區(qū)塊鏈賦能智能情報分析算法風險治理機制研究

馬海群 張濤

摘? ?要：人工智能技術(shù)在情報分析中的廣泛運用，為決策與服務(wù)帶來便捷的同時，智能算法所帶來的風險問題也尤為突出，而對智能情報分析算法風險治理機制的創(chuàng)新研究是系統(tǒng)化、科學化防范與化解算法帶來安全風險的主要手段，具有重要的現(xiàn)實意義。文章研究闡釋了智能情報分析算法所面臨的風險，從用戶層、機制層和過程層三個視角分析了區(qū)塊鏈賦能智能情報分析算法風險治理框架，并最終形成將區(qū)塊鏈與智能情報分析算法風險相融合的分析治理機制。從共識協(xié)議賦能算法風險預(yù)警機制、智能合約賦能算法風險監(jiān)測機制、激勵規(guī)則賦能算法風險自治機制和時間戳溯源賦能算法風險回溯機制四個方面分析機制核心內(nèi)涵，旨在為政府及情報工作機構(gòu)算法風險治理提供決策與借鑒。

關(guān)鍵詞：區(qū)塊鏈；智能情報分析；算法風險；治理機制；算法治理

中圖分類號：G353? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023006

Abstract The widespread application of artificial intelligence technology in intelligence analysis， it brings convenience to decision-making and services， but the risk problem brought by intelligent algorithms is also particularly prominent. The innovative research on the risk management mechanism of intelligent intelligence analysis algorithms is systematic， The main means of scientifically preventing and resolving the security risks brought by algorithms have important practical significance. The risks faced by intelligent intelligence analysis algorithms are studied and explained. the risk governance framework of blockchain empowerment intelligent intelligence analysis algorithms is analyzed from three perspectives： user level， mechanism level and process level. The risk of blockchain and intelligent intelligence analysis algorithms is combined to form a governance mechanism. Analyzes the core connotation of the mechanism from four aspects： the consensus agreement enabling algorithm risk early warning mechanism， the smart contract enabling algorithm risk monitoring mechanism， the incentive rule enabling algorithm risk autonomy mechanism and the time stamp enabling algorithm risk backtracking mechanism， aiming to provide decision-making and reference for the government and the intelligence work organization algorithm risk governance.

Key words blockchain empowerment; intelligent intelligence analysis; algorithmic risk; governance mechanism; algorithmic governance

智能算法是以人工智能技術(shù)為依托，數(shù)據(jù)為基礎(chǔ)，進而建立解決特定問題的計算機程序模型。隨著算法在情報分析項目中的廣泛運用，其帶來的安全風險更具隱蔽性。算法風險是大數(shù)據(jù)與人工智能時代情報分析所特有的研究問題，傳統(tǒng)監(jiān)管模式下的風險防范和治理機制已無法有效化解算法應(yīng)用所引發(fā)的社會風險，不受監(jiān)管的算法極易成為違法行為和權(quán)力濫用的避風港。黨的二十大報告中強調(diào)提高防范化解重大風險能力，嚴密防范系統(tǒng)性安全風險，同時加快建設(shè)數(shù)字中國的決策部署，而加強算法風險防范與治理研究符合總體國家安全發(fā)展戰(zhàn)略需求與戰(zhàn)略導(dǎo)向。2022年3月，《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》的出臺，意味著我國政府已經(jīng)意識到算法風險會給社會穩(wěn)定乃至國家安全帶來嚴重后果，當前國家正在逐步完善和健全算法治理相關(guān)制度，而智能情報分析是服務(wù)國家重大決策、支撐科技創(chuàng)新的重要基礎(chǔ)性工作，更是情報機構(gòu)主動適應(yīng)國家安全與發(fā)展，實現(xiàn)情報工作創(chuàng)新的必要舉措，因此針對情報工作領(lǐng)域的算法風險治理機制研究更具有針對性。區(qū)塊鏈作為一種治理術(shù)，將其應(yīng)用于算法風險治理并推動治理機制創(chuàng)新的同時，還能為治理機制應(yīng)用與推廣提供有效的指引與規(guī)范［1］。本文針對區(qū)塊鏈賦能智能情報分析算法風險治理機制進行研究，旨在為防范與化解隱藏在深處的智能情報分析算法風險提供決策依據(jù)。

1? ?相關(guān)研究

1.1? ? 區(qū)塊鏈賦能治理研究

區(qū)塊鏈作為一種全新的去中心化、高信任性技術(shù)，它能夠通過P2P網(wǎng)絡(luò)實現(xiàn)去中心化資源共享，通過非對稱性加密實現(xiàn)查證與溯源，在賦能各領(lǐng)域治理方面具有獨特優(yōu)勢，國內(nèi)外學者針對區(qū)塊鏈賦能治理形成了一系列研究成果。如Fu和Zhu提出利用區(qū)塊鏈技術(shù)解決目前智能物流系統(tǒng)相關(guān)數(shù)據(jù)運行過程中存在的安全威脅和隱私泄露風險［2］；朱婉菁研究了區(qū)塊鏈作為治理機制的內(nèi)在邏輯、風險挑戰(zhàn)與政策因應(yīng)［3］；Lumineau等討論了基于區(qū)塊鏈治理如何以替代和互補的方式與傳統(tǒng)治理機制相互作用，并提供了一種執(zhí)行協(xié)議和實現(xiàn)合作與協(xié)調(diào)的治理方案［4］；HUH認為基于區(qū)塊鏈自組織治理機制可以解決可持續(xù)發(fā)展目標與治理實踐間的沖突［5］；Song等提出區(qū)塊鏈Proof-of-Contribution共識機制并研究其在知識產(chǎn)權(quán)保護中的應(yīng)用［6］；谷俊和許鑫構(gòu)建了人文社科數(shù)據(jù)共享聯(lián)盟鏈模型，并通過對Data-verse開源數(shù)據(jù)管理軟件的二次開發(fā)，設(shè)計并實現(xiàn)了人文社科數(shù)據(jù)共享聯(lián)盟平臺［7］；鄭榮等基于聯(lián)盟區(qū)塊鏈技術(shù)構(gòu)建政府數(shù)據(jù)協(xié)同治理平臺［8］；周鑫等構(gòu)建區(qū)塊鏈賦能的突發(fā)公共衛(wèi)生事件的開放數(shù)據(jù)隱私保護模式［9］。

1.2? ? 智能情報分析

智能情報理念源于1993年錢學森先生“人機結(jié)合是智慧式情報的關(guān)鍵”的提法。王飛躍基于錢學森的理念提出“平行智能情報”。馬費成和李志元提出數(shù)智時代要體現(xiàn)情報學和情報實踐的中國特色和中國風格［10］。近年來學界圍繞智能情報分析理論與應(yīng)用研究進一步展開討論。

學者們從智能情報分析的框架、模型、體系、內(nèi)容等多方面對其理論進行探討：如化柏林和李廣建提出了智能情報分析系統(tǒng)框架［11］；曾文等利用數(shù)據(jù)分析工程化方法，提出并構(gòu)建智能情報分析決策模型［12］；王天宇和孫宇軍用功能分析方法和系統(tǒng)工程方法構(gòu)建了智能情報算法體系［13］；李廣建和羅立群系統(tǒng)分析并論述了計算型情報分析的主要內(nèi)容［14］；邱韻霏和李春旺提出了支撐智能情報分析服務(wù)的大數(shù)據(jù)資源體系框架結(jié)構(gòu)及建設(shè)原則，并對數(shù)據(jù)驅(qū)動和知識驅(qū)動方法在情報分析中的單獨應(yīng)用與融合發(fā)展問題進行了分析［15］。此外，還有學者從反恐情報、科技情報、軍事情報、安全情報等多領(lǐng)域進行了應(yīng)用層面的研究，如曾子明和王婧構(gòu)建了基于網(wǎng)格技術(shù)的泛在化、智能化和協(xié)同化的智慧反恐信息系統(tǒng)，并探討了系統(tǒng)架構(gòu)內(nèi)容及智慧反恐情報服務(wù)的保障機制［16］；劉明月等提出了基于人工智能的科技情報需求自動感知研究方法，并分模塊提出了實現(xiàn)方案［17］；王天堯和吳素彬在對軍事情報工作智能化的表現(xiàn)進行梳理后，總結(jié)分析了美軍事情報工作智能化發(fā)展途徑及其主要特點［18］；王秉等對安全情報的研究原則和路徑進行了剖析，并對安全情報研究方法的構(gòu)成進行了分析［19］。此后中國科學院文獻情報中心成立的智能情報重點實驗室更是理論與應(yīng)用研究相結(jié)合的重要支撐。

1.3? ? 算法風險治理機制

隨著算法日益成為經(jīng)濟社會發(fā)展的重要支點，算法黑箱、算法操控、算法共謀、算法偏見、算法歧視等風險也隨之而來，算法風險治理框架與機制也成為了學界關(guān)注的熱點問題，如Lysaght等采用了健康大數(shù)據(jù)倫理框架的審慎平衡方法確定相關(guān)價值，以確保更高效的醫(yī)療保健與人工智能倫理相平衡［20］；黎夢兵認為決策過程中容易引發(fā)隱私泄露風險、算法決策錯誤風險、算法偏見風險和聲譽風險等，使用戶面臨不確定的算法決策環(huán)境，提出構(gòu)建算法決策的社會信任機制［21］；王燃認為應(yīng)注意大數(shù)據(jù)司法監(jiān)督中的數(shù)據(jù)風險和算法風險，并有針對性地提出了實時監(jiān)督機制、業(yè)績考核機制、證據(jù)審查機制以及偏離度預(yù)警機制［22］；Vassilopoulou等基于敘述性審查，提出了檢查算法偏見的治理框架［23］。

綜上所述，當前研究主要體現(xiàn)在以下方面：智能情報分析理論與應(yīng)用研究已經(jīng)初具雛形，并已形成了較多的研究成果，雖然已有學者針對算法風險治理機制及框架進行研究，也有區(qū)塊鏈賦能治理機制的研究成果，但尚缺乏針對區(qū)塊鏈賦能智能情報分析算法風險治理研究成果。因此，本文將在已有文獻研究基礎(chǔ)上，從區(qū)塊鏈賦能智能情報分析算法“事前風險預(yù)警、事中風險監(jiān)測、事后風險回溯”三個方面對其治理機制進行研究，旨在為政府及情報工作機構(gòu)算法風險治理提供決策與借鑒。

2? ?智能情報分析算法風險及區(qū)塊鏈賦能治理框架

當前，我國在智能情報分析算法風險治理方面研究相對薄弱，本文通過闡釋智能情報分析算法所面臨的風險以從用戶層、機制層和過程層三個視角構(gòu)建智能情報分析算法風險治理的總體框架。

2.1? ? 智能情報分析算法面臨的風險

數(shù)智時代情報分析算法風險具有一定的特有性，主要包括四個方面［24］：一是失實風險，當智能算法應(yīng)用于情報分析各環(huán)節(jié)可能會產(chǎn)生失實風險。失實風險是智能算法得出的錯誤結(jié)論導(dǎo)致內(nèi)容失實、情報錯誤，進而影響整個情報分析的準確性和真實性。失實風險主要由算法設(shè)計本身的局限性和輸入數(shù)據(jù)的錯誤導(dǎo)致的，最關(guān)鍵的是由于智能算法所具有的黑箱特征和復(fù)雜特征導(dǎo)致使用者無法發(fā)現(xiàn)算法內(nèi)部結(jié)構(gòu)，而算法看上去客觀、權(quán)威，但實際情報分析的結(jié)果嚴重偏離實際；二是決策風險，決策風險是指由于情報工作人員過于相信算法，對某些決定進行思考、判斷時出現(xiàn)錯誤。在情報分析過程中，智能算法按照情報工作人員的數(shù)據(jù)畫像定點收集并推送大量信息，導(dǎo)致無法辨別真假情報，那么情報決策將面臨巨大風險，更重要的是情報工作人員可能會越來越依賴算法，從而失去對情報的獨立判斷，算法替代人成為決策主體，人的主體性被物化，如ChatGPT其強大的人機交互功能迅速受到追捧，但其具有典型的黑箱特征，無法窺視其內(nèi)部算法運算過程，一旦應(yīng)用于情報分析領(lǐng)域其帶來的決策風險將不可預(yù)知；三是偏見風險，偏見風險的產(chǎn)生是由于算法運行系統(tǒng)中的偏見因素導(dǎo)致偏見的結(jié)果輸出。算法偏見存在于智能情報分析系統(tǒng)設(shè)計和運行的每一個環(huán)節(jié)，包括算法設(shè)計者的偏見、輸入數(shù)據(jù)的偏見和算法局限的偏見；四是隱私風險，隱私風險的產(chǎn)生因數(shù)據(jù)而起，算法與數(shù)據(jù)是密切相關(guān)的，而智能情報分析系統(tǒng)要基于數(shù)據(jù)，無論作為一種技術(shù)目標，還是一種服務(wù)目標，智能情報分析算法會永不疲倦的搜集數(shù)據(jù)（包括隱私數(shù)據(jù)），以便于其形成智慧化分析結(jié)果，這使得算法對用戶的“了解”越來越準確，而情報工作人員可能會無視用戶的隱私保護：一方面會持續(xù)過度搜集隱私數(shù)據(jù)，另一方面對數(shù)據(jù)缺少有效保護，這就會導(dǎo)致在流轉(zhuǎn)過程中出現(xiàn)數(shù)據(jù)泄露。

2.2? ? 區(qū)塊鏈賦能治理框架

針對智能情報分析算法面臨的風險，本文從用戶層、機制層和過程層三個視角形成區(qū)塊鏈賦能智能情報分析算法風險治理框架（見圖1）。

（1）用戶層。本文所提出的鏈上用戶是經(jīng)過授權(quán)進入?yún)^(qū)塊鏈平臺上的所有用戶，他們之間具有較為明確的利益關(guān)系，而明確鏈上用戶及其利益關(guān)系是區(qū)塊鏈賦能智能情報分析算法風險治理的前提條件。借鑒利益相關(guān)者理論［25］，筆者認為智能情報分析中利益相關(guān)者的概念可以界定為：能夠影響智能情報分析的目標實現(xiàn)、參與智能情報分析過程或受到智能情報分析影響的所有組織和個體。根據(jù)概念界定，智能情報分析中利益相關(guān)者包括兩方面內(nèi)涵：一是指參與智能情報分析過程的組織和個人，其為智能情報分析的可靠性、及時性、準確性提供支持；二是指受智能情報分析影響的組織和個體，其在智能情報分析過程中獲得準確的情報，并通過智能情報分析結(jié)果創(chuàng)造經(jīng)濟價值、社會價值。結(jié)合以上論述，智能情報分析中利益相關(guān)者就較為明確了，包括發(fā)起者、開發(fā)者、監(jiān)管者、第三方、使用者。其中，發(fā)起者是智能情報分析需求設(shè)計、策略制定者；開發(fā)者是智能情報分析項目的開發(fā)組織或個體；監(jiān)管者是政府監(jiān)管機構(gòu)、行業(yè)監(jiān)管組織、情報機構(gòu)監(jiān)管部門等；第三方是對智能情報分析項目中存在的算法安全風險進行評估與測試的機構(gòu)；使用者是當產(chǎn)品投入使用后，使用這些產(chǎn)品的情報機構(gòu)、研究所等組織或個體［26］。

（2）機制層。機制層是連接用戶層和過程層的紐帶，它是區(qū)塊鏈賦能智能情報分析算法風險治理機制的核心，包括四方面內(nèi)涵：一是共識協(xié)議，它是讓每個鏈上用戶在去中心化狀態(tài)下達成共識的核心技術(shù)，鏈上的任何操作都要經(jīng)過多數(shù)成員同意并達成一致；二是智能合約，它是一種以程序代碼形式定義的數(shù)字合約，其執(zhí)行條件限制已經(jīng)提前制定，當執(zhí)行條件被觸發(fā)時，區(qū)塊鏈上的節(jié)點就遵循制定好的規(guī)則運行合約［27］；三是激勵規(guī)則，它是促進智能合約良性運轉(zhuǎn)的關(guān)鍵環(huán)節(jié)，激勵規(guī)則的設(shè)置在智能合約中處于核心地位［28］；四是時間戳溯源，鏈上用戶任何操作都會通過唯一的時間戳記錄到區(qū)塊鏈上，各區(qū)塊按照時間順序相互連接，形成一個可追蹤溯源的鏈式數(shù)據(jù)結(jié)構(gòu)。

（3）過程層。結(jié)合用戶層和機制層將區(qū)塊鏈賦能智能情報分析算法風險治理劃分為以下三個過程［29］：一是事前算法風險預(yù)警。智能情報分析項目開發(fā)完成后，需要第三方對項目中的算法風險進行評估，算法風險評估往復(fù)過程均由區(qū)塊鏈記錄，因此確保了公平性、準確性，鏈上被授權(quán)用戶能夠?qū)﹂_發(fā)者與第三方評估過程進行查閱，這實現(xiàn)了對智能情報分析項目中算法風險協(xié)作預(yù)警，同時能夠降低項目運行后所帶來的風險；二是事中算法風險監(jiān)測。利用智能合約約束各節(jié)點任務(wù)自動履約，其中激勵規(guī)則的設(shè)置有效保障了各節(jié)點的參與積極性，確保實現(xiàn)監(jiān)管者對智能情報分析項目中“數(shù)據(jù)-算法-流程”的全面透視，同時全流程的數(shù)據(jù)也受到鏈上用戶監(jiān)督，有效實現(xiàn)全網(wǎng)監(jiān)管、自律監(jiān)管，還能解決當前監(jiān)管機構(gòu)之間缺乏協(xié)作、運轉(zhuǎn)不暢、效率低等問題；三是事后算法風險回溯。由于智能情報分析項目上鏈后，全流程的信息均會被記錄在區(qū)塊鏈上且無法篡改，利用區(qū)塊鏈溯源的特性能夠追蹤風險產(chǎn)生的根源，進而根據(jù)初始設(shè)置的問責點實現(xiàn)事后精準回溯與問責，有效解決由智能算法引發(fā)的情報失準且難以查證的問題，最終將問責點與事前算法風險識別中風險點進行同步，使治理過程循環(huán)往復(fù)。

3? ?區(qū)塊鏈賦能智能情報分析算法風險治理機制核心內(nèi)涵分析

區(qū)塊鏈賦能智能情報分析算法風險治理框架中的機制層是治理運轉(zhuǎn)的核心，同時它起到了橋梁紐帶作用。本文從共識協(xié)議、智能合約、激勵規(guī)則和時間戳溯源四個機制層核心內(nèi)涵出發(fā)對區(qū)塊鏈賦能智能情報分析算法風險治理機制進行研究。

3.1? ? 共識協(xié)議賦能算法風險預(yù)警機制

共識協(xié)議賦能智能情報分析算法風險協(xié)作預(yù)警機制包括三部分：一是交易確認。區(qū)塊鏈中的每個區(qū)塊的主體都以“時間戳”的形式訪問數(shù)據(jù)庫，此過程涉及將每次活動輸入?yún)^(qū)塊鏈節(jié)點并確認交易過程已完成。同時，智能情報分析算法所涉及的過程數(shù)據(jù)在所有節(jié)點上傳并得到鏈上用戶的核實與確認后，才能夠?qū)⒆陨硭行畔懭雲(yún)^(qū)塊鏈，當有用戶認為過程數(shù)據(jù)真實性有偏差時，區(qū)塊鏈將主動拒絕觸發(fā)節(jié)點的事件；二是共享記賬?；诜植际劫~本技術(shù)，各區(qū)塊實現(xiàn)了信息的同步記錄、直接交易和共同維護的共享記賬。分布式賬本的去中心化組織結(jié)構(gòu)為鏈上用戶提供了協(xié)作式的算法風險預(yù)警公共空間，分布式賬本為多中心協(xié)同治理創(chuàng)造了可靠的路徑，由于操作記錄均在鏈上記載，這種“人人備份”“人人監(jiān)督”的日志邏輯，不僅可以增加賬本的安全性，還能有效防范智能情報分析項目中算法權(quán)力濫用和尋租風險；三是預(yù)警聯(lián)防。鏈上成員共同實現(xiàn)對智能情報分析算法風險動態(tài)性協(xié)作預(yù)警與聯(lián)防，采取共識協(xié)議POW（Proof of Work）實現(xiàn)多主體間互信，創(chuàng)造可信環(huán)境，運用的POW工作量證明來使全網(wǎng)節(jié)點達到51%及以上的共識記賬，整個過程均采取Hash算法加密傳輸方式（具體機制見圖2），其流程分五步：（1）發(fā)起者確定需求并提交；（2）開發(fā)者上傳智能情報分析項目算法文檔至區(qū)塊鏈中，然后再將可公開部分的數(shù)據(jù)上傳至數(shù)據(jù)共享平臺；（3）第三方對智能情報分析項目中的算法進行測試，并將算法風險測試數(shù)據(jù)上傳至數(shù)據(jù)共享平臺；（4）被授權(quán)的鏈上用戶能在平臺上查詢算法相關(guān)信息，如一旦發(fā)現(xiàn)問題將向監(jiān)管者發(fā)出預(yù)警，并將數(shù)據(jù)上傳至鏈上；（5）通過區(qū)塊鏈共識協(xié)議監(jiān)管者將多方參與者相關(guān)聯(lián)，實現(xiàn)對智能情報分析算法風險的協(xié)作預(yù)警與聯(lián)防。

3.2? ? 智能合約賦能算法風險監(jiān)測機制

智能合約部署到區(qū)塊鏈系統(tǒng)后，合約就能按照一定條件自動執(zhí)行，通過這種方式能夠高效精準助推鏈上的各節(jié)點履行預(yù)設(shè)權(quán)利和義務(wù)，并且能夠?qū)崿F(xiàn)智能情報分析算法風險實時監(jiān)測。智能合約的創(chuàng)建和調(diào)用都存儲在區(qū)塊鏈內(nèi)，其執(zhí)行過程和執(zhí)行結(jié)果是公開透明并可審計。本文所設(shè)計的智能合約由三部分組成，即算法合約、數(shù)據(jù)合約、管控合約。其中算法合約存儲了存在算法風險的相關(guān)代碼，包括哪些算法會引起算法黑箱、算法缺陷，尤其是《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》出臺后，違反該規(guī)定的規(guī)則以程序代碼的形式加入合約；數(shù)據(jù)合約存儲了各類數(shù)據(jù)風險的相關(guān)代碼，包括數(shù)據(jù)是否存在數(shù)據(jù)造假、數(shù)據(jù)投毒等問題，尤其要依據(jù)《網(wǎng)絡(luò)安全法》《數(shù)據(jù)安全法》《個人信息保護法》的規(guī)定，將規(guī)則以程序代碼的形式加入合約；管控合約主要根據(jù)預(yù)先定義好的規(guī)則和條款對鏈上用戶的訪問權(quán)限進行自動控制，合約規(guī)則會持續(xù)更新以增強實時監(jiān)管效果，主要更新形式包括第三方所提出的智能情報分析項目中數(shù)據(jù)和算法相關(guān)風險點和事后回溯過程中發(fā)現(xiàn)的風險點，這些鏈上行為一旦被確認將以代碼的形式更新到智能合約中。

智能合約賦能算法風險監(jiān)測機制（見圖3）的流程可分為：（1）選舉確定開發(fā)者。發(fā)起者提交智能情報分析項目開發(fā)需求，開發(fā)者由鏈上用戶選舉產(chǎn)生，當超過51%用戶選舉時，觸發(fā)管控合約，確定開發(fā)者；（2）第三方測試。開發(fā)者基于發(fā)起者提出開發(fā)需求，在規(guī)定時間內(nèi)完成項目，并提交完整的項目代碼和數(shù)據(jù)，與此同時還需要提交《智能情報分析項目需求分析報告》《智能情報分析項目數(shù)據(jù)設(shè)計報告》《智能情報分析項目核心算法解釋性文檔》《智能情報分析項目流程設(shè)計方案》《智能情報分析項目測試報告》［24］，提交完成后分別觸發(fā)數(shù)據(jù)合約、算法合約和管控合約；（3）選舉確定第三方。第三方同樣需要由鏈上用戶選舉產(chǎn)生，當超過51%的用戶選舉時，觸發(fā)管控合約，確定第三方；（4）第三方評估。從“數(shù)據(jù)-算法-流程”三個角度全面識別智能情報分析項目中存在的算法風險問題，并依據(jù)智能合約數(shù)據(jù)模塊和算法模塊中的規(guī)約條款提交算法風險報告，從而觸發(fā)數(shù)據(jù)合約與算法合約自動對智能情報分析項目風險進行定級；（5）風險整改。開發(fā)者收到報告后，按照時間及風險點對項目進行整改，完成后提交整改報告觸發(fā)管控合約；（6）反復(fù)校驗。第三方進行校驗，此過程會往復(fù)，直到完全符合標準后，觸發(fā)管控合約授權(quán)需求者與開發(fā)者，產(chǎn)品進入使用環(huán)節(jié)；（7）全程記賬。以上過程通過時間戳的方式存入?yún)^(qū)塊鏈賬本，而智能合約是通過規(guī)則自動觸發(fā)，因此能夠?qū)崿F(xiàn)智能情報分析算法風險實時監(jiān)測，且監(jiān)管者也能對算法風險進行全程監(jiān)管。

3.3? ? 激勵規(guī)則賦能算法風險自治機制

激勵規(guī)則就是通過規(guī)則鼓勵開發(fā)者、第三方自愿地參與到監(jiān)管者這個角色中來，以促進多方自治機制的形成。通過智能合約可以輔助智能情報分析算法風險治理環(huán)節(jié)的自動獎懲，同時監(jiān)管整個數(shù)據(jù)操作流程的合理、合法和合規(guī)，通過設(shè)置合約中的激勵規(guī)則實現(xiàn)開發(fā)者與第三方自愿參與到治理機制中來。鏈上用戶實現(xiàn)機會公平和競爭公平的同時，在激勵規(guī)則作用之下自發(fā)倡導(dǎo)、自發(fā)組織，并確保區(qū)塊鏈系統(tǒng)自我組織和自我治理，進而形成“開發(fā)者-第三方”的和諧共生與有機統(tǒng)一的自治生態(tài)。

增強開發(fā)者與第三方自愿性是激勵規(guī)則制定的主要任務(wù)，激勵規(guī)則是各主體之間達成共識意愿的關(guān)鍵點。本文采用經(jīng)濟和聲譽復(fù)合型激勵規(guī)則來解決治理主體自愿行為，使各主體誠實參與到治理的全過程中來。經(jīng)濟激勵主要是“開發(fā)者-第三方”通過線上完成任務(wù)給予的經(jīng)濟報酬。聲譽激勵則是激勵規(guī)則的核心，在去中心化的區(qū)塊鏈系統(tǒng)中，每個鏈上用戶都有平等的資格和機會參與競爭，并能夠通過工作獲得相應(yīng)的積分獎勵，鏈上積分等同于聲譽，積分高的用戶可以獲得更多的機會，使所有參與者可以跨越組織信任的邊界，創(chuàng)造一種無邊界的協(xié)同發(fā)展關(guān)系，從而鼓勵更多的節(jié)點加入算法風險治理中以獲得積分獎勵。事實上，區(qū)塊鏈的去中心化協(xié)作能更好地激勵用戶持續(xù)參與到聲譽激勵中來，鏈上用戶逐漸形成信任共識，讓貢獻者受益，破壞者受罰，甚至被淘汰（部分開發(fā)者和第三方設(shè)計的激勵規(guī)則見表1）。

依照激勵規(guī)則，開發(fā)者、第三方在區(qū)塊鏈的持續(xù)參與會得到回報，尤其是因為其聲譽提升而獲得了更多的激勵。當參與測試的企業(yè)節(jié)點誠實地持續(xù)為網(wǎng)絡(luò)做出貢獻，該協(xié)議將以聲譽評分的形式給予他們更多的特權(quán)，并由此帶來相關(guān)利益。以上激勵體現(xiàn)了參與者在參與量化方面的激勵，強調(diào)的是持續(xù)參與方面的聲譽激勵。這種激勵方式還會根據(jù)參與質(zhì)量給予不同獎勵，即參與貢獻越大，質(zhì)量越高，獎勵越大，反之亦然，強調(diào)誠信參與的聲譽激勵。通過激勵規(guī)則鼓勵算法風險治理的各方用戶積極參與進來，結(jié)合零知識證明和密碼學承諾對惡意的參與方進行積分懲罰，進而促進公平與公正。

3.4? ? 時間戳溯源賦能算法風險回溯機制

區(qū)塊鏈中每個區(qū)塊的時間戳都納入上一個區(qū)塊的時間戳，進而形成了一個嵌套式的時間戳鏈條，鏈上操作記錄按照方式前后相連，每個數(shù)據(jù)區(qū)塊的編輯歷史都被完整的記錄下來并廣播至全網(wǎng)各個節(jié)點，這確保能夠?qū)崿F(xiàn)情報分析算法風險全鏈路、端對端的追蹤溯源，找到算法風險真正的源頭實現(xiàn)事后精準問責，同時將風險降到最低［30］。智能情報分析項目中的數(shù)據(jù)、算法、流程由監(jiān)管者授權(quán)鏈上用戶訪問，授權(quán)后不僅所有數(shù)據(jù)、算法、流程都是公開的，而且供需雙方的一切聯(lián)系信息均是對稱的，即智能情報分析項目的整個鏈條數(shù)據(jù)都是可以溯源的，對于鏈上每個環(huán)節(jié)的用戶，特別是對監(jiān)管者而言，能夠通過網(wǎng)絡(luò)內(nèi)部公開信息和對稱信息來追蹤整個項目中數(shù)據(jù)與算法的來源和流向，從而強化其對智能情報分析項目運行全過程的正向信念，使得參與者之間的信任前提得以滿足。

時間戳溯源賦能算法風險回溯機制（見圖4）的流程為：（1）智能情報分析項目開發(fā)者在區(qū)塊鏈平臺上創(chuàng)建過程性記錄，包括數(shù)據(jù)選擇、算法選擇、模型設(shè)計選擇、驗證設(shè)計記錄等；（2）第三方對上傳的相關(guān)數(shù)據(jù)進行測試，然后將測試后的結(jié)果同步至區(qū)塊鏈平臺；（3）時間戳溯源的核心是監(jiān)管者，監(jiān)管者通過時間戳溯源SDK接口進行數(shù)據(jù)與算法風險點的溯源查詢，實現(xiàn)對智能情報分析算法風險的回溯與問責；（4）回溯與問責過程中要全程加強監(jiān)管者對算法知識產(chǎn)權(quán)保護，賦予開發(fā)者對算法的控制權(quán)限，否則無法保障開發(fā)者后續(xù)盈余，這樣會對開發(fā)者的積極性帶來負面影響，因此，回溯機制在最大限度保護開發(fā)者核心算法知識產(chǎn)權(quán)的同時，還要促進長效激勵機制的產(chǎn)生，以滿足利益相關(guān)者之間的利益約束。

4? ?結(jié)語

隨著算法應(yīng)用的不斷深化，防范與化解智能情報分析算法風險作為情報工作安全管理的重要任務(wù)之一，不僅能為情報工作提供基本保障，而且還能降低智能情報分析過程中的安全風險，提升情報分析精度、準度和效率。本文首先闡釋了智能情報分析算法所面臨的風險，然后從用戶層、機制層和過程層三個視角分析了區(qū)塊鏈賦能智能情報分析算法風險治理框架，最后從共識協(xié)議賦能算法風險預(yù)警機制、智能合約賦能算法風險監(jiān)測機制、激勵規(guī)則賦能算法風險自治機制和時間戳溯源賦能算法風險回溯機制四個方面分析機制核心內(nèi)涵。此外，本文尚有可拓展空間：由于區(qū)塊鏈建鏈需要較高成本，因此本文并未實際通過搭建區(qū)塊鏈平臺來驗證所提出的治理機制，但在未來的研究過程中，團隊將考慮與企業(yè)、政府合作搭建基于Hyperledger Fabic的區(qū)塊鏈治理平臺并在區(qū)域進行推廣應(yīng)用。

參考文獻：

［1］? 熊光清，熊健坤.多中心協(xié)同治理模式：一種具備操作性的治理方案［J］.中國人民大學學報，2018，32（3）：145-152.

［2］? Fu Y，Zhu J.Operation mechanisms for intelligent logistics system：A blockchainperspective［J］.IEEE Access，2019（7）： 144202-144213.

［3］? 朱婉菁.區(qū)塊鏈作為治理機制的內(nèi)在邏輯、風險挑戰(zhàn)與政策因應(yīng)［J］.探索，2020（4）：76-87.

［4］? Lumineau F，Wang W，Schilke O.Blockchain Governance—A New Way of Organizing Collaborations？［J］.Organization Science，2021，32（2）：500-521.

［5］? HUH T.Tackling the Tension between Sustainable Development and Governance through Self-organizing Governance with Blockchain［J］.The Journal of NGO Studies，2020，15（1）：145-173.

［6］? Song H，Zhu N，Xue R，et al.Proof-of-Contribution consensus mechanism for blockchain and its application in intellectual property protection［J］.Information Processing & Management，2021，58（3）： 102507.

［7］? 谷俊，許鑫.人文社科數(shù)據(jù)共享模型的設(shè)計與實現(xiàn)——以聯(lián)盟鏈技術(shù)為例［J］.情報學報，2019，38（4）：354-367.

［8］? 鄭榮，高志豪，魏明珠，等.基于聯(lián)盟區(qū)塊鏈的政府數(shù)據(jù)協(xié)同治理平臺框架研究［J］.情報學報，2022，41（10）： 1071-1084.

［9］? 周鑫，張靜，謝津，等.區(qū)塊鏈賦能突發(fā)公共衛(wèi)生事件開放數(shù)據(jù)隱私保護研究［J］.現(xiàn)代情報，2023，43（1）：141-150.

［10］? 馬費成，李志元.中國當代情報學的起源及發(fā)展［J］.情報學報，2021，40（5）：547-554.

［11］? 化柏林，李廣建.智能情報分析系統(tǒng)的架構(gòu)設(shè)計與關(guān)鍵技術(shù)研究［J］.圖書與情報，2017（6）：74-83.

［12］? 曾文，李輝，李榮，等.數(shù)據(jù)工程視角下的智能情報分析與應(yīng)用探索［J］.情報理論與實踐，2018，41（7）：31-34，59.

［13］? 王天宇，孫宇軍.智能情報算法體系的構(gòu)建［J］.中華醫(yī)學圖書情報雜志，2018，27（7）：44-48.

［14］? 李廣建，羅立群.計算型情報分析的進展［J］.中國圖書館學報，2019，45（4）：29-43.

［15］? 邱韻霏，李春旺.智能情報分析模式：數(shù)據(jù)驅(qū)動型與知識驅(qū)動型［J］.情報理論與實踐，2020，43（2）：28-34.

［16］? 曾子明，王婧.基于頂層設(shè)計的智慧反恐情報服務(wù)及保障研究［J］.情報雜志，2017，36（8）：18-22.

［17］? 劉明月，白如江，于純良，等.基于人工智能的科技情報需求自動感知研究［J］.情報理論與實踐，2019，42（9）：41-46，79.

［18］? 王天堯，吳素彬.邁向智能化的美國軍事情報工作發(fā)展研究［J］.情報雜志，2020，39（3）：1-7，80.

［19］? 王秉，黃慶文，游波，等.安全情報學方法論研究［J］.中國安全科學學報，2021，31（7）：9-14.

［20］? Lysaght T，Lim H Y，Xafis V，et al.AI-Assisted Decision-making in Healthcare： The Application of an Ethics Framework for Big Data in Health and Research［J］.Asian Bioeth Rev，2019，11（3）：299-314.

［21］? 黎夢兵.數(shù)字中國背景下算法決策的社會信任機制研究［J］.理論導(dǎo)刊，2021（10）：90-95.

［22］? 王燃.大數(shù)據(jù)司法監(jiān)督機制研究［J］.湖南科技大學學報（社會科學版），2021，24（3）：132-141.

［23］? Vassilopoulou J，Kyriakidou O，zbilgin M F，et al.Scientism as illusio in HR algorithms：Towards a framework for algorithmic hygiene for bias proofing［J］.Human Resource Management Journal，2022：1-15.

［24］? 張濤，馬海群.智能情報分析中數(shù)據(jù)與算法風險識別模型構(gòu)建研究［J］.情報學報，2022，41（8）：832-844.

［25］? 付俊文，趙紅.利益相關(guān)者理論綜述［J］.首都經(jīng)濟貿(mào)易大學學報，2006（2）：16-21.

［26］? 馬海群.總體國家安全觀下情報工作保障體系構(gòu)建研究［J］.情報資料工作，2021，42（3）：71-81.

［27］? 鄭榮，張薇，高志豪.基于區(qū)塊鏈技術(shù)的政府數(shù)據(jù)開放共享平臺構(gòu)建與運行機制研究［J］.情報科學，2022，40（5）：137-143.

［28］? 杜宇，王宏業(yè)，胡至洵.基于區(qū)塊鏈激勵機制下區(qū)域性高校文獻信息資源共建共享研究［J］.農(nóng)業(yè)圖書情報學報，2022，34（4）：74-83.

［29］? 張濤，馬海群.智能情報分析中算法風險及其規(guī)制研究［J］.圖書情報工作，2021，65（12）：47-56.

［30］? Brandin R，Sepehr A.Information traceability platforms for asset data lifecycle：blockchain-based technologies［J］.Smart & Sustainable Built Environment，2021，10（3）：364-386.

作者簡介：馬海群，男，黑龍江大學信息資源管理研究中心教授，博士生導(dǎo)師；張濤，男，黑龍江大學信息管理學院副教授。