龔勝佳，張琳琳，趙楷，劉軍濤，楊涵

基于區(qū)塊鏈技術的虛假新聞檢測方法

龔勝佳1，張琳琳1，2*，趙楷1，2，劉軍濤1，楊涵1

（1.新疆大學 信息科學與工程學院，烏魯木齊 830046； 2.新疆大學 網絡空間安全學院，烏魯木齊 830046）（?通信作者電子郵箱 zllnadasha@xju.edu.cn）

虛假新聞不僅會導致人們形成錯誤觀念，損害人們的知情權，還會降低新聞網站公信力。針對新聞網站出現虛假新聞的問題，提出一種基于區(qū)塊鏈技術的虛假新聞檢測方法。首先，通過調用智能合約為新聞隨機分配審核者來判定新聞的真實性。然后，調整審核者數量以確保有效審核者的數量，提高審核結果的可信度。同時設計激勵機制，根據審核者的行為分配獎勵，并運用博弈論分析審核者的行為和獲得的獎勵，為了獲得最大利益，審核者的行為必須是誠實的。而后設計審計機制檢測惡意的審核者，以提高系統(tǒng)的安全性。最后，利用以太坊智能合約實現了一個簡易的區(qū)塊鏈虛假新聞檢測系統(tǒng)，并對虛假新聞檢測進行了仿真，結果顯示所提方法的新聞真實性檢測的準確率達到了95%，表明該方法可有效防止虛假新聞的發(fā)布。

區(qū)塊鏈；智能合約；虛假新聞；新聞網站；博弈論

0 引言

隨著互聯網的快速發(fā)展，人們正逐步改變獲取新聞的方式，網絡新聞已經成為人們獲取信息的主要來源。然而隨著媒體商業(yè)化，新聞機構的競爭日趨激烈，個別媒體為了追求不正當利益、提高自身知名度，不惜鋌而走險，試圖利用傳播和制造虛假新聞的手段獲取社會的廣泛關注、影響社會輿論［1］。在2020年新冠疫情的影響下，出現了大量與疫情相關的謠言。一些媒體為了獲取瀏覽量，不審核新聞內容，爭搶第一時間發(fā)布新聞；并且一家媒體率先發(fā)布不實信息后，就有多家媒體盲目跟從，紛紛轉載。媒體往往蜂擁而上接力傳播，擴大了虛假新聞的散布范圍，有些原本只是在地方或某區(qū)域流傳的虛假新聞，由此在全國范圍內播散。在2020年度虛假新聞典型案例中，“白巖松今晚專訪鐘南山”謠言最開始出現在微信朋友圈中，一些媒體不加甄別地轉發(fā)，導致謠言迅速擴散。這種行為不僅違背了職業(yè)道德，還會降低新聞機構的公信力［2］。

由于機器學習技術的快速發(fā)展，已經出現了許多打擊“假新聞”制作和傳播的解決方案，這些研究大多針對社交平臺，需要新聞文章信息、用戶的評論反饋和發(fā)布者的歷史行為等特征對新聞內容真假進行建模預測。它們都依賴歷史數據，需要收集用戶的評論和發(fā)布者的歷史行為，并且大多數模型是針對短新聞進行分類，在預防新聞網站虛假新聞發(fā)布中存在困難。在復雜的自然語言處理和機器學習技術中，自動化評估文本技術依賴手工編寫文本特征來將一段文本分類為真或假。由于對假新聞的語言特征了解不完備，這種技術受到了限制［3］。

2008年至今，隨著區(qū)塊鏈技術的不斷成熟，研究學者開始探索區(qū)塊鏈技術在金融、物聯網、網絡安全以及數據溯源等領域的行業(yè)應用。利用區(qū)塊鏈去中心化、不可篡改、可溯源性等特性［4］，安全存儲記錄新聞內容，以應對新聞業(yè)中新聞內容溯源、版權保護、廣告分發(fā)統(tǒng)計等問題。區(qū)塊鏈也被視為新聞業(yè)未來發(fā)展的重要技術支撐。針對新聞網站中虛假新聞發(fā)布和新聞網站被篡改問題，本文結合區(qū)塊鏈智能合約和星際文件系統(tǒng)（Inter Planetary File System， IPFS），構建了新聞內容真實性與完整性檢測模型，并通過內容管理系統(tǒng)（Content Management System， CMS）和以太坊實現了基于區(qū)塊鏈的新聞真實性與完整性檢測方法。

本文主要工作如下：

1）提出新聞真實性檢測方法，由區(qū)塊鏈智能合約為新聞隨機分配審核者并統(tǒng)計審核結果，若超過一定的閾值，則判斷新聞內容為真。

2）對虛假新聞檢測進行仿真，在存在一定數量惡意參與者時，虛假新聞檢測的準確率也能達到95%。

3）選用以太坊作為區(qū)塊鏈存儲關鍵數據，IPFS存儲完整的新聞數據，實現新聞真實性檢測系統(tǒng)。

1 相關工作

檢測虛假新聞的方法主要分為兩類：一類是基于機器學習方法完成檢測任務，另一類則結合區(qū)塊鏈技術檢測虛假新聞。機器學習方法主要分為基于新聞內容的虛假新聞檢測和基于社交上下文的虛假新聞檢測。針對新聞內容的虛假新聞檢測中，文獻［5］中提出基于新聞內容特征的虛假新聞檢測方法，通過文本挖掘方法將文本數據集轉化為結構化格式的數據集，使用23種有監(jiān)督的分類算法對新聞進行分類，F1值為65%。在社交上下文虛假新聞檢測任務中，虛假新聞有三個普遍公認的特征：文章的文本、用戶的反饋和發(fā)布者的歷史行為［6］。文獻［7］中通過構建新聞文章、創(chuàng)作者和主題的可信度標簽的相關性，有效地將這些相關性納入框架學習，提高了虛假新聞檢測的精確度。機器學習方法雖然擁有大量的歷史數據，可以有效地檢測新聞的真實性，但是當新聞內容長度過長時，檢測效果并不理想。

區(qū)塊鏈是一種將數據區(qū)塊按照時間順序組合而形成的鏈式結構，在去中心化系統(tǒng)中各節(jié)點共享且共同維護分布式數據賬本。由于區(qū)塊鏈技術在底層數據方面具有時間戳的技術特性且難以篡改，可以對虛假新聞產生和傳播路徑精確定位［8］，從而實現在源頭打擊虛假新聞。文獻［9］中利用區(qū)塊鏈的防篡改優(yōu)勢，將官方媒體簽名的新聞數據存儲到區(qū)塊鏈中，保證數據的完整性和來源的可靠性，解決虛假新聞惡意傳播的問題。文獻［10］中提出了基于區(qū)塊鏈的新聞驗證框架，該框架的體系結構由發(fā)布者管理協議、新聞智能合約和及新聞區(qū)塊鏈構成。利用三種類型的智能合約實現注冊、更新和撤銷新聞機構，實行問責機制，提高新聞機構的可信度，以解決虛假新聞問題。文獻［11］中提出一種新機制來跟蹤新聞并評估其可靠性。該機制包括來源評估、內容篡改檢測、多節(jié)點內容驗證，三者相輔相成，構成完整的約束機制。文獻［12］中概述了基于區(qū)塊鏈技術構建的新聞平臺Steemit，該平臺設計激勵機制，鼓勵用戶對發(fā)布的新聞投票，能及時發(fā)現并處理虛假新聞。

上述方法收集到大量的數據后可以很好地解決假新聞問題或是在發(fā)現虛假新聞時對發(fā)布機構進行處罰，但對于新用戶發(fā)布新聞時無法準確檢測其真實性。因此，本文提出了基于區(qū)塊鏈的虛假新聞真實性檢測方法，預防虛假新聞的發(fā)布，為虛假新聞的監(jiān)管提供了一個新的思路。

2 系統(tǒng)設計

通常情況下在新聞系統(tǒng)中的主要角色分別是新聞采集者、編輯員和審核者。傳統(tǒng)新聞發(fā)布流程為新聞采集者采集新聞數據材料；編輯員編輯新聞，編輯員完成編輯后，將新聞數據存儲到本地數據庫中；然后審核者對新聞進行審核。審核者需要對新聞內容進行判斷，若發(fā)現出現虛假內容，則審核不通過，否則審核通過。因此新聞的審核工作在新聞網站中至關重要，為新聞分配多個審核者能有效防止出現虛假新聞，但傳統(tǒng)的新聞網站中，審核者都屬于同一家公司，審核者之間可能相互影響導致新聞的可信度不夠，并且出現虛假新聞時，也無法準確地找到虛假新聞發(fā)布的相關人員。

檢測新聞真實性流程智能合約的主要功能有用戶注冊、上傳新聞、選擇審核者、查看新聞信息、新聞結算、審核者投票和審核者更換狀態(tài)。

圖1　虛假新聞檢測流程

被選中的審核者可以通過智能合約獲取到新聞文章信息，并向智能合約發(fā)送驗證結果數據。智能合約會記錄新聞存儲到區(qū)塊鏈上的時間，在審核時間內，接收審核者返回的結果，并且只會接受被選為審核者賬戶發(fā)送的驗證結果，同一人在審核時間內發(fā)送的驗證結果，只有最后一次發(fā)送的結果有效。

當審核者無法判斷新聞真假時，可以選擇放棄當前審核工作或不發(fā)送驗證結果。如果審核者放棄審核工作，智能合約會調整審核者的人數，重新隨機分配一位審核者，代替放棄的審核者。在審核時間結束后，智能合約會統(tǒng)計收到審核者發(fā)送的審核結果，會根據收到的審核結果判斷新聞的真實性。只有當新聞為真的結果數量大于為假的數量時，智能合約才會判斷新聞為真。例如一篇新聞會分配給三個審核者，當兩個審核者發(fā)送新聞為真的審核結果或只有一個審核者發(fā)送審核結果并且審核結果為真，智能合約則會判斷該新聞為真；但是當智能合約收到的審核結果數量太低時，會降低智能合約判斷的可信度，很可能導致誤判。因此，在審核結果數量低于/3時，會保存收集到的審核結果并重新為新聞分配審核者，提高審核結果數量。

3 關鍵技術

基于區(qū)塊鏈技術的虛假新聞檢測方法使用了隨機選擇審核者、調整審核者數量、博弈論證明和審計機制四個關鍵技術，保證了系統(tǒng)可靠性。首先隨機選擇審核者來保證審核的公平性，并在此基礎上調整審核者數量，保證新聞審核結果數量充足；然后通過博弈論證明，該審核者如實匯報審核結果，才能獲得最大的收益。此外，本文還為審核者設置了信任分數，根據審核者的行為，動態(tài)更新他們的信任分數，以避免一些惡意的審核者。

3.1　隨機選擇審核者

在本文的系統(tǒng)中，判斷新聞是否真實的結果完全取決于審核者提交的審核結果。在審核結束后，系統(tǒng)會根據審核者提交的審核結果和新聞真實性結果，為審核者分配獎勵。當出現審核者勾結的情況并作出一致的回應時，智能合約會認為所有的審核者發(fā)送的報告是正確的，不僅審核者能從系統(tǒng)中獲得大量的獎勵，還會使新聞的可信度下降。本文提出了一種簡單的隨機算法來選擇審核者，防止審核者勾結。首先判斷在線的審核者數量是否滿足要求，只有當在線的審核者數量較多時，才能快速選擇審核者，降低系統(tǒng)的消耗；然后將前個區(qū)塊的哈希值作為隨機種子，隨機選擇出審核者，判斷選擇的審核者的狀態(tài)是否在線和信任分數是否合格，當審核者合格時，將其加入審核隊列中，并且暫時改變他的狀態(tài)，防止被再次選中，選擇完個審核者后算法結束。

由于在區(qū)塊鏈中生成一個合法的區(qū)塊非常困難，需要付出巨大的代價［15］，因此本文選用區(qū)塊鏈的前個區(qū)塊的哈希值作為隨機種子，隨機選擇審核者。為了保證審核者是隨機選擇的，必須保證在線的審核者數量達到一定標準。

Output：個審核者。

return

end if

end if

end while

end for

return

只有審核者的信任分數超過閾值時，他們才可以設置自己的狀態(tài)為“在線”或“離線”，用來表示審核者是否可以進行新聞審核工作。在某一時刻，一個審核者可能同時審核多篇新聞。

3.2　調整審核者數量

智能合約為新聞分配完審核者后，若其中存在審核者沒有足夠的信息來判斷新聞的真假時，智能合約只能收到少數審核者發(fā)送的審核結果，甚至可能在審核時間結束后仍收不到審核結果，這種情況下會使新聞審核結果的可信度下降。

本節(jié)針對三種情況，分別設計了三種審核者調整方法：

1）當剩余審核時間大于總審核時間的一半，審核者發(fā)現自己很可能無法判斷新聞的真假時，可以選擇放棄審核工作，調用智能合約為當前新聞重新隨機分配一位審核者，代替自己的審核工作。

2）當審核時間結束后，智能合約收到的審核結果少于/3，若在線的審核者數量較多，智能合約會重新隨機分配審核者，并重置審核時間。由于重新分配審核者會增加系統(tǒng)消耗，此功能一篇新聞只能調用一次，以降低系統(tǒng)的成本。

3）當在線審核數量不夠調用隨機分配審核者函數時，智能合約會判斷在線審核者是否大于最小分配審核者數，例如一篇新聞最少需要3個審核者審核，則最小分配審核者數為3，當在線審核者數不小于3時，智能合約會為新聞分配3個信任分數最高的審核者作審核工作，否則分配審核者失敗。

在第一種情況中，需要調用智能合約為新聞重新分配一名審核者，在以太坊網絡中，調用智能合約會產生一定的消耗，詳細請查看4.2節(jié)。若此功能由審核者賬號調用智能合約，審核者可能會因為放棄審核工作的消耗大于不發(fā)送審核結果，從而選擇不發(fā)送審核結果，導致最后收取到的審核結果數量減少。因此將由新聞機構賬號調用該功能，審核者只需要改變智能合約的審核結果狀態(tài)位，表示該審核者的審核結果無效即可。在審核時間過半后，由新聞機構重新分配審核者，代替放棄的審核者完成審核工作。

3.3　激勵機制

為了提高審核者的積極性，本文提出了激勵機制，根據審核者的行為，實行對應的獎勵措施。新聞真實性完全由區(qū)塊鏈中的審核者決定，在審核時間結束后，智能合約會統(tǒng)計審核者發(fā)送的驗證報告，驗證報告中，新聞為真數目大于新聞為假的數目時，智能合約判定新聞為真。一個審核者在審核期間發(fā)送的多次報告，用來修改之前發(fā)送的報告，默認使用最后一次的結果作為有效報告。

在新聞審核時間結束后，智能合約會根據新聞的真實性結果和審核者的行為分配對應的獎勵?，F實生活中，新聞為真的數量是較多的，為了防止參與者盲目地相信新聞為真，本文將發(fā)現新聞為假的獎勵設置為10。分配方式如表1所示。

表1　審核者行為獎勵分配

3.4　博弈論證明

由于不發(fā)送報告對新聞真實性沒有影響，因此本文假設所有審核者都會發(fā)送報告并且希望自己達到最大收益。

本系統(tǒng)中個審核者的行為可以分為三類：全部發(fā)送新聞為真、全部發(fā)送新聞為假和部分發(fā)送新聞為真。下面將對個審核者的三類行為進行分析：

以基本的三人博弈為例，參與者為三個審核者，審核者的策略為發(fā)送新聞為真的報告或發(fā)送新聞為假的報告（表中簡稱真、假），三個審核者的收益如表2所示。

表2　三個審核者的博弈下收益

對于一個理性的審核者來說，若發(fā)現了新聞內容為假，其他審核者也很有可能發(fā)現了新聞為假，根據博弈論中的納什均衡原理，審核者為了達到收益最大化，應向智能合約發(fā)送新聞為假的報告。若發(fā)現新聞為真，其他審核者很有可能發(fā)送新聞為真的報告，雖然發(fā)送新聞為假可能會獲取大量收益，但是根據博弈論中的納什均衡原理，審核者會失去收益。因此審核者為了達到自己收益最大化，應向智能合約發(fā)送新聞為真的報告。

當新聞為假時，所有的審核者為了使自己利益最大化，應向智能合約發(fā)送新聞為假的報告；當新聞為真時，所有的審核者應向智能合約發(fā)送新聞為真的報告。因此審核者的行為是誠實的。由此，審核者應發(fā)送驗證結果正確的報告。

3.5　審計機制

隨機選擇審核者算法很大程度保證了所選的審核者是獨立的，激勵機制使審核者如實發(fā)送審核報告。但系統(tǒng)中還可能存在惡意的審核者，因此需要一種審計機制，確保惡意的審核者被檢測到，并使其失去作為審核者的資格。本節(jié)分析了兩種惡意攻擊方式，并設計了審計規(guī)則檢測惡意的審核者。

1）惡意放棄審核攻擊：攻擊方完成注冊成為合法審核者，這些審核者被分配新聞審核工作后，會直接放棄審核工作。這導致新聞機構調用智能合約重新選擇一名審核者代替其工作，會增加新聞機構的資源消耗。

2）犧牲攻擊：攻擊方完成注冊成為合法審核者，這些審核者被分配新聞審核工作后，直接發(fā)送新聞為假的報告。在新聞審核時間內，區(qū)塊鏈用戶并不能查看到每位審核者的審核結果，但在新聞結算后就能查看每位審核者的審核結果。其他參與者可能會分析其歷史行為，之后與攻擊者一起發(fā)送新聞為假的報告獲取最大的收益。

為防止系統(tǒng)受到惡意攻擊，設計了如下的審計規(guī)則：新聞結算時，當審核者發(fā)送的審核報告與實際審核結果相同時，審核者的信任分數將上升1；當發(fā)送的審核報告與實際結果不同時，信任分數將下降10；不發(fā)送報告和放棄審核工作的審核者信任分數下降5。當參與者的信任分數下降到一定值之后將失去被選為審核者的資格。本文實驗中將信任分數閾值設置為0，初始信任分數設置為100，當信任分數低于0時，將不再為該審核者分配工作，審核者也不能將狀態(tài)更改為“在線”。

這種審計機制不僅可以防止參與者惡意發(fā)送報告，還能將那些一直不發(fā)送報告和放棄審核工作的參與者剔除，并且在新聞結算時，智能合約會將未發(fā)送報告的審核者狀態(tài)改為“離線”，增加不發(fā)送審核報告參與者的消耗，提升新聞審核結果的可靠性。

4 實驗與結果分析

本文設計基于區(qū)塊鏈的虛假新聞檢測方案，實現新聞真實性檢測系統(tǒng)。該系統(tǒng)包括內容管理系統(tǒng)、區(qū)塊鏈、星際文件系統(tǒng)、新聞網站和區(qū)塊鏈程序。系統(tǒng)如圖2所示。

圖2　系統(tǒng)結構

本文在Windows操作系統(tǒng)環(huán)境下，運用CMS搭建新聞網站，使用geth搭建區(qū)塊鏈測試環(huán)境，通過springboot框架實現區(qū)塊鏈程序和IPFS接口。

4.1　功能實現

為了告知審核者被分配了新聞審核工作，審核者可以訪問區(qū)塊鏈程序，獲取當前在審核的新聞信息，如表3所示，其中包括新聞的id、時間和分配的審核者，每篇新聞分配了三個審核者，審核者列表中公鑰地址為審核者的區(qū)塊鏈賬戶。審核者可以查看是否被分配了新聞審核工作。

表3　審核者分配公示

審核者被分配新聞工作后，需要查看新聞。由于此時新聞尚未發(fā)布，不能通過新聞網站查看，審核者通過IPFS地址查看新聞。新聞大部分都包含圖片和文本，直接將新聞數據上傳到IPFS時，需要上傳多個文件。編輯員通過CMS保存新聞后，CMS會將新聞中的圖片保存在服務器，可以通過圖片的資源路徑訪問圖片；將新聞的文本數據和圖片的路徑重新組合生成html文本文件上傳到IPFS，通過瀏覽器訪問IPFS文件時，若文件數據格式是html，瀏覽器會自動解析html數據，并加載新聞的文本數據和圖片。

游客通過新聞網站訪問已發(fā)布的新聞時，為了保證新聞未被篡改，在新聞網站中增加了自動驗證功能，比較當前訪問新聞的哈希值與區(qū)塊鏈中存儲的哈希值：若兩個哈希值不同，則提示新聞可能被篡改；若相同，則將區(qū)塊鏈中審核者的審核結果加載到新聞網頁中。新聞網頁示例如圖3所示。

4.2　消耗分析

本文系統(tǒng)通過geth搭建以太坊測試網絡，測試網絡由4個節(jié)點組成，并創(chuàng)建11個區(qū)塊鏈賬號來模擬審核者和新聞機構，其中10個賬戶注冊為審核者，1個賬戶代表新聞機構。在測試過程中，為每篇新聞分配3名審核者。首先運用remix將智能合約部署到測試網絡中，測試智能合約的各個功能，統(tǒng)計智能合約中每個功能的消耗。在以太坊中調用智能合約需要支付給礦工一定的交易費用，智能合約的功能函數越復雜，調用時所花費的交易費用越高。以太坊交易費用的單位為gas，在測試網絡和主網絡中，消耗的gas是相似的。本實驗記錄了每個智能合約功能函數所消耗的gas值，如表4所示。其中查看新聞和查看審核者信息功能分為兩種查詢接口：一種是不改變區(qū)塊鏈狀態(tài)的查詢，不消耗gas值；另一種是生成區(qū)塊鏈交易，可以證明返回數據的真實性［17］，表中記錄的是第二種查詢方式。由表4可以看出，新聞機構消耗的gas比較大，而審核者參與到系統(tǒng)中只需要消耗較少的gas，這有利于更多的區(qū)塊鏈用戶參與到系統(tǒng)中來。

圖3　新聞網站審核情況示例

4.3　可行性分析

本節(jié)對系統(tǒng)的可行性進行了測試。首先生成100個區(qū)塊鏈賬戶，通過注冊成為審核者，審核者的初始信任分數和初始獎勵值都設置為100。為了驗證系統(tǒng)的可行性，在模擬實驗中，將100名審核者分為了4類，其中：70名為誠實的審核者，他們能準確判斷新聞的真實性；10名審核中只會發(fā)送新聞為假的報告；10名審核中只會發(fā)送新聞為真的報告；10名審核者會隨機發(fā)送新聞審核報告且報告為真的概率為50%。生成2 000篇新聞，其中新聞為真的數量為1 500。每篇新聞分配名審核者，最后統(tǒng)計100名審核者的信任分數、獎勵和新聞審核結果與新聞實際真實性不符的數量。

本文設計的審計機制可以剔除大部分惡意的參與者，但現實中可能會出現合謀的審核者，當合謀的審核中發(fā)現選中的審核者中存在同伴時，將一起發(fā)送新聞為假的報告。針對可能出現合謀的情況進行實驗分析，生成100名審核者，將其分為誠實的審核者和合謀的審核者，其中合謀的審核者人數為。合謀的審核者在發(fā)現同伴時，會一起發(fā)送新聞為假的報告，以獲取最大獎勵。每次從中選出5名參與新聞審核，審核2 000篇新聞，結果如圖5所示。由圖5可知，在30人合謀的情況下，新聞檢測的準確率達到了95%，在審核1 000篇新聞后，審核錯誤數量并沒有上升，表明系統(tǒng)中存在一定的惡意參與者時，系統(tǒng)也能穩(wěn)定運行。本文系統(tǒng)實行認證注冊，避免了惡意參與者注冊多個賬戶，通過合謀審核新聞獲取獎勵。通過隨機選擇審核者，保證選擇的審核者是獨立的，并使用區(qū)塊鏈賬號作為身份標識，隱藏審核者的身份信息，保證審核者在審核新聞時，是單獨判斷的，這也防止了審核者之間相互影響，出現“三人成虎”和“以訛傳訛”等現象。

圖4　審核人數的影響

圖5　合謀的審核者人數的影響

5 結語

本文針對新聞網站中虛假新聞的檢測提供了一種新的解決思路，利用區(qū)塊鏈智能合約強制執(zhí)行的特點，在新聞還未發(fā)布時，由多名隨機的人員審核，保證了新聞網站新聞的真實性；同時為系統(tǒng)的參與者設計了激勵機制，提高參與者的積極性；還設計審計機制，剔除惡意的審核者。通過對審核者和新聞機構調用智能合約的相關實驗分析表明，參與者的消耗很小，新聞機構消耗較多，同時新聞機構會根據參與者的行為分配獎勵，這符合設計系統(tǒng)的初衷。但是調用區(qū)塊鏈智能合約會產生一定的消耗，這取決于智能合約的復雜程度，我們將在后續(xù)工作中對智能合約進行優(yōu)化，降低智能合約復雜程度，從而降低系統(tǒng)成本。本文系統(tǒng)中設置的信任分數一定程度上表示了參與者投票結果的準確度，信任分數高的參與者的投票結果是更可信的。我們在后續(xù)工作中將為參與者添加權重因子，提高信任分數高的參與者的投票結果比重。

[1] 陸地. 假新聞的成因、危害與治理［J］. 新聞記者， 2011（3）：29-32.（LU D. Causes， harms and governance of fake news［J］. Journalism Review， 2011（3）：29-32.）

[2] 年度虛假新聞研究課題組：白紅義，曹詩語，陳斌. 2020年虛假新聞研究報告［J］. 新聞記者， 2021（1）：23-37.（Annual False News Research Group： BAI H Y， CAO S Y， CHEN B. Fake news research report in 2020［J］. Shanghai Journalism Review， 2021（1）：23-37.）

[3] CHEN Q， SRIVASTAVA G， PARIZI R M， et al. An incentive? aware blockchain?based solution for internet of fake media things［J］. Information Processing and Management， 2020， 57（6）： No.102370.

[4] 袁勇，王飛躍. 區(qū)塊鏈技術發(fā)展現狀與展望［J］. 自動化學報， 2016， 42（4）：481-494.（YUAN Y， WANG F Y. Blockchain： the state of the art and future trends［J］. Acta Automatica Sinica， 2016， 42（4）：481-494.）

[5] ?ZBAY F A， ALATAS B. Fake news detection within online social media using supervised artificial intelligence algorithms［J］. Physica A： Statistical Mechanics and its Applications， 2020， 540： No.123174.

[6] RUCHANSKY N， SEO S， LIU Y. CSI： a hybrid deep model for fake news detection［C］// Proceedings of the 2017 ACM Conference on Information and Knowledge Management. New York： ACM， 2017：797-806.

[7] ZHANG J W， DONG B W， YU P S. FakeDetector： effective fake news detection with deep diffusive neural network［C］// Proceedings of the IEEE 36th International Conference on Data Engineering. Piscataway： IEEE， 2020：1826-1829.

[8] LIN X， LI J H， WU J， et al. Making knowledge tradable in edge?AI enabled IoT： a consortium blockchain?based efficient and incentive approach［J］. IEEE Transactions on Industrial Informatics， 2019， 15（12）： 6367-6378.

[9] SONG G， KIM S， HWANG H， et al. Blockchain?based notarization for social media［C］// Proceedings of the 2019 IEEE International Conference on Consumer Electronics. Piscataway： IEEE， 2019：1-2.

[10] QAYYUM A， QADIR J， JANJUA M U， et al. Using blockchain to rein in the new post?truth world and check the spread of fake news［J］. IT Professional， 2019， 21（4）：16-24.

[11] SHANG W Q， LIU M Y， LIN W G， et al. Tracing the source of news based on blockchain［C］// Proceedings of the IEEE/ACIS 17th International Conference on Computer and Information Science. Piscataway： IEEE， 2018：377-381.

[12] 馬強，林浩瀚. 基于區(qū)塊鏈技術的網絡謠言治理模式探析——以新聞平臺Steemit為例［J］. 新聞論壇， 2018（4）：29-33.（MA Q， LIN H H. An analysis of network rumor management model based on blockchain technology — taking news platform Steemit as example［J］. News Tribune， 2018（4）：29-33.）

[13] PENG Z， XU C， WANG H X， et al. P2B?Trace： privacy? preserving blockchain?based contact tracing to combat pandemics［C］// Proceedings of the 2021 International Conference on Management of Data. New York： ACM， 2021：2389-2393.

[14] FENG H H， WANG X， DUAN Y Q， et al. Applying blockchain technology to improve agri?food traceability： a review of development methods， benefits and challenges［J］. Journal of Cleaner Production， 2020， 260： No.121031.

[15] ZHOU H， OUYANG X， REN Z J， et al. A blockchain based witness model for trustworthy cloud service level agreement enforcement［C］// Proceedings of the 2019 IEEE International Conference on Computer Communications. Piscataway： IEEE， 2019：1567-1575.

[16] NASHET J F， Jr. Equilibrium points in?person games［J］. Proceedings of the National Academy of Sciences of the United States of America， 1950， 36（1）：48-49.

[17] PENG Y Q， DU M， LI F F， et al. FalconDB： blockchain?based collaborative database［C］// Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2020： 637-652.

[18] SENGUPTA E， NAGPAL R， MEHROTRA D， et al. ProBlock： a novel approach for fake news detection［J］. Cluster Computing， 2021， 24（4）：3779-3795.

Fake news detection method based on blockchain technology

GONG Shengjia1， ZHANG Linlin1，2*， ZHAO Kai1，2， LIU Juntao1， YANG Han1

（1，，830046，；2，，830046，）

Fake news not only leads to misconceptions and damages people’s right to know the truth， but also reduces the credibility of news websites. In view of the occurrence of fake news in news websites， a fake news detection method based on blockchain technology was proposed. Firstly， the smart contract was invoked to randomly assign reviewers for the news for determining the authenticity of the news. Then， the credibility of the review results was improved by adjusting the number of reviewers and ensuring the number of effective reviewers. At the same time， the incentive mechanism was designed with rewards distributed according to the reviewers’ behaviors， and the reviewers’ behaviors and rewards were analyzed by game theory. In order to gain the maximum benefit， the reviewers’ behaviors should be honest. An auditing mechanism was designed to detect malicious reviewers to improve system security. Finally， a simple blockchain fake news detection system was implemented by using Ethereum smart contract and simulated for fake news detection， and the results show that the accuracy of news authenticity detection of the proposed method reaches 95%， indicating that the proposed method can effectively prevent the release of fake news.

blockchain; smart contract; fake news; news website; game theory

This work is partially supported by National Natural Science Foundation of China （12061071）， Natural Science Foundation of Xinjiang Uygur Autonomous Region （2019D01C062， 2019D01C041， 2019D01C205， 2020D01C028）.

GONG Shengjia， born in 1996， M. S. candidate. His research interests include blockchain.

ZHANG Linlin， born in 1974， Ph. D.， associate professor. Her research interests include blockchain， big data analysis.

ZHAO Kai， born in 1976， Ph. D.， associate professor. His research interests include malicious code detection， cloud computing security.

LIU Juntao， born in 1996， M. S. candidate. His research interests include blockchain.

YANG Han， born in 1998， M. S. candidate. His research interests include blockchain.

TP309

A

1001-9081（2022）11-3458-07

10.11772/j.issn.1001-9081.2021111885

2021?11?08；

2021?11?19；

2021?12?06。

國家自然科學基金資助項目（12061071）；新疆維吾爾自治區(qū)創(chuàng)新環(huán)境（人才、基地）建設專項—自然科學計劃（自然科學基金）（2019D01C062， 2019D01C041， 2019D01C205， 2020D01C028）。

龔勝佳（1996—），男，湖北天門人，碩士研究生，CCF會員，主要研究方向：區(qū)塊鏈；張琳琳（1974—），女（蒙古族），河南鎮(zhèn)平人，副教授，博士，主要研究方向：區(qū)塊鏈、大數據分析；趙楷（1976—），男，安徽肥東人，副教授，博士，主要研究方向：惡意代碼檢測、云計算安全；劉軍濤（1996—），男，山東臨沂人，碩士研究生，主要研究方向：區(qū)塊鏈；楊涵（1998—），男，吉林延邊人，碩士研究生，主要研究方向：區(qū)塊鏈。