曾子明　江新林

關鍵詞： 突發(fā)公共衛(wèi)生事件； 網絡輿情； 溯源； 區(qū)塊鏈； 智能合約； ＩＰＦＳ

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０６．０１５

〔中圖分類號〕Ｇ２０６ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０６－０１４９－０９

在我國， 突發(fā)公共衛(wèi)生事件是指突然發(fā)生， 造成或者可能造成社會公眾健康嚴重損害的重大傳染病疫情、群體性不明原因疾病、重大食物和職業(yè)中毒及其他嚴重影響公眾健康的事件［１］ ， 不僅威脅人民群眾的生命安全， 也影響國家的社會秩序和經濟發(fā)展。２０２０ 年， 新冠肺炎疫情在我國全面暴發(fā)，形成多個疫情重災區(qū)， 全國累計確診病例超７００ 萬例， 國家財政減收增支超２ 萬億元， 是一場重大的突發(fā)公共衛(wèi)生事件［２］ 。在此次疫情治理過程中， 因疫情信息公開不及時和部分網友在網絡上散播虛假信息， 負面輿情持續(xù)惡性發(fā)酵， 使國家政府面臨著線下疫情和線上輿情的雙重挑戰(zhàn)， 給疫情防控和社會治理帶來了巨大的麻煩。網絡輿情是線下公共衛(wèi)生事件社會輿論在互聯網上的直接映射， 代表著公眾對事件的看法， 具有傳播速度快、治理難度大等特點。當前， 社交平臺多樣化、信息跨平臺化， 輿情追溯困難重重， 同時， 政府相關監(jiān)管部門對輿情的研判也存在一定的延緩， 不能及時準確預測網絡輿情的發(fā)展走向， 給后續(xù)事件的處理留下隱患。

缺乏透明度和多個主體間的信息不對稱是網絡輿情管控的主要挑戰(zhàn)。目前， 網絡輿情的溯源研究集中在人工智能算法領域， 研究對象多為單一社交平臺， 面臨著因信息更改或刪除導致溯源數據丟失的瓶頸問題， 而且不同平臺間數據結構也存在差異，缺乏統(tǒng)一的共享機制， 信息交互成本較高、響應周期較長， 往往錯過了輿情管控的最佳時期。隨著溯源技術的不斷發(fā)展， 區(qū)塊鏈憑借全局共享、不可篡改、可溯源、安全性高等優(yōu)勢逐漸被應用到網絡輿情治理中， 可以快速進行信息定位， 追溯源頭， 從根本上遏制謠言和虛假輿情的產生， 為網絡輿情溯源提供了新的研究思路。本文基于態(tài)勢感知理論和區(qū)塊鏈技術， 構建了多社交平臺網絡輿情溯源體系， 試圖突破輿情溯源的技術瓶頸， 利用分布式存儲系統(tǒng)ＩＰＦＳ 進行輿情大數據存儲， 利用智能合約對風險輿情進行監(jiān)測， 利用內容標識符對源頭信息塊進行定位， 通過事件ＩＤ 和發(fā)布時間進行遞推，實現輿情的精準溯源， 對提升我國面對突發(fā)公共衛(wèi)生事件的應急處理能力， 具有重要的實踐意義。

１研究現狀

１.１網絡輿情溯源

一直以來， 網絡輿情溯源都是各界學者們的研究熱點， 目前， 大多數學者都是基于算法的背景進行探討， 研究對象多為單一社交平臺， 溯源體系還不夠完善。學者楊瀟等［３］ 提出一種基于微博用戶興趣的溯源算法， 綜合考慮了發(fā)文博主、轉發(fā)人、評論人三方的影響力， 與傳統(tǒng)溯源算法相比， 準確率得到了一定的提升。劉榮叁等［４］ 在溯源之前，先對輿情事件進行聚類處理， 然后使用Ｈａｃｋｅｒ Ｎｅｗｓ排序算法進行溯源， 降低了溯源整體的復雜度。米昂［５］ 基于微博詞語相似度和用戶影響力來挖掘輿情的傳播源頭與途徑， 實現輿情的溯源。劉繼等［６］ 基于貝葉斯網絡構建了網絡輿情態(tài)勢評估模型， 并通過實驗證明， 模型的擬合程度較高， 評估結果和實際結果基本吻合， 由于模型未加入時間片， 無法預測輿情事件的發(fā)展趨勢。于凱等［７］ 提出一種多中心性分析的輿情信息源點追溯算法， 與單一中心性算法相比， 多中心性算法溯源的準確率更高。還有一部分學者從網絡輿情形成的路徑等角度進行探討， 如， 祁凱等［８］ 基于系統(tǒng)動力學分析了政務短視頻網絡輿情的動力演化過程， 得出輿情響應速度和信息透明度對網絡輿情引導管控的效果最佳。呂鯤等［９］ 分析了網絡輿情熱點話題形成的路徑， 為監(jiān)管部門有效引導輿情提供了參考。

除了上述所談及的方法和體系， 知識圖譜、事理圖譜等技術在網絡輿情溯源的應用也十分廣泛，利用圖譜可以梳理事件的發(fā)展脈絡和因果關系， 構建完善的溯源體系。張思龍等［１０］ 提出一種基于知識圖譜的網絡輿情研判系統(tǒng)， 對知識圖譜在系統(tǒng)中的融合路徑進行了探討， 優(yōu)化了輿情數據獲取的準確度和計算智能度。王蘭成等［１１］ 表示， 知識圖譜運用于網絡輿情管理具有諸多的優(yōu)勢， 可以降低知識庫的構建成本和多系統(tǒng)集成的門檻， 提高輿情管理的智能化水平， 由于缺乏自動化構建方法， 推廣受到限制。劉雅姝等［１２］ 基于事理圖譜， 從知識驅動的視角揭示了突發(fā)事件的演變動因， 為輿情事件的精準治理提供了事實依據。

１.２區(qū)塊鏈輿情應用

區(qū)塊鏈常應用于金融、醫(yī)療和物流等領域， 如Ｏｍａｒ Ｉ Ａ 等［１３］ 通過區(qū)塊鏈和智能合約技術建立了電子病歷共享機制， 解決了傳統(tǒng)患者隱私泄露的問題， 保障了醫(yī)療機構間數據的共享性。Ｌｅｅ Ｊ Ｓ 等［１４］將區(qū)塊鏈用于追蹤供應鏈中的產品， 用智能合約取代傳統(tǒng)訂單合同， 簡化了產品訂購流程， 保證了產品的可追溯性。目前， 區(qū)塊鏈在網絡輿情領域的應用較為缺乏， 多數處于理論可行性階段。如， 王迪等［１５］ 提出， 可以將區(qū)塊鏈溯源技術應用到公共衛(wèi)生事件的輿情治理， 并闡述了區(qū)塊鏈在事件發(fā)生前、中、后３ 個時期的具體應用價值。鄭佳悅等［１６］ 通過分析我國目前網絡輿情的管控難點， 提出將區(qū)塊鏈技術運用至網絡輿情監(jiān)管， 可以保證輿情數據的真實性， 杜絕謠言發(fā)布者躲避懲處等現象發(fā)生， 給輿情監(jiān)管帶來新的可能。周婕［１７］ 通過區(qū)塊鏈技術構建了大連高效輿情防控平臺， 用于預防虛假信息的產生、傳播和擴散。袁莉莉等［１８］ 提出， 利用區(qū)塊鏈技術來解決重大突發(fā)公共衛(wèi)生事件中虛假消息泛濫、公益慈善不透明、病毒溯源困難等痛點問題， 助力醫(yī)療體系的構建和完善。

綜上分析， 輿情溯源的精準性與輿情信息的真實性、完整性密切相關。盡管當前一些傳統(tǒng)溯源技術表現良好， 但都無法避免因信息更改或刪除導致溯源信息缺失的瓶頸問題。當突發(fā)網絡輿情在多個平臺上發(fā)酵時， 信息交互的成本和時間會大大增加，輿情溯源的時效性也隨之降低， 僅依靠傳統(tǒng)溯源技術還難以實現網絡輿情的有效管控。在當今時代背景下， 區(qū)塊鏈應用于網絡輿情管理已是大勢所趨，推動區(qū)塊鏈深入輿情領域應用， 有利于解決網絡輿情溯源的技術瓶頸問題， 完善突發(fā)網絡輿情溯源管理體系， 做到輿情信息高效交互、可溯源、防篡改和風險智能預警等， 并以有效的方式預測輿情潛在風險， 為我國網絡輿情治理提供新的研究路徑。

２基于區(qū)塊鏈的網絡輿情溯源技術體系架構

２.１區(qū)塊鏈應用于輿情管理的技術優(yōu)勢

２.１.１輿情數據公開透明、高效交互

網絡輿情主要是在互聯網的社交平臺上進行衍生和傳播， 由于平臺間缺乏統(tǒng)一的信息共享機制，輿情數據互相獨立、關聯程度不高， 數據交互成本較大， 政府監(jiān)管部門對突發(fā)公共衛(wèi)生事件網絡輿情的管控受到一定限制。在區(qū)塊鏈網絡中， 由于每個節(jié)點相互檢測監(jiān)督， 使信息跨部門、跨領域共享，信用問題也可以得到保障， 其他節(jié)點也可以隨時進行查閱， 信息交流和傳播變得公開透明， 同時政府監(jiān)管機構可以通過區(qū)塊鏈開放的ＡＰＩ 接口對輿情數據資源進行訪問， 充分發(fā)揮了政府調控職能和社會監(jiān)督功能， 實現輿情信息公開透明、集體維護和公共安全數據多層次、多元化的共享。

２.１.２輿情可溯源、防纂改

輿情信息完整是溯源最基本的條件， 區(qū)塊鏈是依據區(qū)塊生成時間順序、前后哈希相連的鏈式數據結構， 由后一區(qū)塊的頭節(jié)點指向當前區(qū)塊的父節(jié)點，具體結構如圖１ 所示。在區(qū)塊鏈中， 由ＳＨＡ２５６ 算法對塊內信息進行加密存儲， Ｍｅｒｋｌｅ 樹進行歸納驗證， 時間戳記錄區(qū)塊的生成時間。區(qū)塊鏈獨特的哈希加密技術和分布式存儲為輿情信息的完整保存和防篡改提供了安全保障， 鏈式數據結構和時間戳為輿情的溯源提供了技術支撐。

２.１.３輿情大數據存儲

區(qū)塊鏈不僅可以滿足網絡輿情溯源的技術需要， 還能與分布式存儲系統(tǒng)結合進行擴容， 實現輿情大數據存儲。在大數據環(huán)境下， 網絡輿情信息呈現爆炸式的指數級增長， 若輿情信息都存儲在區(qū)塊鏈中， 區(qū)塊鏈的存儲效率將逐漸降低、成本也隨之增加。隨著存儲技術的不斷發(fā)展， 分布式存儲憑借高可靠性、高性能性、高可用性、高擴展性逐漸被應用到大數據存儲中， 其中的典型代表為星際文件系統(tǒng)， 英文簡稱ＩＰＦＳ， 本質上是一種內容可尋址、版本化、點對點超媒體的分布式存儲傳輸協議［１９］ ，能夠將具有相同文件系統(tǒng)的計算設備連接起來， 與區(qū)塊鏈技術特性完美契合， 兩者共同作為輿情數據存儲的媒介， 可以實現輿情數據海量存儲和空間資源利用最大化。

２.１.４輿情風險智能預警

突發(fā)公共衛(wèi)生事件網絡輿情爆發(fā)迅速、傳播廣泛、不易控制， 需要及時感知輿情、充分理解輿情和準確預測輿情。由于傳統(tǒng)上報審批流程繁瑣， 網絡風險輿情的應急處理具有一定的延時性， 在區(qū)塊鏈網絡中， 可以充分利用智能合約的高效性、精準性和智能性， 將智能合約用于監(jiān)測區(qū)塊鏈網絡中潛在的風險輿情， 對觸發(fā)設定閾值的風險輿情及時做出響應， 簡化審批上報流程， 減少知而不報現象的發(fā)生， 實現輿情風險的高效預警。

２.２區(qū)塊鏈溯源技術架構

在本文中， 區(qū)塊鏈視域下的多平臺網絡輿情管理是指將多個社交網絡平臺的應用程序部署在同一區(qū)塊鏈上， 共同構建輿情數據共享中心， 輿情信息產生后存儲在區(qū)塊鏈內， 通過構建分類賬本對突發(fā)公共衛(wèi)生事件進行分類管理［１５］ 。為提高網絡輿情溯源的時效性和精準性， 本文基于態(tài)勢感知理論和區(qū)塊鏈技術構建了突發(fā)網絡輿情溯源技術架構， 在輿情潛伏發(fā)展期， 通過人工智能算法對區(qū)塊鏈網絡中的輿情進行風險研判， 分析輿情的情感傾向、風險等級和發(fā)展趨勢等， 利用智能合約對輿情進行監(jiān)控， 將重大風險輿情第一時間上報至監(jiān)管部門， 并依據實際需要進行溯源處理， 將風險輿情扼殺在萌芽階段， 不僅降低了負面和虛假輿情爆發(fā)的可能性， 也提高了輿情溯源的時效性， 為輿情處理提供了充裕的準備時間。

網絡輿情溯源技術架構由風險研判模型和區(qū)塊鏈技術框架兩部分組成， 其中風險研判模型是基于生命周期理論和態(tài)勢感知理論， 從輿情質量察覺、輿情態(tài)勢研判、輿情風險預警、管控應急處理４ 個部分對輿情進行分析， 模型如圖２ 所示。區(qū)塊鏈溯源技術框架是基于區(qū)塊鏈技術對風險研判模型發(fā)現的風險輿情進行溯源， 為政府相關監(jiān)管部門的應急處理提供決策依據， 兩者共同為突發(fā)公共衛(wèi)生事件網絡輿情的溯源提供理論基礎與技術支撐。

輿情風險研判模型中， 輿情周期依據生命周期理論被劃分為潛伏期、發(fā)展期、爆發(fā)期、衰退期４個階段， 每個階段都對應著輿情所處的不同態(tài)勢，風險研判分為發(fā)現、分析、預警、響應４ 個處理過程， 每一個過程層層遞進， 負責１ 個或多個時期的輿情分析。輿情潛伏期和發(fā)展期， 主要負責輿情的監(jiān)測和預警， 通過計算區(qū)塊鏈網絡內的輿情事件熱度等， 提前感知風險輿情， 并及時反饋， 避免輿情惡化發(fā)酵至中后期， 其中輿情熱度Ｈ 被定義為輿情事件話題下的閱讀人數ｒ、評論次數ｃ、轉發(fā)次數ｒｅ、點贊次數ｌ 在突發(fā)公共衛(wèi)生事件中的總值占比與對應權重乘積之和［２０］ ， 計算公式如式（１）：

式（１） 中， ｒ、ｃ、ｒｅ、ｌ 為某突發(fā)公共衛(wèi)生事件話題下的數值， Ｒ、Ｃ、ＲＥ、Ｌ 為當天系統(tǒng)內突發(fā)公共衛(wèi)生事件的累計總值， α、β、γ、δ 為各指標對應權重， 且相加之和為１。

在區(qū)塊鏈網絡中， 輿情信息主要來源于各類社交平臺， 如中短視頻類抖音、問答評論類知乎、圖文資訊類微博、社交互動類微信等， 對于不同類型的社交平臺采取不同的信息處理手段， 對于視頻類傳播的輿情平臺， 通過ＯＣＲ 視頻關鍵幀識別技術與ＡＳＲ 音頻轉文字技術將視頻和語音轉化為文本內容， 對于文本類傳播的輿情平臺， 將直接采集文本內容， 然后利用人工智能算法對文本內容進行特征提取、事件聚合、類別分析、情感分析等， 為輿情風險研判提供依據。在預警過程中， 若發(fā)現潛在的重大突發(fā)公共衛(wèi)生事件網絡輿情， 將及時上報給政府相關監(jiān)管部門， 并利用區(qū)塊鏈技術進行溯源分析。

區(qū)塊鏈技術框架由數據來源層、數據存儲層、共識網絡層等５ 個層次構成， 具體技術框架如圖３所示。數據存儲層主要負責數據的規(guī)范存儲和結構化管理， 為緩解區(qū)塊鏈的存儲壓力， 本文采用了區(qū)塊鏈和ＩＰＦＳ 的雙存儲機制， 將原始輿情信息存儲在ＩＰＦＳ 中， 將信息摘要和ＩＰＦＳ 返還的內容標識符ＣＩＤ 存儲在區(qū)塊鏈中， 由于相同的信息具有相同的哈希值， ＩＰＦＳ 不會進行重復存儲， 同時ＩＰＦＳ 的分布式存儲解決了區(qū)塊鏈擴容難的問題， 為輿情數據的海量存儲奠定了技術基礎。

在共識網絡層中， 采用Ｐ２Ｐ 分布式網絡進行節(jié)點間的信息廣播， 利用實用拜占庭容錯共識算法（Ｐｒａｃｔｉｃａｌ Ｂｙｚａｎｔｉｎｅ Ｆａｕｌｔ Ｔｏｌｅｒａｎｃｅ）或權益證明共識算法（Ｐｒｏｏｆ ｏｆ Ｓｔａｋｅ）進行信息上鏈， 保障網絡中所有節(jié)點數據的一致性。合約層主要由算法機制、腳本代碼和智能合約等組成， 其中智能合約是一種能夠自我執(zhí)行、自我驗證、自我約束的契約， 遵循“Ｉｆ 成立， Ｔｈｅｎ 觸發(fā)預設條件” 的模式， 自動執(zhí)行， 無需人為提出申請和干預操作［２１］ ， 可以簡化傳統(tǒng)輿情上報的審批流程， 為輿情的智能化管理奠定理論基礎， 在區(qū)塊鏈系統(tǒng)中， 共制定了登陸注冊、風險預警、權限核驗３ 類具有不同功能的智能合約， 分別用于系統(tǒng)中賬戶注冊、風險監(jiān)控和權限核驗。應用層是節(jié)點用戶對輿情共享中心信息進行的操作應用， 如信息查詢、風險監(jiān)控、權限核驗等， 但規(guī)定只允許擁有權限的資源訪問者， 才能對輿情數據進行獲取， 在輿情信息共享的同時也保證了數據的安全性。

３基于區(qū)塊鏈的網絡輿情智能溯源管理體系構建

為進一步深化區(qū)塊鏈應用， 完善網絡輿情溯源管理體系， 本文從輿情數據管理、輿情研判預警、網絡輿情溯源、輿情風險管控４ 個層次進行分析，智能溯源管理體系如圖４ 所示。

３.１輿情數據管理

在區(qū)塊鏈網絡中， 突發(fā)公共衛(wèi)生事件相關話題被創(chuàng)建后， 系統(tǒng)會賦予話題一個唯一標識的事件ＩＤ， 用于關聯不同平臺的相似輿情信息， 是平臺間信息聯系的紐扣。用戶在話題下發(fā)表信息， 事件ＩＤ 將隨著用戶ＵＩＤ、發(fā)布平臺、發(fā)布時間、信息內容等一同存儲在區(qū)塊鏈內， 通過事件ＩＤ 可以精準匯集網絡中所有的相關信息， 分析輿情的演變歷程。

為避免數據過多造成區(qū)塊鏈膨脹［２２］ ， 本文采用鏈上和鏈下ＩＰＦＳ 的雙存儲機制， 進行輿情數據存儲和結構化管理， 數據存儲和獲取流程如圖５ 所示， 原始輿情信息經哈希加密以信息摘要的形式存儲在區(qū)塊中， 利用Ｍｅｒｋｌｅ 樹對塊內信息進行歸納管理， 而原始完整輿情信息存儲在ＩＰＦＳ 中， 并將在ＩＰＦＳ 存儲返回的內容標識符ＣＩＤ 一同存儲在區(qū)塊鏈內， 保障了區(qū)塊鏈和ＩＰＦＳ 信息之間的關聯性。輿情數據獲取時， 節(jié)點用戶先完成身份權限的核驗， 然后通過內容標識符ＣＩＤ 在ＩＰＦＳ 中找到存儲節(jié)點， 從存儲節(jié)點中獲取源頭信息所在的信息集，依據事件ＩＤ 和時間實現輿情的溯源。

３.２輿情研判預警

對風險輿情進行早期研判， 可以減少風險輿情的爆發(fā)， 避免負面輿情惡性發(fā)酵。輿情研判時， 先通過風險研判模型對網絡輿情的特征進行提取， 分析輿情的情感傾向（正面、負面、中性）和事件熱度， 然后利用風險預警智能合約對風險輿情進行監(jiān)測預警。目前， 機器學習等人工智能算法在輿情領域已具有較為完善的技術體系， 可以輔助監(jiān)管部門對輿情做出準確的判斷， 但在輿情預警方面， 仍缺乏一定的智能執(zhí)行性。本文利用區(qū)塊鏈智能合約的自動執(zhí)行性， 制定了由平臺、政府監(jiān)管部門等多主體參與的風險預警智能合約， 實現輿情預警的高效響應。

在智能合約制定之前， 先對突發(fā)公共衛(wèi)生事件網絡輿情的風險等級進行劃分， 明確合約執(zhí)行的條件。在本文中， 輿情風險等級由事件熱度和涉及層次兩者共同決定， 其中事件熱度依據式（１） 被分為一級熱度、二級熱度和三級熱度， 層級越低， 就代表著事件熱度越高、公眾關注度越高， 涉及層次依據影響范圍分為小型群眾、地方政府和國家社會， 兩個層級相互作用， 將風險輿情劃分為重大輿情、嚴重輿情、中等輿情和一般輿情， 其中重大輿情是指一級熱度和國家層面的輿情， 如新冠肺炎疫情等相關輿情， 嚴重輿情是指一級熱度和地方政府層面的輿情， 如某市食物中毒等事件輿情。明確網絡輿情的風險等級， 有助于政府部門制定合理的應急處理策略， 實現資源利用的最大化。

風險輿情等級劃分完成后， 開始制定風險預警智能合約， 智能合約模型如圖６ 所示。智能合約由監(jiān)測對象、響應條件、響應規(guī)則、合約狀態(tài)等組成， 其中監(jiān)測對象為網絡中的事件輿情， 響應條件為輿情風險的等級， 如嚴重輿情和重大輿情， 響應規(guī)則為依據輿情風險等級響應對應級別的預警， 如重大輿情對應著一級預警。風險預警智能合約重點監(jiān)測風險等級中等及以上的輿情， 當事件熱度和涉及層次達到合約設定的條件時， 即風險等級達到嚴重， 合約將依據響應規(guī)則自動執(zhí)行對應的預警方案， 并直接反饋到政府監(jiān)管部門， 保證了輿情溯源的時效性。

３.３網絡輿情溯源

輿情溯源的高效精準， 一方面取決于輿情信息的完整性； 另一方面取決于輿情信息查找的效率，由于區(qū)塊鏈和ＩＰＦＳ 都具有不可更改的技術特性，輿情信息保存完整。信息查找主要是通過Ｍｅｒｋｌｅ樹和分布式哈希表ＤＨＴ（Ｄｉｓｔｒｉｂｕｔｅｄ Ｈａｓｈ Ｔａｂｌｅ）來實現的， Ｍｅｒｋｌｅ 樹是區(qū)塊內的哈希二叉樹， 負責對塊內信息進行歸納管理， 由于哈希加密的過程不可逆， 無法對區(qū)塊信息進行解密， 通過Ｍｅｒｋｌｅ 樹查找源頭信息所在的區(qū)塊， 獲取信息的內容標識符ＣＩＤ， 然后從ＩＰＦＳ 中獲取完整信息。分布式哈希表ＤＨＴ 是一個巨大的文件索引哈希表， 信息索引條目形如＜Ｋｅｙ， Ｖａｌｕｅ＞， 其中Ｋｅｙ 為ＩＰＦＳ 存儲信息時， 返回的內容標識符ＣＩＤ， Ｖａｌｕｅ 為存儲該信息節(jié)點的ＩＰ， 負責查找ＩＰＦＳ 內信息源存儲節(jié)點所在的位置， 當存儲節(jié)點被找到后， ＩＰＦＳ 就會返回存儲節(jié)點的“多地址”， 其中包含節(jié)點間通信遵循的協議、存儲節(jié)點ＩＰ、訪問端口等， 然后檢索節(jié)點依據“多地址” 直接連接存儲節(jié)點， 從存儲節(jié)點獲取所需信息。

網絡輿情溯源流程如圖７ 所示， 節(jié)點用戶先通過權限核驗智能合約核驗自己的身份， 若未授予數據獲取的權限， 則無法進行后續(xù)流程； 若核驗通過， 區(qū)塊鏈將記錄此次申請者的訪問信息， 并允許用戶從區(qū)塊鏈中獲取事件源頭信息的內容標識符ＣＩＤ， 然后檢索節(jié)點依據用戶提交的ＣＩＤ 從分布式哈希表ＤＨＴ 中進行查詢， 獲得存儲節(jié)點的ＩＰ 地址， 與存儲節(jié)點建立連接， 將完整輿情信息返回給節(jié)點用戶， 依據事件唯一標識ＩＤ 和時間對塊內信息進行逆向遞推， 實現輿情的精準溯源。

除此之外， 還可以利用區(qū)塊鏈不可更改的技術特性進行信息比對， 判斷信息在傳播的過程中是否被篡改或偽造， 以便更好地明確責任歸屬。在區(qū)塊鏈中， 輿情信息經哈希加密后以哈希值的形式存在， 所以可以依據輿情信息哈希值是否一致來判斷信息是否完整， 若實際信息計算的哈希值與區(qū)塊鏈內的哈希值一致， 表明信息完整， 若哈希值不一致， 表明信息可能遭到了篡改， 通過哈希比對達到了信息比對的目的。

３.４輿情風險管控

對突發(fā)公共衛(wèi)生事件網絡輿情進行有效管控是溯源的最終目的。本文結合輿情生命周期和輿情響應順序， 從監(jiān)測預警、應急響應、管控反饋３ 個層面， 構建了一個由平臺、政府監(jiān)管部門共同參與的風險輿情管控體系， 實現網絡輿情的彈性管理。

在風險管控體系中， 社交平臺扮演著監(jiān)測、調節(jié)的角色， 負責對區(qū)塊鏈網絡中的輿情進行風險監(jiān)測和協助政府監(jiān)管部門進行輿情處理。在突發(fā)公共衛(wèi)生事件暴發(fā)之初， 網絡輿情還處于萌芽發(fā)展階段， 平臺對相關事件輿情進行實時監(jiān)測， 關注輿情風險等級變化和公眾情感走向， 制定相應的風險預警智能合約， 識別潛在風險輿情， 對于合約預警的潛在風險輿情， 如在突發(fā)公共衛(wèi)生事件中， 散播不實信息和暗諷國家管控政策， 對社會造成了嚴重影響的輿情， 平臺需要在第一時間進行介入處理， 對風險輿情進行報備。

政府監(jiān)管部門在風險管控中， 扮演著監(jiān)督、指導的角色， 負責對整體網絡輿情環(huán)境進行監(jiān)督和對上報的風險輿情處置進行指導， 制定應急響應方案。由于區(qū)塊鏈具有不可更改的技術特性， 輿情信息保存完整， 進行溯源， 獲取完整的輿情數據， 對數據進行全局分析， 了解輿情的來源、發(fā)展歷程、用戶特征、平臺分布等情況。依據源頭信息找到輿情初始發(fā)布者， 依據相關法律法規(guī)對初始發(fā)布者進行追責， 進一步完善網絡輿情追責機制； 依據發(fā)展歷程、用戶特征等對輿情帶來的社會影響進行評估， 識別潛在風險人群， 制定相應且完善的應急處理方案； 依據平臺分布情況對各平臺監(jiān)管提出針對性意見， 完善平臺內部輿情的監(jiān)管機制， 創(chuàng)建文明網絡輿情環(huán)境。

同時， 跨平臺全局共享的性質也為政府辟謠提供了便捷， 監(jiān)管部門在區(qū)塊鏈網絡中發(fā)布官方辟謠聲明后， 節(jié)點用戶可以隨時查閱信息， 并在節(jié)點間進行高效傳播， 有效消除負面輿情帶來的影響。在輿情管控后期， 也要做好社會形象恢復工作， 依據公眾反響情況， 認真評估與改進風險應急方案， 提升危機意識， 防止輿情二次反彈， 繼續(xù)完善突發(fā)公共衛(wèi)生事件歷史數據庫， 為后續(xù)相似突發(fā)輿情的處理提供參考。

４結束語

在大數據的環(huán)境下， 區(qū)塊鏈和分布式存儲技術應用于網絡輿情管理已是大勢所趨。為進一步深化區(qū)塊鏈在突發(fā)公共衛(wèi)生事件網絡輿情溯源的應用，本文先通過梳理國內外網絡輿情溯源的相關文獻，發(fā)現目前多數研究都是基于傳統(tǒng)溯源算法和單一的社交平臺， 溯源的時效性不高， 且無法避免因信息更改或刪除導致溯源數據丟失的瓶頸問題， 所以本文基于上述問題， 通過態(tài)勢感知理論和區(qū)塊鏈技術， 構建了一個多平臺網絡輿情溯源管理體系， 利用鏈上和鏈下雙存儲機制， 進行輿情數據的海量存儲， 采用智能合約對網絡中的風險輿情進行監(jiān)測預警， 通過默克爾樹和內容標識符等實現輿情的精準溯源， 提高了輿情溯源的時效性， 為監(jiān)管部門制定應急處理策略提供了事實依據， 對我國突發(fā)公共衛(wèi)生事件網絡輿情的應急管控具有較強的現實意義。

當然， 本文研究也存在一定的局限， 首先， 區(qū)塊鏈在網絡輿情領域的應用還處于理論探索階段，實際落地應用比較缺乏， 文章提出的一些設定如將社交平臺應用程序部署到區(qū)塊鏈上， 與實際情況存在一定的差距； 其次， 網絡輿情的管控需要公眾、平臺、政府等多主體共同參與， 不同主體對輿情信息有著不同的需求， 單一的公共鏈、聯盟鏈和私有鏈難以同時達到去中心化、高效且權威安全這３ 個要素［２３］ ， 后續(xù)研究將考慮以主權區(qū)塊鏈為基礎，尊重網絡主權與國家主權監(jiān)管， 構建包含公共鏈、聯盟鏈和私有鏈的區(qū)塊鏈網絡， 進一步對輿情數據資源管理進行細分。