基于三方演化博弈的平台信息安全治理研究

曲薪池 侯贵生

摘 要：[目的/意義]考虑多主体参与，以及平台两阶段决策，研究平台信息安全治理问题。[方法/过程]通过构建平台、用户及政府间微分博弈模型，并考虑平台对用户维权的反制行为，仿真分析三方参与主体初始意愿、用户维权成本、政府对平台泄露用户信息惩罚力度、政府对用户不实维权惩罚力度等参数对各参与主体行为策略演化的影响。[结果/结论]1）三方参与主体初始意愿显著影响各参与主体后续行为策略演化方向以及收敛速度;2）随着用户维权成本的增加，用户维权概率降低、政府积极规制概率上升，但是，平台泄露用户信息的概率先上升后小幅.降;3）随着政府对用户不实举报惩罚力度的降低，虽增加了用户维权概率，但未能降低平台泄露用户信息的概率;4）相较于政府降低对用户不实举报惩罚力度，政府更应当致力于降低用户维权成本，加大对平台泄露用户隐私信息的惩罚力度，提升平台保护用户隐私信息的初始意愿。

关键词：平台;信息安全治理;隐私信息保护;平台反制;初始意愿;微分博弈;政府监管

DOI：10.3969/j.issn.1008-0821.2020.07.012

〔中图分类号〕F259.2;G203 〔文献标识码〕A 〔文章编号〕1008-0821（2020）07-0114-12

Governance of Platform Information Security

Based on Tripartite Evolutionary Game

Qu Xinchi Hou Guisheng

（College of Economics and Management，Shandong University of Science and Technology，

Qingdao 266590，China）

Abstract：[Purpose/Significance]Considering multi-agent participation and two-stage decision-making of the platform，this paper studies the information security governance of the platform.[Methods/Process]By constructing the differential game model among platform，user and government，and considering the platforms counter action of safeguarding users rights，we simulated and analyzed the influence of the initial intention of the three parties involved，the cost of users safeguarding rights，the punishment of the government for disclosing users information to the platform，the punishment of the government for users untruthful safeguarding rights and other parameters on the evolution of behavior strategies of the participants.[Result/Conclusion]（1）the initial willingness of the three parties significantly affected the evolution direction and convergence speed of the subsequent behavior strategies of each participant;（2）with the increase of the cost of user rights protection，the probability of user rights protection decreased，and the probability of government active regulation increased，but the probability of platform leaking user information increases first and then decreased slightly;（3）with the decrease of the governments punishment on users false reports Low，with the increase of the probability of users rights protection，but failed to reduce the probability of the platform leaking user information;（4）compared with the governments efforts to reduce the punishment for false reports of users，the government should be more committed to reducing the cost of users rights protection，increasing the punishment for the platform leaking users privacy information，and improving the initial intention of the platform to protect users privacy information.

Key words：platform;information security governance;privacy information protection;platform counteraction;initial will;differential game;government supervision

隐私信息泄露与贩卖使得信息所有者遭受了巨大的困扰和经济损失，甚至于将信息所有者置于部分恶劣刑事案件，而不断涌现的信息泄露案件更是凸显了政府监管缓解信息泄露威胁的失败[1]。隐私信息泄露问题现已成为世界各国公共治理难题，无论是个体还是组织，均无时无刻不在面临着隐私信息泄露问题的困扰。就消费者而言，根据中国消费者协会《2018年个人信息泄露情况调查报告》所发布的数据可知，仅中国网民由于隐私信息泄露所遭遇网络诈骗的经济损失就已超过千亿元人民币，大约75.0%的被访者接到过诈骗电话;除此之外，调查数据还显示：高达85.2%的被访者认为个人信息被泄露，86.5%的被访者遭遇过推销电话与短信骚扰。就企业而言，2019年华为包裹事件更是震惊世界，虽暂时无法评估具体损失，但该事件不仅对华为与联邦快递的合作关系造成了冲击，更为政府加强平台信息监管以及加大对用户隐私信息保护起到了一定的警示作用。

基于对隐私信息泄露与贩卖（以.统称“隐私信息泄露”）可能引发的社会公共问题的担忧，隐私信息泄露与保护问题当前已经被学者们所关注。隐私信息泄露，尤其是用户留存于服务平台的隐私信息被平台亦或者平台内职员（为简便，以.统称为“平台”）兜售贩卖一直是政府治理的难点，用户维权的盲目性以及平台泄露信息证据的难以获取，限制了政府对平台信息泄露治理的效果。隐私信息贩卖可以为信息泄露方带来直接的经济利益，并为此催生了复杂的利益链条，各参与者彼此分工，但归根结底，信息泄露的源头就是掌握信息的各类信息搜集平台[2]。Kealy A等研究认为，企业隐私信息泄露将对企业的上.游合作关系与未来收益造成损失[3]。王羽通过剖析顺丰职员泄露用户隐私信息非法获利200余万元案件，认为当前出现的一些隐私信息泄露问题警示政府必须从源头进行预防[4]。由于用户隐私信息泄露多是由于掌握信息的平台为牟取非法暴利恶意泄露所致，因此，可将信息的泄露与维权问题简单地归结为信息所有者（用户）与信息泄露方（平台）间的投机牟利与维护权益的博弈问题。众所周知，平台泄露用户隐私信息成本较低，但却可以在短期内获得较高的利益回报[5];而用户在遭遇信息泄露困扰时，却往往处于弱势地位，证据难以收集、维权直接经济利益较低等因素致使多数用户放弃了隐私泄露维权，这更助长了平台泄露用户信息的概率[6]。固然，在网络发达的今天，用户可直接通过网络咨询等手段向政府举报，但由于维权证据的不完备性，甚至于举报不实事件的时有发生，给政府便民工作带来了相当大的麻烦。政府作为社会治理的主体，已然意识到治理信息泄露问题的严峻性;然而，由于政府治理需要投入巨额的财政，因此，政府不可能深入到各行各业开展信息监管治理，这就给平台牟取非法利益，投机泄露用户隐私信息留.了隐患[7]，是故，为防治平台泄露用户隐私信息问题，保障社会健康发展，政府多采取群众举报、政府调查惩治的双层监管体系，以降低监管成本[8]。政府监管在一定程度上打击了平台违法犯罪，但由于信息泄露的隐蔽性，且用户举报多为无证举报、甚至是不实举报，所以导致了政府实际规制效果不尽理想。另外，针对隐私信息泄露问题，学者们主要从隐私信息泄露与保护的相关利益主体[9]、隐私信息技术保护[10]、隐私信息立法保護[11]等角度展开了研究。基于对物流快递用户隐私信息泄露的担忧，耿勇等从发（收）货方、第三方平台、监管方角度研究了用户隐私信息泄露防范问题，提出了综合政府监管、技术保护以及第三方管理的用户隐私信息保护策略[9]，胡小飞等构建了用户与物流企业间的隐私信息保护演化博弈模型[12]。就隐私信息技术保护方法而言，韦茜等、张新文等从计算机加密角度分别提出基于k-匿名的隐私保护方法和二维码加密技术[13-14]。在立法方面，英国与美国分别从平台角度和平台内职员角度，强制平台和平台内职员必须分别持有经营许可证和就业安全号[15-16]。这些方法在一定程度上保护了用户隐私信息安全，但是当前仍然存在隐私被泄露的风险。

用户隐私信息泄露与保护是一个动态系统工程问题，其中涉及到平台投机非法牟利、用户维权、政府监管以及平台追究用户不实举报等问题，各参与主体的行为在一定程度上均可以影响到其他参与主体的策略选择，但不可否认的是，各参与主体在博弈过程中行为决策均具有一定的非理性表现，且各参与主体的行为决策绝非是静态稳定的，而往往是动态变化的。现有理论中，兴起于20世纪90年代的演化博弈理论摒弃了经典博弈理论中的完全理性假设和完全信息条件，该研究范式为研究平台用户隐私信息泄露与保护提供了有力的研究方法[17]。胡小飞等基于演化博弈理论构建了物流平台与用户隐私信息保护博弈模型[12]，耿勇等基于演化博弈视角审视了用户隐私信息保护相关利益方，提出了综合政府监管、技术保护以及第三方管理的用户隐私信息保护策略[9]。此外，刘新民等[18-19]、吴洁等[20]分别在演化博弈应用研究过程中发现，参与主体的初始意愿对系统演化具有显著影响。

综上所述，国内外学者对隐私信息泄露与保护、演化博弈等方面的相关研究对平台内用户隐私信息保护研究具有重要的借鉴意义，但是仍然存在着一些不足之处。一是学者们虽构建了用户与平台间隐私信息保护演化博弈数学模型，但未将直接影响平台行为的政府监管引入模型设计，降低了模型的适用性。二是上述研究忽视了用户隐私信息遭遇泄露后用户的维权权力，间接的未能考虑用户维权对系统演化的影响。用户维权有利于净化信息搜集与泄露市场，但是，不可否认的是，用户不实维权不仅损害了平台声誉，亦给政府工作带来了麻烦，更未考虑平台追究用户不实举报对系统演化的影响，即未能考虑平台的反制行为对系统演化的影响。三是学者们忽视了社会初始环境亦或者系统中各参与主体的初始意愿对系统演化的影响。本文将耿勇等[9]、胡小飞等[12]、刘新民等[18]学者的研究成果，运用演化博弈理论构建包含平台、用户以及政府的三方演化博弈数学模型，通过将平台泄露用户隐私信息初始意愿、用户维权初始意愿、政府积极规制初始意愿引入模型设计[21]，刻画用户隐私信息泄露与保护过程中各参与主体的行为策略学习与动态演化过程，探讨三方参与主体初始意愿、用户维权成本、政府对平台泄露用户信息惩罚力度、政府对用户不实举报惩罚力度等参数对系统演化的影响。

1 问题描述与参数设置

1.1 问题描述

本研究假定平台、用户、政府均为有限理性个体，相互之间信息具有不对称性特征;用户维权举报和政府规制共同构成公共隐私保护的双保险体系，视平台、用户、政府以及外部环境形成一个有机的用户隐私信息泄露与保护生态系统。在信息泄露成本低、获利高的情境.，出于机会主义动机[22]，平台为牟取非法暴利具有泄露用户隐私信息的倾向，因此，记平台策略包括泄露隐私信息和不泄露隐私信息。用户作为隐私信息泄露的受害者，拥有向政府维权的权力，因此，记用户策略包括维权和不维权。政府作为社会公共问题的治理主体，可以采取积极规制策略，主动对平台是否泄露用户隐私信息进行调查，形成公共信息监管预期，并对泄露用户隐私信息的平台进行惩罚，对用户的不实举报行为进行惩罚;亦可以采取消极规制策略，待用户维权时对用户维权对象予以调查，最后对泄露用户隐私信息的平台进行惩罚。在平台未泄露用户隐私信息的情境.，用户维权将对平台声誉造成影响，此时平台将采取反制措施维护平台声誉，以避免不必要的损失。

1.2 模型假設

1）当平台泄露用户隐私信息时，将对用户造成损失m，平台泄露用户隐私信息的直接收益为a，选择泄露用户隐私信息策略的概率为y;用户在意识到自身隐私信息被泄露时，用户将以概率x采取维权策略，用户维权成本为c1，需要注意的是，用户维权对象并不一定是真正泄露用户隐私信息的平台;当用户维权对象为泄露用户隐私信息的平台时，平台需向用户支付K单位赔偿;对于未泄露用户隐私信息，但遭遇用户维权的平台而言，平台声誉将造成损失n，此时，平台将通过支付成本c2以维护自身声誉。

2）政府以概率z采取积极规制策略，积极规制成本为c3，相较于用户维权成本，政府积极规制成本显著高于用户维权成本。假定政府对平台泄露用户隐私信息的行为进行惩罚，惩罚上限f高于平台泄露用户隐私信息的直接收益，惩罚力度为α，α∈[0，1]，因此，政府对泄露用户隐私信息的平台实际惩罚额度为αf。由于用户的不实举报不仅增加了政府工作负担，同时对平台声誉造成了损失，因此，假定在政府积极规制时，政府将对用户的不实举报行为进行惩罚，记F为政府对用户的惩罚上限，惩罚力度为σ，σ∈[0，1]，因此，政府对用户不实举报的实际惩罚额度为σF。

3）对于消极规制的政府而言，若平台泄露用户隐私信息且用户维权，则政府将因为先期不作为而损失r1;若平台泄露用户隐私信息且用户不维权，则政府将因社会公共隐患的存在而损失r2，r2显著大于r1;若平台未泄露用户隐私信息，而用户维权，则政府收益为0;若平台未泄露用户隐私信息，而用户不维权，则政府收益为b2，平台与用户收益均为0。对于积极规制的政府而言，若平台不泄露用户隐私信息且用户不维权，则政府将获得最佳的社会治理效果，记此时政府收益为b2;若平台不泄露用户隐私信息但用户维权，则政府将因平台无违法行为而收益b1;但由于用户维权现象的存在，b1显著小于b2。

4）政府积极规制时，由于用户维权对未泄露用户隐私信息的平台声誉造成了损失，平台将对声誉进行维护，此时，平台通过维护声誉可以扩大企业或品牌的市场影响力，间接获得收益d;若用户没有维权行动，未泄露用户隐私信息的平台将获得额外收益e，用户收益为0。

5）记用户维权初始意愿、平台泄露用户隐私信息初始意愿、政府积极规制初始意愿分别为x0，y0，z0∈[0，1]，系统中三方参与主体行为策略随着时间的推移而变化。上述假设中相关参数如表1所示。

2 模型构建与求解分析

2.1 模型构建

平台、用户、政府在隐私信息泄露、维权与规制博弈过程中，三者独立的选择各自策略，并随着时间的推移，三方参与主体不断的学习、调整各自行为策略。此外，假定在平台未泄露用户隐私信息却遭遇用户维权时，平台将通过申诉以维护平台声誉，避免不必要的损失。表2为三方参与主体博弈过程中的支付矩阵。

由博弈支付矩阵可以分别计算得到：

1）用户维权时期望收益为：

Ex=y（K-m）-（1-y）zσF-c1

用户不维权时期望收益为：

E1-x=-ym

根据Taylor提出的复制动态方程模型[23]，记用户选择维权策略的概率增长率为（x）/x，则用户的复制动态方程可以表述为：

（x）=dxdt=x（1-x）[yK-（1-y）zσF-c1]（1）

2）平台泄露用户隐私信息时期望收益为：

Ey=a-xK-（x+z-xz）αf

平台不泄露用户隐私信息时期望收益为：

2.2 系统稳定性分析

2.2.1 复制动力系统与雅可比矩阵

首先，构建用户策略集合，定义：

用户维权时， x=1

用户不维权时，x=0

同理，构建平台以及政府的策略集合为：

联立用户、平台以及政府的复制动态方程式（1）～（3），即可得到三方参与主体演化博弈过程的三维复制动力系统式（4）。根据Friedman给出的系统稳定性判定方法[24]，构建三维复制动力系统的雅可比矩阵，用以判定三方演化博弈均衡点的局部稳定性。平台隐私信息泄露与保护三维复制动力系统的雅可比矩阵如式（5）所示。令用户、平台以及政府的复制动态方程右式均为0，即可得到三维复制动力系统（4）的9个均衡点，包括8个角点E（0∨1，0∨1，0∨1）和1个可能存在的非角点E（x*，y*，z*）。由演化博弈理论和Friedman判定方法可知，系统均衡点为三维复制动力系统演化稳定点的充分必要条件为：将系统平衡点带入雅克比矩阵后，当且仅当该雅克比矩阵的所有特征值满足非正条件。

2.2.2 均衡点稳定性分析

由式（5）三维复制动力系统的雅克比矩阵，代入系统均衡点可以得到相对应的雅克比矩阵和矩阵特征值。.面首先给出策略子集E1（0，0，0）对应的雅克比矩阵，即用户不维权、平台不泄露用户隐私信息、政府消极规制时三维复制动力系统的雅克比矩阵：

J1=-c100

0a0

00-c3

由雅克比矩阵J1可知其对应的3个特征值分别为λ1=-c1、λ2=a、λ3=-c3。显然，当前所构建的三方演化博弈模型中，由于a>0恒成立，不满足雅克比矩阵的所有特征值非正条件，因此策略子集E1（0，0，0）一定不是三维复制动力系统的演化稳定点。同理，将其余8个策略子集代入雅克比矩阵J，便可得到与所有策略子集相对应的三维复制动力系统雅克比矩阵和矩阵特征值表3。

从表4系统稳定性矩阵可知，影响用户隐私信息泄露与保护三维复制动力系统演化趋势的参数较多，且关系复杂，同时，单一参数的变化显著影响系统演化趋势。通过观察特征值λ1可以发现，指标c1与指标σF+c1大于0恒成立，而变数主要由K-c1的正负产生。因此，为便于研究用户隐私信息泄露与保护三维复制动力系统的稳定性与演化趨势，不失一般性，首先将模型分为两大类情形（情形1：K>c1和情形2：K

情形1.（如表5所示）：前提条件为K>c1，又由于a、c3、c1、c1+σF均为正值，所以三维复制动力系统的雅克比矩阵特征值λ1（E3），λ1（E4），λ1（E5），λ1（E6）>0和λ2（E1），λ3（E2）>0恒成立，因此此情形.仅存在策略子集E7（1，1，0）和E8（1，1，1）可能为三维复制动力系统的演化稳定点。

1）当r1>c3时，在a+n1+c2-K-αf>0的条件.，若a+n1+c2-K-d-αf>0亦成立，则策略子集E8（1，1，1）为三维复制动力系统的演化稳定点;而若a+n1+c2-K-d-αf<0，则所研究的三维复制动力系统将无演化稳定均衡策略。在a+n1+c2-K-αf<0的条件.，势必使得a+n1+c2-K-d-αf<0一定成立，此时，所研究的三维复制动力系统将无演化稳定均衡策略。

1）当r10，则策略子集E7（1，1，0）必定为所研究的三维复制动力系统的演化稳定均衡策略，此时，系统的演化稳定性与演化趋势与参数d（政府积极规制且用户维权时未泄露用户隐私信息的平台保誉收益）无关。而若a+n1+c2-K-αf<0时，则所研究的三维复制动力系统不存在演化稳定均衡策略。

情形2.（如表6所示）：前提条件为K0和λ2（E1），λ3（E2）>0恒成立，因此此情形.仅存在策略子集E3（0，1，0）和E4（0，1，1）可能为三维复制动力系统的演化稳定点。

1）当αf+r2>c3时，由于λ3（E4）>0，所以策略子集E3（0，1，0）一定不是三维复制动力系统的演化稳定点。同时，若a-e>αf成立，则策略子集E4（0，1，1）为三维复制动力系统的演化稳定点;而若a-e<αf，则所研究的三维复制动力系统不存在演化稳定均衡策略。

2）当αf+r20，所以策略子集E4（0，1，1）一定不是三维复制动力系统的演化稳定点。同时，由于-a<0恒成立，因此策略子集E3（0，1，0）一定为三维复制动力系统的演化稳定点。

制且用户维权时未泄露用户隐私信息的平台保誉收益）无关。而若a+n1+c2-K-αf<0时，则所研究的三维复制动力系统不存在演化稳定均衡策略。

3 数值模拟

为进一步分析用户维权成本、政府政策工具以及三方参与主体初始意愿对系统演化趋势的影响机理，并直观刻画系统演化稳定点中的非角点（E（x*，y*，z*），x*∨y*∨z*≠0∨1）的具体演化趋势，本研究将平台信息泄露与安全治理过程中的客观事实，设置模型参数，运用MATLAB软件对系统演化趋势进行仿真模拟。首先，由于三维复制动力系统的解析解难以给出，因此本研究将通过给出四阶、五阶Runge-Kutta算法的数值解以代替精确解。

3.1 参数设置

平台泄露用户隐私信息可以牟取非法暴利是致使平台泄露用户隐私信息的根源，因此本研究首先记平台泄露用户隐私信息可以获得的直接收益为a=2.5，然后以此为基准，根据政府、用户及平台信息泄露与保护的动态博弈过程，设定其它相关参数，以保证仿真分析的合理性。用户隐私信息遭遇泄露时，用户将可能在时间（电话或信息骚扰）、财富（被诈骗）等方面受到损失，用户有权向政府申诉进行维权，但是，对于不同的维权渠道、维权方式，用户维权成本差异较大。因此，为研究用户维权成本对系统演化路径的影响，将用户维权成本设定为c1=Ω（0.2，0.5，0.8），分别对应用户维权成本的低、中、高水平。若用户维权对象确实存在泄露用户隐私时，平台需向用户支付赔偿K=2;就平台泄露用户隐私问题，政府对平台惩罚上限记为f=3;事实证明，用户在隐私遭遇泄露进行维权时，“病急乱投医”问题时有发生，尤其是用户通过媒体、网络维权时，将对未泄露用户隐私的平台声誉造成巨大损失，记平台此时损失为n=3。平台为维护品牌和企业形象，将不得不对用户的不实维权采取措施，记平台需支付的保誉成本为c2=1;若政府积极规制，则平台可以通过事件提升企业品牌影响力，此时平台收益记为d=5。由于政府主动对平台泄露用户隐私进行调查成本较高，因此记政府积极规制成本c3=1.5。政府消极规制情境.，若平台泄露用户隐私且用户进行维权，政府将承受较小的由于社会问题造成的损失r1=1，而若平台泄露了用户隐私信息、且用户未进行维权，将隐藏严重的社会问题，政府将承受较大的损失r2=3。由于用户不实维权不仅影响平台声誉、降低政府办事效率，而且会滋生一系列的社会问题，因此引入政府对用户不实维权惩罚;政府积极规制时，政府将对用户不实维权进行惩罚，以避免社会谣言的滋生，记政府对用户不实维权惩罚上限为F=3;若用户未采取维权措施，平台将由于处在一个较好的发展环境中得到一个额外收益e=1。此外，记平台不泄露用户隐私但用户维权时，政府收益为b1=1。

最后，借鉴刘新民等学者[18-19]在多参与主体博弈问题中对参与主体初始意愿的设置方法，将用户维权初始意愿、平台泄露用户隐私信息初始意愿、政府积极规制初始意愿划分为低、中、高三级，并记为x0，y0，z0=Ω（0.2，0.5，0.8），以研究参与主体初始意愿对系统演化趋势的影响。

3.2 仿真分析

基于四阶、五阶Runge-Kutta算法，利用MATLAB软件绘制用户、平台以及政府行为策略演化轨迹，进而探讨三方参与主体初始意愿、用户维权成本以及政府政策工具对系统演化的影响。

3.2.1 参与主体初始意愿对系统演化的影响

控制其他参数不变，图1中3幅子图分别对应三方参与主体，用户维权初始意愿、平台泄露用户隐私初始意愿以及政府积极规制意愿对三方参与主体行为策略演化轨迹的影响。显然，三方参与主体初始意愿的变化对系统演化路径影响显著。由图1（a）可知，当用户维权初始意愿较低时（x0=0.2），用户行为策略经过较为漫长时间的演化，最终向不维权方向演化;随着用户维权初始意愿的提高，用户行为策略向维权方向收敛的速度加快，用户维权概率增加。由图1（b）可知，当平台泄露用户隐私初始意愿较低时（y0=h2），平台行为策略演化不稳定，平台泄露用户隐私的概率浮动于0.2～0.4之间;随着平台泄露用户隐私初始意愿的提高，平台行为策略向泄露用户隐私方向收敛的速度加快，平台泄露用户隐私信息的概率增加。由图1（c）可知，当政府积极规制初始意愿水平较高时（z0=0.8），政府行为策略向积极规制方向演化;而当政府积极规制初始意愿处于中低水平时（z0=0.2，0.5），政府行为策略向消极规制方向演化，随着政府积极规制初始意愿的提高，政府行为策略向消极规制方向收敛的速度降低。因此，为保护用户隐私，政府必须首先降低平台泄露用户隐私的初始意愿。

3.2.2 用户维权成本对系统演化的影响

控制其他参数不变，图2中3幅子图分别对应用户维权成本对三方参与主体行为策略演化的影响。显然，用户维权成本的变化对系统演化路径影响显著。当前参数设定前提.：由图2（a）可知，用户维权成本的增加，降低了用户行为策略向不维权方向收敛的速度。由图2（b）可知，用户维权成本与平台行为策略演化路径间的关系较为复杂。当用户维权成本较低时（c=0.2），平台行为策略向不泄露用户隐私方向演化;随着用户维权成本的增加，当用户维权成本c=0.5时，平台泄露用户隐私的概率收敛于0.5左右;随着用户维权成本的继续增加，当用户维权成本c=0.8时，平台泄露用户隐私的概率出现一定程度的.降，收敛于0.46左右。由图2（c）可知，当用户维权成本较低时（c=0.2），政府行为策略向消极规制方向演化;随着用户维权成本的增加，当用户维权成本c=0.5时，政府行为策略向积极规制方向演化;随着用户维权成本的继续增加，当用户维权成本c=0.8时，政府行为策略向积极规制方向收敛的速度加快。从中可以发现，较低的用户维权成本抑制了平台行为策略向泄露用户隐私方向演化，随着用户维权成本的增加，平台泄露用户隐私的概率增加;但是，当用户维权成本较高时，用户维权积极性显著降低，平台泄露用户隐私如果无法得到有效规制，不仅会对用户造成困扰，也将对政府造成损失，此时，政府必须主动提高对平台泄露用户隐私的规制力度，降低平台泄露用户隐私的概率，即出现了图2平台行为策略演化路径与用户维权成本关系图中当用户维权成本较高时，而平台泄露用户隐私概率.降的情形。

3.2.3 政府对平台泄露用户隐私信息惩罚力度对系统演化的影响～

控制其他参数不变，图3中3幅子图分别对应政府对平台泄露用户隐私信息惩罚力度对三方参与主体行为策略演化的影响。显然，政府对平台泄露用户隐私信息惩罚力度的变化对系统演化路径影响显著。当前参数设定前提.：由图3（a）可知，当政府对平台泄露用户隐私信息惩罚力度较小时（α=0.2），用户行为策略以较快速度向维权方向演化;当政府对平台泄露用户隐私信息惩罚力度处于中高水平时（α=0.5，0.8），用户行为策略向不维权方向演化，政府对平台泄露用户隐私信息惩罚力度的增加，加快了用户行为策略向不维权方向演化的收敛速度。由图3（b）可知，当政府对平台泄露用户隐私信息惩罚力度较小时（α=0.2），平台行为策略向泄露用户隐私信息方向演化;当政府对平台泄露用户隐私信息惩罚力度处于中等水平时（α=0.5），平台行为策略先小幅向泄露用户隐私信息方向演化，然后迅速大幅向不泄露用户隐私信息方向演化，最后收敛于平台泄露用户隐私信息的概率为y=0.5。当政府对平台泄露用户隐私信息惩罚力度处于较高水平时（α=0.8），平台行为策略演化不稳定，平台泄露用户隐私信息的概率浮动于0.2～0.4之间。由图3（c）可知，当政府对平台泄露用户隐私信息惩罚力度较小时（α=0.2），政府行为策略以较快速度向积极规制方向演化;随着政府对平台泄露用户隐私信息惩罚力度的增加，当政府对平台泄露用户隐私信息惩罚力度处于中等水平时（α=0.5），政府行为策略向积极规制方向演化的收敛速度显著降低;当政府对平台泄露用户隐私信息的惩罚力度处于较高水平时（α=0.8），政府行为策略演化不稳定，政府积极规制概率浮动于0.5～0.9。

3.2.4 政府对用户不实举报惩罚力度对系统演化的影响

在控制其他参数不变的情境.，图4中3幅子图分别对应政府对用户不实举报惩罚力度对三方参与主体行为策略演化的影响。显然，政府对用户不实举报惩罚力度的变化对系统演化路径影响显著且复杂。当前参数设定前提.：由图4（a）用户行为策略演化路径与政府对用户不实举报惩罚力度关系图可知，当政府对用户不实举报惩罚力度较小时（σ=0.2），用户行为策略以较快速度向维权方向演化;当政府对用户不实举报惩罚力度处于中高水平时（σ=0.5，0.8），用户行为策略向不维权方向演化，政府对用户不实举报惩罚力度的增加，加快了用户行为策略向不维权方向演化的收斂速度。由图4（b）平台行为策略演化路径与政府对用户不实举报惩罚力度关系图可知，当政府对用户不实举报惩罚力度较小时（σ=0.2），平台行为策略快速向泄露用户隐私信息方向演化;随着政府对用户不实举报惩罚力度的增加，当政府对用户不实举报惩罚力度处于中高水平时（σ=0.5，0.8），平台泄露用户隐私信息的概率分别收敛于0.5和0.42附近。由图4（c）政府行为策略演化路径与政府对用户不实举报惩罚力度关系图可知，当政府对用户不实举报惩罚力度较小时（σ=0.2），政府行为策略以较快速度向积极规制方向演化;随着政府对用户不实举报惩罚力度的增加，政府行为策略向积极规制方向演化的速度先降低后上升。从中可以发现，政府对用户不实举报惩罚力度的增加，一定程度上降低了用户维权概率，在适当的条件.可以规制用户不实维权行为。但是，政府对用户不实举报惩罚力度的降低虽增加了用户维权概率，但未能降低平台泄露用户隐私信息的概率，这与当前实际相吻合，即政府向社会开放了诸多的维权渠道，但是平台依然肆意泄露用户隐私信息。因此，政府向社会公众开放维权渠道可以作为限制平台泄露用户隐私信息的手段，但是，政府更应该努力降低用户维权成本，并加强对平台泄露用户隐私信息的惩罚力度。

4 结 语

平台信息泄露现已成为世界各国公共问题治理难题，面对隐私信息不断被泄露，政府作为社会公共问题治理方，必须加强市场监管，保护信息所有者合法权益，以维护市场稳定。本文通过构建平台、用户及政府间三方演化博弈模型，模拟了平台、用户及政府三方参与主体行为策略博弈与学习过程，并借助MATLAB软件数值仿真了三方参与主体初始意愿、用户维权成本、政府对平台泄露用户隐私信息惩罚力度、政府对用户不实举报惩罚力度等参数对所构建系统演化路径的影响，进一步挖掘了模型的深层次含义。根据推理与仿真结果，得出以.几点结论与启示：1）平台泄露用户隐私信息初始意愿、用户维权初始意愿及政府积极规制初始意愿显著正向影响三者后续行为策略的演化方向和收敛速度。社会环境直接影响到三方参与主体的行为决策，在用户习惯了上访维权的环境中，用户在遭遇隐私信息泄露时，具有较高的维权概率;同理，当平台泄露用户隐私信息的初始意愿较高时，平台具有较高的泄露用户隐私信息的概率;政府规制意愿较高时，政府以较高的概率对市场进行监管。因此，政府应通过培养积极健康的用户隐私信息保护环境[25]，提升平台保护用户隐私信息初始意愿。2）用户维权成本的增加，降低用户不实举报概率的同时，亦降低了用户合法权益维权概率，提高了政府积极规制概率，使得平台泄露用户隐私信息的概率先上升后小幅.降。3）政府对用户不实举报惩罚力度的增加，降低了用户维权概率，可以在一定程度上避免用户无端维权对平台造成的损失，但也降低了用户合法权益维权概率;同时，政府对用户不实举报惩罚力度的降低，虽增加了用户维权概率，却未能降低平台泄露用户隐私信息的概率。综合结论2）与结论3）可知，政府应在保证用户维权渠道畅通、降低用户维权成本的同时，引入第三方辅助，如鼓励律师事务所、政府咨询部门等[26]，向用户提供法律咨询，切实使得用户维权有法可依、有据可查，进而降低平台泄露用户隐私信息的可能性。4）相较于政府降低对用户不实举报惩罚力度，提升用户维权概率，政府更应当加大对平台泄露用户隐私信息的惩罚力度[27]，提升平台保护用户隐私信息的初始意愿。

参考文献

[1]Feldman A J.Privacy and Integrity in the Untrusted Cloud[C].2012.

[2]Hunt T，Song C，Shokri R，et al.Chiron：Privacy-preserving Machine Learning as a Service[J].Proceedings on Privacy Enhancing Technologies，2018，（3）：123-142.

[3]Kealy A，Retscher G，Toth C，et al.Collaborative Navigation as a Solution for PNT Applications in GNSS Challenged Environments-Report on Field Trials of a Joint FIG/IAG Working Group[J].Journal of Applied Geodesy，2015，9（4）：244-263.

[4]王羽.顺丰11名员工出售用户信息获刑，涉及用户信息千万条涉案金额达200余万元[J].上海企业，2018，（6）：84-86.

[5]Eom S，Huh J.Group Signature with Restrictive Linkability：Minimizing Privacy Exposure in Ubiquitous Environment[J].Journal of Ambient Intelligence & Humanized Computing，2018，（4）：1-11.

[6]唐琼琼.第三方支付中的消费者权益保护问题研究[J].河北法学，2015，33（4）：115-124.

[7]Brown，Alasdair.The Distribution of Information in Speculative Markets：A Natural Experiment[J].The European Journal of Finance，2016，22（2）：105-119.

[8]张新宝，任彦.网络反腐中的隐私权保护[J].法学研究，2013，35（6）：104-118.

[9]耿勇，孙军锋.快递实名制.用户隐私泄露风险防范[J].中国流通经济，2017，31（11）：122-128.

[10]徐伟，张祥爱.快递消费者个人信息泄露的原因与治理研究——以灰色利益链为视角[J].物流工程与管理，2017，（12）：136-138.

[11]严贝妮，叶宗勇，段梦丽.快递用户个人信息安全隐患成因解析——基于用户角度的调查研究[J].現代情报，2018，38（2）：91-95.

[12]胡小飞，曾聪，郭宇雯.快递物流业个人信息隐私保护的演化博弈分析[J].现代情报，2019，39（6）：142-148.

[13]韦茜，李星毅.基于K-匿名的快递信息隐私保护应用[J].计算机应用研究，2014，31（2）：555-557，567.

[14]张新文，李华康，杨一涛，等.基于二维码技术的个人信息隐私保护物流系统[J].计算机应用研究，2016，33（11）：3455-3459.

[15]郭宗杰.邮政普遍服务法律问题研究[J].暨南学报：哲学社会科学版，2012，34（10）：95-100.

[16]Berghel，Hal.Identity Theft，Social Security Numbers，and the Web[J].Communications of the ACM，2000，43（2）：17-21.

[17]Weibull.Evolutionary Game Theory[M].Cambridge，Massachusetts：MIT Press，1995.

[18]刘新民，孙向彦，吴士健.政府规制.众创空间创业生态系统发展的演化博弈分析[J].商业经济与管理，2019，（4）：71-85.

[19]刘新民，孙向彦，吴士健.双重治理体制.企业碳排放的演化博弈分析——基于初始意愿差异化视角[J].系统工程，2019，37（3）：31-47.

[20]吴洁，车晓静，盛永祥，等.基于三方演化博弈的政产学研协同创新机制研究[J].中国管理科学，2019，27（1）：162-173.

[21]Hubble M A，Gelso C J.Effect of Counselor Attire in an Initial Interview[J].Journal of Counseling Psychology，1978，25（6）：581-584.

[22]Balakrishnan V，Claiborne L.Participatory Action Research in Culturally Complex Societies：Opportunities and Challenges[J].Educational Action Research，2016，（7）：185-202.

[23]Taylor P D，Jonker L B.Evolutionary Stable Strategies and Game Dynamics[J].Mathematical Biosciences，1978，40（1）：145-156.

[24]Friedman，Daniel.Evolutionary Games in Economics[J].Econometrica，1991，59（3）：637-666.

[25]姚朝兵.个人信用信息隐私保护的制度构建——欧盟及美国立法对我国的启示[J].情报理论与实践，2013，36（3）：20-24.

[26]戴昕.公众人物的隐私保护：一个框架性理论重述[J].现代法学，2017，39（2）：166-180.

[27]王敏.大数据时代如何有效保护个人隐私？——一种基于传播伦理的分级路径[J].新闻与传播研究，2018，25（11）：70-93，128-129.

（责任编輯：孙国雷）