獲取正當(dāng)收益的同時(shí)防止數(shù)據(jù)泄露[5]。同時(shí)，該項(xiàng)服務(wù)也涉及到道德問題，如何在提供數(shù)據(jù)服務(wù)和防止道德缺失之間實(shí)現(xiàn)平衡需要利用現(xiàn)有立法法規(guī)，整合利益相關(guān)者觀點(diǎn)，借鑒道德哲學(xué)準(zhǔn)則，以提出數(shù)據(jù)挖掘的基本原則[6]。

互聯(lián)網(wǎng)社交網(wǎng)絡(luò)平臺(tái)的出現(xiàn)促進(jìn)了用戶間的連接，拓展了溝通渠道，但很可能增加其隱私感知風(fēng)險(xiǎn)，為了維護(hù)個(gè)人財(cái)產(chǎn)安全而加大對(duì)隱私的保護(hù)力度。用戶對(duì)個(gè)人隱私的保護(hù)行為可通過自身經(jīng)驗(yàn)、不確定性及文化程度觸發(fā)[7]。隱私感知風(fēng)險(xiǎn)不僅會(huì)影響用戶的特定隱私保護(hù)行為，還會(huì)影響潛在隱私保護(hù)行為。結(jié)合保護(hù)動(dòng)機(jī)理論探討使用網(wǎng)絡(luò)社交平臺(tái)用戶感知風(fēng)險(xiǎn)會(huì)引起哪些特定的保護(hù)行為，得出感知隱私風(fēng)險(xiǎn)對(duì)拒絕、選擇性使用以及嚴(yán)格設(shè)置隱私產(chǎn)生積極影響[8]。個(gè)人特性、環(huán)境、信息管理及交互在互聯(lián)網(wǎng)環(huán)境下對(duì)個(gè)人隱私保護(hù)具有顯著性影響。熟悉政府立法、相關(guān)互聯(lián)網(wǎng)知識(shí)，重視隱私保護(hù)及社交會(huì)減少隱私問題，個(gè)人隱私侵犯經(jīng)歷、風(fēng)險(xiǎn)規(guī)避特性、網(wǎng)站要求的敏感性信息增加了互聯(lián)網(wǎng)隱私問題[9]。在移動(dòng)互聯(lián)網(wǎng)環(huán)境下用戶針對(duì)個(gè)人隱私泄露具有一定的容忍度，可通過信息敏感性、接收者敏感性及使用者敏感性三方面進(jìn)行分析測(cè)量[10]。此外，迪莉婭、陸雪梅等、張丞剖析大數(shù)據(jù)、個(gè)人隱私的概念，分析二者關(guān)系，并探究在大數(shù)據(jù)環(huán)境下用戶隱私泄露的原因，影響及保護(hù)對(duì)策[11-13]。

互聯(lián)網(wǎng)用戶隱私泄露涉及主體方面多以探究用戶及企業(yè)平臺(tái)間關(guān)系入手，結(jié)合網(wǎng)絡(luò)分析法、熵權(quán)法、模糊綜合評(píng)價(jià)法構(gòu)建移動(dòng)APP用戶隱私泄露風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系并進(jìn)行實(shí)證分析，驗(yàn)證得出相比于移動(dòng)APP用戶，平臺(tái)造成隱私泄露的風(fēng)險(xiǎn)更高[14]，通過明確收集主體、收集對(duì)象及收集時(shí)期，厘清移動(dòng)互聯(lián)網(wǎng)環(huán)境下企業(yè)在數(shù)據(jù)采集、訪問、利用、傳輸、存儲(chǔ)等環(huán)節(jié)中產(chǎn)生的過度收集、數(shù)據(jù)濫用、數(shù)據(jù)泄露等風(fēng)險(xiǎn)[15]。以社交網(wǎng)絡(luò)平臺(tái)和用戶為主要研究主體，探究二者在不同情況下隱私保護(hù)投入的行為策略，構(gòu)建演化博弈模型，雙方對(duì)隱私的保護(hù)及投入與投入成本、隱私損失及損失承擔(dān)系數(shù)相關(guān)[16]?；ヂ?lián)網(wǎng)環(huán)境下，數(shù)據(jù)給用戶個(gè)人利益保護(hù)帶來風(fēng)險(xiǎn)、同時(shí)一定程度上在數(shù)據(jù)收集者、數(shù)據(jù)處理者以及數(shù)據(jù)使用者之間產(chǎn)生了利益沖突并出現(xiàn)失衡[17]，對(duì)失衡原因進(jìn)行分析討論以推動(dòng)個(gè)人隱私安全及各行為主體間實(shí)現(xiàn)利益均衡。

國(guó)內(nèi)外學(xué)者對(duì)不同環(huán)境不同平臺(tái)下的用戶隱私從技術(shù)保護(hù)、用戶主觀意識(shí)等多角度進(jìn)行了分析，利用模擬仿真、演化博弈、模糊綜合評(píng)價(jià)等方法研究隱私泄露風(fēng)險(xiǎn)及防范措施。本文在梳理借鑒現(xiàn)有研究的基礎(chǔ)上，采用演化博弈模型分析用戶在使用需要登記個(gè)人信息的產(chǎn)品或平臺(tái)的情況下，各參與主體不同的行為策略造成的數(shù)據(jù)安全風(fēng)險(xiǎn)。此外，將政府監(jiān)管行為對(duì)企業(yè)的影響考慮在內(nèi)，從外部監(jiān)管、自我管理及平臺(tái)競(jìng)爭(zhēng)約束等角度進(jìn)行系統(tǒng)性設(shè)計(jì)。

2 模型構(gòu)建

2.1 模型假設(shè)

研究以互聯(lián)網(wǎng)環(huán)境下存在使用個(gè)人數(shù)據(jù)可能的用戶、記錄使用用戶數(shù)據(jù)進(jìn)行操作的平臺(tái)為主要研究對(duì)象，主要對(duì)二者在數(shù)據(jù)安全保護(hù)方面的投入行為進(jìn)行分析，探討如何在政府隱性參與調(diào)節(jié)的情況下，實(shí)現(xiàn)用戶與數(shù)據(jù)平臺(tái)間利益的均衡。由于在實(shí)際中，參與主體無法滿足“完全理性”及“完全信息”的假設(shè)，同時(shí)各參與主體的行為策略也會(huì)隨實(shí)際情況而發(fā)生相應(yīng)的改變，因此采用演化博弈模型對(duì)各參與主體在不同情況下的行為策略進(jìn)行分析。模型涉及主體主要包含由于使用需要記錄個(gè)人信息的產(chǎn)品或平臺(tái)而存在數(shù)據(jù)安全風(fēng)險(xiǎn)的用戶、收集使用用戶數(shù)據(jù)而存在數(shù)據(jù)丟失泄露風(fēng)險(xiǎn)的相關(guān)平臺(tái)，政府通過監(jiān)管影響企業(yè)對(duì)用戶數(shù)據(jù)安全的投入保護(hù)力度。模型假設(shè)如下：

假設(shè)1：用戶數(shù)據(jù)泄露造成的損失由用戶和平臺(tái)共同承擔(dān)。用戶數(shù)據(jù)泄露、盜作他用一方面會(huì)對(duì)用戶的生命財(cái)產(chǎn)安全造成威脅，且一旦發(fā)生損失往往難以追回;另一方面，平臺(tái)在收集、使用用戶數(shù)據(jù)的過程中疏于保護(hù)、管理不善，對(duì)用戶數(shù)據(jù)泄露所造成的損失具有不可推卸的責(zé)任，需要對(duì)損失用戶進(jìn)行相應(yīng)的補(bǔ)償。同時(shí)對(duì)平臺(tái)聲譽(yù)也會(huì)造成一定的負(fù)面影響，產(chǎn)生損失。

假設(shè)2：選擇在數(shù)據(jù)安全方面投入成本的用戶能夠獲得正向外部效益。投入數(shù)據(jù)保護(hù)成本的用戶獲得的正向效益主要包括，通過投入成本保護(hù)個(gè)人數(shù)據(jù)而減少的潛在的人身財(cái)產(chǎn)損失，降低了被盜取挪用的風(fēng)險(xiǎn);相比于未投入的用戶，選擇投入的用戶在發(fā)生數(shù)據(jù)安全風(fēng)險(xiǎn)時(shí)，能更快地采取補(bǔ)救措施，將損失降到最低。

假設(shè)3：在數(shù)據(jù)安全方面不投入成本的用戶能夠從投入成本的企業(yè)得到溢出效應(yīng)。主要表現(xiàn)為不投入成本用戶在使用投入成本平臺(tái)的產(chǎn)品或服務(wù)時(shí)，平臺(tái)對(duì)數(shù)據(jù)的保護(hù)管理能夠幫助其降低數(shù)據(jù)泄露風(fēng)險(xiǎn)。但對(duì)未投入成本用戶的溢出效應(yīng)較小，否則會(huì)造成嚴(yán)重的搭便車問題。

假設(shè)4：企業(yè)在保護(hù)用戶數(shù)據(jù)安全方面選擇投入成本會(huì)產(chǎn)生品牌效應(yīng)。主要包括兩方面，一方面，投入企業(yè)通過保護(hù)用戶數(shù)據(jù)安全，降低泄露風(fēng)險(xiǎn)，獲取用戶信任，吸引更多用戶;另一方面是企業(yè)積極承擔(dān)社會(huì)責(zé)任的體現(xiàn)，能夠提高其正面形象，增強(qiáng)品牌聲譽(yù)。

2.2 靜態(tài)博弈

基于上述假設(shè)，對(duì)主體行為進(jìn)行靜態(tài)博弈分析，建立用戶與平臺(tái)靜態(tài)博弈支付矩陣尋找納什均衡。研究主體為用戶與平臺(tái)，政府通過對(duì)投入企業(yè)的獎(jiǎng)勵(lì)影響用戶與平臺(tái)的支付函數(shù)。

用戶對(duì)個(gè)人數(shù)據(jù)安全有投入和不投入兩種策略，平臺(tái)對(duì)用戶數(shù)據(jù)安全維護(hù)同樣為投入和不投入兩種策略，因此用戶和平臺(tái)的純策略空間皆為投入成本進(jìn)行數(shù)據(jù)保護(hù)以及不投入成本，即（投入，不投入）。

設(shè)定研究中包含的各參數(shù)，將用戶數(shù)據(jù)泄露造成的損失記作L;假定該部分損失由用戶和平臺(tái)共同承擔(dān)，用λ表示平臺(tái)需要承擔(dān)損失的系數(shù)，則用戶承擔(dān)損失的系數(shù)為（1-λ），雙方分別需要承擔(dān)的損失為λL，（1-λ）L;用戶為維護(hù)數(shù)據(jù)安全付出的成本記作CU，從中獲取的收益記作BU;平臺(tái)在保護(hù)數(shù)據(jù)安全方面付出的成本記作CP，從中獲得的直接收益記作BP;用戶方面，相比于不投入成本用戶，投入成本在數(shù)據(jù)安全方面的用戶除直接收益外的其他收益記作f;而不投入用戶將該部分成本用于其他渠道獲得的收益記作a;平臺(tái)方面，相比于不投入平臺(tái)，投入平臺(tái)付出成本維護(hù)用戶數(shù)據(jù)有助于其樹立品牌形象，提高用戶口碑等，該部分收益記作g;政府對(duì)投入成本企業(yè)給予的獎(jiǎng)勵(lì)記作h。

在兩種情境下討論用戶與平臺(tái)的博弈行為，情境一為數(shù)據(jù)泄露造成的損失分別大于雙方各自為維護(hù)數(shù)據(jù)安全付出的成本;情境二為數(shù)據(jù)泄露造成的損失小于雙方付出的成本。

情境一：從投入成本角度，基于理性經(jīng)濟(jì)人假設(shè)，用戶、平臺(tái)會(huì)在保護(hù)數(shù)據(jù)安全的同時(shí)追求成本最小化。例如，用戶在選擇現(xiàn)有數(shù)據(jù)保護(hù)服務(wù)的同時(shí)，可自行學(xué)習(xí)利用不同手段的加密方式維護(hù)個(gè)人數(shù)據(jù)安全;平臺(tái)往往具備技術(shù)型人才，可自主研發(fā)數(shù)據(jù)保護(hù)程序。另一方面，數(shù)據(jù)泄露為他人利用以實(shí)現(xiàn)謀財(cái)目的，一旦造成財(cái)產(chǎn)損失，數(shù)額往往巨大。且數(shù)據(jù)一旦被泄露，對(duì)用戶和平臺(tái)來說存在不小的隱患，具有潛在威脅。

2.3 動(dòng)態(tài)演化博弈

通過靜態(tài)博弈研究分析得出在不同情況下的納什均衡點(diǎn)。在實(shí)際中用戶和平臺(tái)會(huì)針對(duì)前一階段的博弈結(jié)果相對(duì)的進(jìn)行調(diào)整，利用演化博弈模型，基于微分方程組分析用戶以及平臺(tái)各自策略的動(dòng)態(tài)演化機(jī)制，構(gòu)建二者之間的博弈模型。

假設(shè)群體中采用投入策略的平臺(tái)占比為x（0x1），則不投入平臺(tái)占比為1-x;采用投入策略的用戶比例為y（0y1），則不投入用戶占比為1-y。在投入和不投入策略下，計(jì)算雙方的期望收益。

2.4 系統(tǒng)穩(wěn)定性分析

采用雅可比矩陣的局部穩(wěn)定分析驗(yàn)證在數(shù)據(jù)泄露損失大于成本以及成本大于損失兩種情況下局部駐點(diǎn)的穩(wěn)定性，計(jì)算5個(gè)局部駐點(diǎn)的行列式值和雅可比行列式的跡，判斷兩者符號(hào)的正負(fù)性，若符號(hào)不同則為穩(wěn)定駐點(diǎn)，相同則為不穩(wěn)定駐點(diǎn)，否則為鞍點(diǎn)。對(duì)G（x）、F（x）分別對(duì)x、y求偏導(dǎo)，得到雅可比矩陣：

由圖1可知，5個(gè)駐點(diǎn)將空間分為4部分，在空間M1M5M2、M1M5M3內(nèi)的點(diǎn)最終會(huì)收斂到M1，即雙方會(huì)采取（不投入，不投入）策略，在空間M2M5M4、M3M5M4內(nèi)的點(diǎn)最終會(huì)收斂到M4，雙方會(huì)采?。ㄍ度耄度耄┎呗?。結(jié)合實(shí)際，雙方皆采取投入策略是系統(tǒng)最優(yōu)策略，即M3M4M2M5的面積越大，雙方合作實(shí)行投入策略的可能性越高。

3 系統(tǒng)仿真

研究采用MATLAB對(duì)用戶平臺(tái)的演化博弈模型進(jìn)行模擬仿真，對(duì)復(fù)制動(dòng)態(tài)方程的各參數(shù)在符合現(xiàn)有條件下進(jìn)行賦值，利用Ode45命令進(jìn)行求解，分析各參與主體在博弈過程中的穩(wěn)定策略。

情況一：數(shù)據(jù)泄露給用戶及平臺(tái)帶來的損失大于其各自為維護(hù)數(shù)據(jù)付出的成本。各參數(shù)賦值具體情況為：λ=0.4、L=15、CP=6、g=1.5、h=2、CU=3、f=2、a=1。采用MATLAB運(yùn)行的仿真結(jié)果如圖2所示。

如圖2可知，在數(shù)據(jù)泄露損失大于用戶及平臺(tái)在維護(hù)數(shù)據(jù)安全方面付出的成本時(shí)，隨時(shí)間的變化，用戶和平臺(tái)最終皆采取投入策略，即演化穩(wěn)定策略為（投入，投入）。研究認(rèn)為在用戶數(shù)據(jù)泄露造成的損失遠(yuǎn)遠(yuǎn)大于其各自付出成本的情況下，用戶方面需要承擔(dān)極大的損失同時(shí)存在數(shù)據(jù)再次被泄露非法所用的風(fēng)險(xiǎn)，平臺(tái)方面同樣需要承擔(dān)因管理不嚴(yán)維護(hù)不善造成的損失賠償，同時(shí)會(huì)對(duì)平臺(tái)形象造成負(fù)面影響，損害公司聲譽(yù)。因此雙方為防止出現(xiàn)數(shù)據(jù)泄露造成的損失，會(huì)選擇投入成本進(jìn)行提前防護(hù)。

情況二：數(shù)據(jù)泄露給用戶及平臺(tái)帶來的損失小于其各自為維護(hù)數(shù)據(jù)付出的成本。各參數(shù)賦值具體情況為：λ=0.4、L=5、CP=6、g=1.5、h=2、CU=5、f=2、a=1。采用MATLAB運(yùn)行的仿真結(jié)果如圖3所示。

從圖3可以看出，當(dāng)數(shù)據(jù)泄露損失分別小于雙方各自為維護(hù)數(shù)據(jù)而付出的成本時(shí)，隨著時(shí)間的增加，用戶和平臺(tái)采取不投入的策略比例不斷增加，且最終雙方的穩(wěn)定策略為（不投入，不投入）。研究認(rèn)為當(dāng)數(shù)據(jù)泄露對(duì)用戶及平臺(tái)造成的損失同其維護(hù)數(shù)據(jù)安全所付出的成本相差不大，或成本大于損失的情況下，由于付出成本最小化原則，用戶及平臺(tái)維護(hù)數(shù)據(jù)安全的動(dòng)機(jī)減少，因此雙方最終會(huì)選擇不投入成本。

通過MATLAB仿真模擬分析驗(yàn)證了研究采用比較靜態(tài)分析、演化博弈模型分析得出的結(jié)論。當(dāng)數(shù)據(jù)泄露造成的損失大于用戶及平臺(tái)在維護(hù)數(shù)據(jù)安全方面投入的成本時(shí)，納什均衡為雙方均采取不投入策略，以及雙方均采取投入策略，通過演化博弈分析得出（不投入，不投入），（投入，投入）是演化博弈系統(tǒng)的均衡策略，其中（投入，投入）是最優(yōu)策略。由于數(shù)據(jù)泄露造成損失的風(fēng)險(xiǎn)具有不確定性，當(dāng)用戶平臺(tái)為維護(hù)數(shù)據(jù)安全投入的成本大于數(shù)據(jù)泄露損失時(shí)，均衡策略為（不投入，不投入），即雙方共同選擇不投入策略。通過模擬仿真結(jié)果驗(yàn)證了該結(jié)論。

4 比較靜態(tài)分析

結(jié)合現(xiàn)實(shí)案例，研究認(rèn)為數(shù)據(jù)泄露造成的損失大于用戶平臺(tái)維護(hù)數(shù)據(jù)安全成本的可能性更高。綜合上述分析，由用戶及平臺(tái)演化博弈的系統(tǒng)相圖可知，雙方均采取投入策略可能性的高低與M3M4M2M5的面積大小相關(guān)，即M3M4M2M5的面積越大，雙方采取投入策略的可能性越高。求解該部分面積得：

綜上，對(duì)各參與主體是否選擇投入行為的影響因素進(jìn)行比較靜態(tài)分析。用戶行為決策影響因素由參數(shù)CU、f、a體現(xiàn)，分別對(duì)各參數(shù)求偏導(dǎo)，分析其顯著性。

綜上，可以得出CU，a對(duì)用戶在數(shù)據(jù)安全方面的投入意愿具有消極作用，f對(duì)用戶投入意愿具有積極作用。用戶在維護(hù)個(gè)人數(shù)據(jù)安全，防止出現(xiàn)損失的前提下所需要付出的維護(hù)成本越低，相比于不投入成本獲得的收益越高，用戶越可能采取投入策略。

平臺(tái)是否選擇投入成本受到參數(shù)CP、g、h影響，對(duì)以上參數(shù)求導(dǎo)，分析顯著性。

5 結(jié) 論

研究對(duì)用戶及平臺(tái)在數(shù)據(jù)安全維護(hù)方面的投入行為采用靜態(tài)博弈、演化博弈模型進(jìn)行了分析，并通過MATLAB軟件進(jìn)行模擬仿真驗(yàn)證結(jié)論。采用比較靜態(tài)分析用戶及平臺(tái)采取投入策略的影響因素。通過構(gòu)建靜態(tài)博弈支付矩陣得出結(jié)論，當(dāng)用戶平臺(tái)在數(shù)據(jù)泄露造成的損失大于維護(hù)數(shù)據(jù)安全付出的成本時(shí)，（不投入，不投入），（投入，投入）策略是納什均衡策略。當(dāng)雙方的損失小于其各自付出的成本時(shí)，（不投入，不投入）是唯一的納什均衡策略。構(gòu)建演化博弈模型動(dòng)態(tài)分析用戶及平臺(tái)的博弈行為，進(jìn)一步驗(yàn)證了上述結(jié)論。

利用MATLAB軟件對(duì)兩種情境下的演化博弈模型進(jìn)行了模擬仿真，進(jìn)一步得出當(dāng)雙方各自為維護(hù)數(shù)據(jù)安全付出的成本小于數(shù)據(jù)泄露造成的損失時(shí)，隨著時(shí)間的增加，用戶和平臺(tái)最終會(huì)傾向于采取投入策略。相反，當(dāng)付出的成本大于損失時(shí)，隨著時(shí)間的增加，雙方采取不投入策略的概率更大。最后，利用比較靜態(tài)分析法分析用戶、平臺(tái)在維護(hù)數(shù)據(jù)安全方面采取投入策略的影響因素。分析得出用戶的投入意愿與投入成本、獲取收益相關(guān)。當(dāng)用戶因?yàn)椴扇⊥度氩呗垣@得的收益越大，在能夠最大可能防止數(shù)據(jù)泄露造成損失的前提下付出的成本越小，用戶采取投入策略的動(dòng)機(jī)越強(qiáng)。平臺(tái)的投入意愿與其投入成本、獲取收益以及政府激勵(lì)相關(guān)。平臺(tái)在維護(hù)用戶數(shù)據(jù)安全方面付出的成本越小，政府對(duì)其激勵(lì)程度越大，收益越大，平臺(tái)越有可能采取投入策略。

基于上述研究結(jié)論，提出以下建議：用戶方面，結(jié)合實(shí)際來看數(shù)據(jù)泄露造成的損失具有不確定性、潛伏性，因此用戶應(yīng)當(dāng)提高數(shù)據(jù)泄露風(fēng)險(xiǎn)防范意識(shí)，謹(jǐn)慎使用，主動(dòng)保護(hù)個(gè)人數(shù)據(jù)安全，充分意識(shí)到個(gè)人數(shù)據(jù)泄露所造成的危害。平臺(tái)方面，應(yīng)當(dāng)充分認(rèn)識(shí)數(shù)據(jù)的本質(zhì)，合理利用數(shù)據(jù)，加強(qiáng)對(duì)數(shù)據(jù)泄露風(fēng)險(xiǎn)的認(rèn)識(shí)。同時(shí)將自身品牌形象考慮在內(nèi)，主動(dòng)維護(hù)用戶數(shù)據(jù)安全，承擔(dān)社會(huì)責(zé)任。政府方面，應(yīng)當(dāng)對(duì)用戶及平臺(tái)進(jìn)行適當(dāng)?shù)囊龑?dǎo)，以使雙方能夠客觀理性的認(rèn)識(shí)并使用數(shù)據(jù)，同時(shí)對(duì)主動(dòng)投入成本維護(hù)數(shù)據(jù)安全的平臺(tái)以適當(dāng)?shù)募?lì)，例如獎(jiǎng)勵(lì)補(bǔ)貼等形式，以降低數(shù)據(jù)泄露為社會(huì)造成的損失及不良影響。

參考文獻(xiàn)

[1]黎小花.云計(jì)算中基于用戶隱私的數(shù)據(jù)安全保護(hù)方法[J].電子制作，2019，（14）：66-67，100.

[2]Chen Y S，Lee T R.Additive Aggregate Function-based Data Privacy Protection Algorithm[J].International Journal of Agriculture Innovation，Technology and Globalisation，2019，1（1）：20-30.

[3]魏丹陽(yáng)，馬海群.網(wǎng)絡(luò)環(huán)境下個(gè)人數(shù)據(jù)存儲(chǔ)安全和隱私保護(hù)影響因素研究[J].圖書館理論與實(shí)踐，2018，（1）：89-95，100.

[4]Byung-Gil L E E，Kim H W，Chung K I.Context-aware Based RFID Privacy Control System and Personal Privacy Protection Method Using the Same：U.S.Patent 8，681，984[P].2014-03-25.

[5]Qiu L，Li Y，Wu X.Protecting Business Intelligence and Customer Privacy While Outsourcing Data Mining Tasks[J].Knowledge and Information Systems，2008，17（1）：99-120.

[6]Dean M D，Payne D M，Landry B J L.Data Mining：An Ethical Baseline for Online Privacy Policies[J].Journal of Enterprise Information Management，2016，29（4）：482-504.

[7]Alkire L，Pohlmann J，Barnett W.Triggers and Motivators of Privacy Protection Behavior on Facebook[J].Journal of Services Marketing，2019，33（1）：57-72.

[8]Ernst C P H.Privacy Protecting Behavior in Social Network Sites[M].Factors Driving Social Network Site Usage.Springer Gabler，Wiesbaden，2015：57-81.

[9]Hong W，Chan F K Y，Thong J Y L.Drivers and Inhibitors of Internet Privacy Concern：A Multidimensional Development Theory Perspective[J].Journal of Business Ethics，2019：1-26.

[10]李睿等.移動(dòng)互聯(lián)網(wǎng)環(huán)境下的隱私泄露容忍度測(cè)度方法[J].管理評(píng)論，2016，28（7）：102-111.

[11]迪莉婭.大數(shù)據(jù)環(huán)境下隱私泄露影響評(píng)估研究[J].情報(bào)雜志，2016，35（4）：141-146.

[12]陸雪梅，古春生.大數(shù)據(jù)環(huán)境下用戶信息隱私泄露成因分析和保護(hù)對(duì)策[J].現(xiàn)代情報(bào)，2016，36（11）：66-70.

[13]張丞.移動(dòng)互聯(lián)網(wǎng)隱私泄露研究[D].北京：北京郵電大學(xué)，2013.

[14]田波，等.移動(dòng)APP用戶隱私信息泄露風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)及實(shí)證研究[J].圖書情報(bào)工作，2018，62（19）：101-110.

[15]黃國(guó)彬，劉馨然.移動(dòng)網(wǎng)絡(luò)環(huán)境下企業(yè)引發(fā)的個(gè)人數(shù)據(jù)安全風(fēng)險(xiǎn)研究[J].圖書情報(bào)工作，2017，61（10）：57-67.

[16]朱光，曹雪蓮，孫玥.社交網(wǎng)絡(luò)環(huán)境下隱私保護(hù)投入的博弈策略分析——基于演化博弈的視角[J].情報(bào)科學(xué)，2017，35（7）：25-30.

[17]付曉.大數(shù)據(jù)時(shí)代用戶數(shù)據(jù)利益保護(hù)中的權(quán)利平衡[D].寧波：寧波大學(xué)，2017.

（責(zé)任編輯：郭沫含）