隐私边界冲突下社会化媒体共同隐私信息规制研究

朱侯

（中山大学信息管理学院，广州 510006）

1 引言

随着互联网技术的发展，人们的生活和工作已经离不开社会化媒体平台，如微博、微信、Facebook、豆瓣等。为了分享个人经历、维护社交关系和取得网友的信任等，人们经常在社会化媒体平台发布包含地理位置、照片、社会活动记录等包含个人隐私的博文。因此，用户披露是隐私信息泄露的第一个源头。《2019全国网民网络安全感满意度调查统计报告》显示，近四成网民认为网络个人信息泄露非常多，近六成网民曾遭遇过个人信息被侵犯。

为了保护用户的隐私，国家出台了相关法律法规，如《关于开展App违法违规收集使用个人信息专项治理的公告》《数据安全管理办法》等，这些规章制度在一定程度上规范了App提供商收集和利用用户隐私的行为。社会化媒体也提供了隐私设置功能，但是大量用户简单的设置为“对所有人可见”，在线发布即时的旅游照片等也给潜在盗窃者提供了重要信息等[1]。此外，隐私问题不仅是用户是否发布自身的个人信息，也涉及其他人是否发布或发布何种他人的信息。在用户自我泄露隐私中存在一类特殊的情形，即用户在社会化媒体平台发布包含共同隐私信息的博文，如多人合照、聚会信息、活动信息和位置信息等。这不仅仅泄露了自身的隐私，也可能由于用户间隐私边界的冲突导致其他好友的隐私信息被泄露。而由于网络隐私的界定及隐私边界的模糊，主流社会化媒体平台一般只为发布者提供相应的隐私设置功能，共同隐私拥有者在该过程中处于被动的位置，现行的法律法规也很难规制网民对共同隐私的披露行为。

随着社会化媒体不断普及和应用不断拓展，共同隐私越来越难以管理和协调，数千亿项的共同隐私被发布到网络和社会化媒体平台[2]。然而，绝大多数社会化媒体平台的隐私设置功能仅涵盖了用户自身隐私的管理，如好友分组、好友屏蔽、三天可见等，无法实现共同隐私的协同管理，这必然导致共同隐私的冲突问题越来越严峻[3-4]。

共同隐私管理涉及用户、共同隐私好友、运营平台等多个角色之间的交互。首先，用户通过在社会化媒体平台推送博文维护并提升好友关系；其次，共同隐私的侵犯行为破坏好友间的关系亲密度，关系亲密度的变化又会影响好友对待共同隐私的态度；最后，平台需要通过维护一个良好的线上社会化生态系统，提升用户使用意愿和扩大社会化媒体平台的市场占有率。共同隐私管理问题，具有明显的互动、反馈和涌现等特征。模拟建模作为管理学科研究的第三类方法[5]，对于数据获取困难或数据缺乏的、非线性、反馈的和涌现的复杂问题求解，具有与生俱来的优势。本研究通过对用户、共同隐私好友、平台等角色进行建模，通过模拟各角色之间的互动关系，研究隐私边界冲突下用户和平台的社会化媒体隐私规制策略。

2 文献综述

随着网络隐私尤其是社会化媒体用户的隐私泄露问题越来越严重，用户隐私泄露的相关研究引起了学界的广泛关注。其中，用户的自我披露和他人泄露均是社会化媒体隐私泄露的重要源头。

在用户自我隐私披露研究方面，已有研究重点关注了用户隐私披露行为的机制。部分研究从计划行为理论中抽取主观规范、态度、信息控制等变量，从隐私计算中选取感知收益和感知风险，构建综合影响模型，如Xu等[6]。也有研究在某个经典理论中加入信任、隐私忧虑、感知有用性等变量，如李纲等[7]将信任分成对SNS（social networking services）的信任和对SNS用户的信任，结合隐私计算理论，探讨变量对披露态度的作用。有部分研究从决策的角度研究用户的隐私披露行为，如李睿等[8]从移动互联网用户角度出发，针对用户泄露隐私给企业的情况，提出了隐私泄露容忍度的概念，并建立研究模型；Baek等[9]研究默认允许框架和默认拒绝框架这两种不同的框架对于个人隐私披露的影响。有研究者从隐私披露的角度出发，研究其他的内容，如Zhu等[10]提出的基于用户隐私设置策略的社交网络信息传播模型。

在网络环境下，隐私泄露不仅是用户自己主动披露个人信息，还与其他人发布和披露用户信息的行为有关。与传统的网络社区相比，社会化媒体至少具有六种特征：参与性、关系性、广播性、连通性、社区性和开放性。这些特征为用户交互提供了前所未有的便利的同时，也对信息隐私行为产生了深远的影响。例如，社会化媒体的参与性和关系性使得隐私保护过程不可避免的存在隐私边界模糊的问题。关于隐私的界定，Warren等[11]最早从个人权利的法学视角提出隐私权为“个人独处的权利”。互联网环境下，信息隐私的概念和内涵不断丰富和扩展。Westin[12]认为，隐私是指个人、团体和机构有权决定何时、以何种方式、在多大程度上将有关其信息传达给他人。Stone等[13]将隐私定义为个体能排除不必要的外部环境影响，自主地控制、释放和传播个人信息，并调控社会交换数量和性质的一种状态。也就是说，隐私代表了人际的某种边界，对隐私的控制意味着人们控制自己与他人的互动。

在社交媒体用户互动或者隐私披露过程中，涉及两种边界：一种边界是“二元边界”，这一边界确保用户可以安全的将信息披露给他人，例如，同学、亲戚、同事等；另一种边界是“自我边界”，主要围绕个人维持一个屏障。前者界定用户披露给谁，后者界定用户披露的内容。同时，角色理论表明，每个人都在社会生活中扮演者一定的角色，社会的运作依赖于各种角色的扮演。线上社会化生态系统中，用户也可能承担多种角色的扮演任务，例如，在A群体中扮演领导的角色，在B群体中扮演父亲的角色，在C群体中扮演者学生或情人的角色等。这些角色之间便可能存在一定的冲突，而不同的角色又有不同的隐私边界。因此，在共同隐私管理中，同一个用户可能需要同时维护几个隐私边界，角色冲突很可能导致隐私边界模糊，甚至隐私边界冲突。

相较于隐私披露的研究，对于共同隐私的研究还处于起步阶段。国外方面，Thomas等[14]展示如何利用隐私冲突暴露的聚合信息来推断用户的敏感属性，并提出一个多方隐私的原型；Such等[15]曾提出一个基于亲密度的自动协商机制，以及一些优化算法来计算具有冲突的隐私披露政策，使所有隐私共有人的利益最大化；Squicciarini等[16]提出了一种基于克拉克税机制的多用户隐私冲突解决机制，用户在社交平台对共同隐私设置进行出价，并对最终隐私设置的获益大的人物征收税用，该机制也可以跨网站运行，实现了在不同网站的隐私设置的一致性；Hu等[17]从冲突的数量、数据隐私性、可见性和访客的信任度来量化隐私风险和共享损失，并在隐私保护和数据共享之间进行权衡，计算出最佳的共同隐私设置；Xu等[18]从好友信任、声誉等角度，提出了一个用户自我平衡共同隐私的模型，并借助多臂赌博机的方法求解用户的最佳共同隐私规制策略；Such等[4]对共同隐私做了一个总体的研究，总结了现有的社交平台支持的共同隐私设置，同时也从5个方面总结了现有的多用户隐私设置的研究现状及其局限性，并提出了解决开发多用户隐私问题的工具所需的要求。而在国内，对这个方面的研究，比较少进行深入的研究或提出相关的解决方法，而更多的从法律上进行定性的描述，如说牛静等[19]认为，在利益冲突背景下，当披露行为有可能对他人利益造成伤害时，需要将伤害最小化；王伟波等[20]认为，利用隐私边界的实时渗透而后进行“边界协调”，对微信朋友圈的管理规制做出适时调整，减少纠纷，达成动态性一致，实现隐私管理的辩证调和；而周潇潇[21]从法律的角度出发，表示共同隐私的冲突本质是权利的冲突，并提出在与某些具体权利冲突时的解决方法，从而得出了共同隐私的保护范围。

综上所述，已有研究基于定性方法提出了共同隐私的现象及其法律问题，从隐私边界冲突等角度研究了共同隐私问题的产生，并从法律法规、决策科学、信任等角度研究了共同隐私管理的策略。然而，现行的法律法规尚没有很好的解决共同隐私问题，基于信任等机制的共同隐私协商方案充分利用了用户的主动性，但用户方决策压力过大，如需要用户了解他人的屏蔽对象或他人的好友关系强度等、或需要通过多臂赌博机等超出用户认知能力的模式优化自身的隐私规制方案。本研究拟在用户、好友和社会化媒体平台多方互动的基础上，研究用户和社会化媒体平台协同的隐私规制策略，提升社会化媒体隐私管理水平。

3 问题描述及系统模型

3.1 共同隐私冲突问题描述

设定社交网络的规模为N，某用户o拟发布包含隐私的博文，对某一待披露的对象item，如照片等，其共同拥有者为集合Co-owner={o1,o2,…,om,…}，其中，oi为隐私披露方，oi的目标好友为T={t1,t2,…,ti,…}，即集合T中的用户具有访问该item的权限；但共同隐私拥有者om的隐私偏好可能与oi不同，om可能不希望{t-m1,tm2,…,t-mj,…}∈T访问该item，即oi与om之间 产生了隐私冲突。表1所示为共同隐私者对目标好友的0-1值，1表示共同隐私者希望屏蔽该目标好友，0表示共同隐私者没有屏蔽该目标好友或与该目标用户不是好友关系。

表1 共同隐私冲突示意图

在隐私边界冲突的情况下，用户在社会化媒体平台发布博文，虽然维护了与部分好友关系的活跃度，但也侵犯了部分共同隐私好友的权益，并构成了一定的伤害。当今社会，人们对隐私的关注越来越高[22]，对好友共同隐私的侵犯行为，极大的破坏了好友间的关系，违背了发布博文的初衷。社会化媒体平台也希望不断提高用户黏性，激励用户的持续使用行为，因此，各大平台需要在挖掘用户隐私和保护用户隐私间做合理的平衡。目前，主流的社会化媒体平台，如微信、Facebook等，用户均可自定义其隐私偏好，即将可能涉及隐私的博文向哪些好友开放，如设置用户分组及分组权限、定义不可见好友等。另外，由于用户间信息的不对称，主流社会化媒体平台的隐私设置功能尚无法对共同隐私进行合理的规制。

3.2 社会网络模型及关系演化

3.2.1 基本网络

社会化媒体作为一种在线社会关系社区，具有基于好友关联的清晰网络结构，而隐私披露和发布过程又与网络拓扑特征相关。基本的复杂网络模型包括：规则网络、随机网络、WS小世界网络和BA无标度网络。其中，虽然规则网络具有高聚集特征，随机网络具有较小平均距离，但这两类网络均不能较好的描述真实社交网络中的一些重要特征。真实的社交网络结构大多位于完全规则或随机网络之间。而无标度网络和小世界网络则常被用来研究网络中的信息传播，是目前最常用的抽象现实世界中网络拓扑结构的模型。如图1所示。

图1 网络结构示意图

3.2.2 社会网络关系演化

社会网络领域有大量的证据表明，用户产生向其好友发布或分享个人经历等博文的意愿，主要依赖于个体间关系的强度[23]。本研究中，关系强度主要是指社会网络中具有直接联系的朋友间的关系强弱，不考虑间接连接的节点之间关系强弱。用户i与用户j之间的关系rij（rij∈(0,1)）如图2所示，在互动过程中不断进行调整。

图2 社会网络及关系演化示意图

社会化媒体作为一种给予用户极大参与空间的新型在线媒体，其用户通过发布博文维护或提高与好友的关系。用户i将博文发送给好友Tj后，用户Tj因为感受到来自用户i的互动或分享后，用户i和用户Tj之间的关系rij将按

得到增强。其中，α是增强系数。同时，为了抽象主要交互过程，本研究不考虑关系强度的自然衰减，以及关系分类。

虽然将博文发布给更多的好友，能使用户更好地维系与好友间的关系，但在许多情况下，用户并不会将博文尤其是含有个人隐私的博文发布给所有用户。每一位用户在发布包含隐私的博文时，都可能有需要屏蔽部分好友。当户i发布了包含与好友(o1,o2,…,om,…)共同隐私的博文时，共同隐私者的屏蔽对象可能存在冲突，如图2和表1所示。当用户i的某次发博文行为与共同隐私好友om的屏蔽意愿发生冲突时，用户m希望屏蔽的用户收到该条含有隐私的博文，使用户m在一定程度上改变了对用户i的看法，因此，用户i与共同隐私者m之间的关系oim按

进行改变。其中，k为屏蔽对象冲突的个数。

3.3 社会化媒体隐私交互的过程

综合式(1)和式(2)发现，用户i在发布包含共同隐私的博文时，用户或社会化媒体平台需要对目标好友T={t1,t2,…,ti,…}能否接受该条博文进行合理的规制，从而维护较好用户关系网络。因此，在由N位用户及其好友关系构成的社会化媒体环境中，共同隐私的交互过程由以下基本步骤组成：

Step1.初始化，所有用户按照某种社会网络结构G形成关系网络；

Step2.为所有用户随机分配屏蔽对象；

Step3.所有用户随机产生博文发表意愿，并从其好友中随机产生共同隐私者；

Step4.隐私发布者或社会化媒体平台对隐私发布策略进行优化；

Step5.隐私发布者发布博文，所有相关的好友关系相应调整；

Step6.系统时间推进，返回Step2继续。

4 模拟实验

由于共同隐私管理过程涉及发布者、共同隐私拥有者、其他好友以及社会化媒体平台等角色之间的博弈和互动。发布者需要在共同好友和其他好友之间进行合理的平衡，将博文发布给越广泛的好友，发布者能收获越多的好友关系增强；也可能导致与共同好友间关系的破坏，而与共同隐私好友间关系的破坏又可能导致自己的隐私在未来被共同隐私好友更大程度的泄露。对于运营平台而言，也希望维护较高的用户关系强度。本部分基于多智能体建模方法建立共同隐私管理生态系统，进而提出共同隐私的规制策略。

本研究基于networkx工具包，参考Xu等[18]分别生成无标度网络和小世界网络，以表达用户之间的社会网络关系。其中，无标度网络包含1000个节点，平均度为20，平均聚类系数为0.052；小世界网络包含1000个节点，平均度为20，平均聚类系数为0.105。此外，本研究为网络中的每一条边随机分配一个值rij∈(0,1)表达用户i与用户j之间的关系强度。

基于生成的社会网络结构和共同隐私的交互过程，本研究开发了社会化媒体共同隐私规制的多智能体模拟系统。模拟系统基于Python语言实现，通过集成Mesa、networkx、numpy、matplot等开源工具包实现智能体及其交互。其中，Mesa是符合Apache2开源协议的多智能体建模开发框架，该框架主要通过一个类表达模型本身、一个类表达智能体、一个调度器来控制时间以及智能体的移动及交互。模拟系统各参数及其初值如表2所示，本部分通过研究共同隐私的不同规制策略用户间关系强度演化的演化趋势，评价不同规制策略的效果。

表2 模拟系统参数

4.1 用户规制策略研究

本节首先研究用户的隐私规制策略，用户规制共同隐私的基本原则是通过决策目标好友T={t1,t2,…,ti,…}能否接收该条博文，提升自己与好友的关系强度。一般来说，用户能够清楚的了解自己与好友的关系强度，以及自己在发布包含隐私信息的博文时应该屏蔽哪些好友。然而，用户难以获取好友的朋友关系强度信息及其屏蔽对象信息，即用户不知道自己待发布的好友是否是共同隐私者屏蔽的对象。用户基本不可能进行单个目标用户级别的决策，即是否将博文发送给某位目标好友。因此，本研究设计用户的共同隐私规制策略主要有两个：策略一，所有共同隐私都直接发布给好友；策略二，所有共同隐私都不发布给好友。基于模拟实验，不同节点度和不同聚类系数下，社会化媒体平台的平均关系强度演化过程如图3所示。

图3为无标度网络环境下社交网络平均关系强度，图4为小世界网络环境下社交网络平均关系强度。两个实验的输出均表明，与用户发布包含隐私的博文相比，用户不发布包含隐私的博文的策略，能带来更多的好友关系增强。尽管发布包含共同隐私的博文可能带来好友间的共同隐私冲突，但由于这种冲突在整个社会网络上还是属于少数情况，对用户而言，发布包含共同隐私的博文是优于不发布的策略。在该策略下，整个社会网络用户信任度初始分布和最终分布，如图5所示，通过对比发现，大多用户最终的信任值都得到提升，仅少部分用户仍然保持低信任水平。因此，在没有简单方便且更加有效的规制策略情况下，用户一般倾向于直接发布包含共同隐私的博文。生活中，常常有网友发布包含家人、朋友和同事的聚餐、旅游、位置等信息博文。

图3 无标度网络下不同平均度时，社会网络平均关系强度

图4 小世界网络下不同平均度时，社会网络平均关系强度

图5 社会网络关系强度分布

4.2 平台规制策略研究

一方面，用户仅能决定博文的待接收对象，而无法掌握共同隐私者的屏蔽意愿。另一方面，大多数用户的好友数量规模庞大，据报道Facebook用户平均好友数量超过130，而微信2018年官方报道平均好友数量为128，加上各大平台已经较复杂的隐私设置项目，如Facebook已有61项隐私设置项目[15]，用户单独对每个好友进行隐私规制将造成用户巨大的认知负荷。因此，用户无法实现针对单个目标好友层面的共同隐私策略，然而社会化媒体平台能代替用户实现这种针对单个目标好友的规制策略。一般而言，社会化媒体平台通过对好友分组数据、互动数据等进行分析，能够获取用户间关系强度和屏蔽意愿。

基于上述分析，运营平台的策略至少包含以下两类：策略一，所有博文均直接发布；策略二，只对共同好友认同的好友发布，即只要有共同好友屏蔽了该好友，则该好友将不能收到含有隐私的博文。

小世界网络和无标度网络在不同平均节点度下的社会网络平均关系强度分别如图6和图7所示，模拟实验的输出表明，平台策略2明显优于平台策略1，且随着网络的平均度增加，优势越来越明显，即只对共同好友认同的好友发布，而屏蔽共同好友想屏蔽的用户。同时，无论在小世界网络还是无标度网络中，网络的平均关系水平都随着节点度增加而下降，当平均度较小时，如平均度小于10，网络关系强度水平较高，且两种方案差异不大。

在不同聚类系数下，网络平均关系强度分别如图8和图9所示，实验结果表明，聚类系数对社会网络关系强度影响不明显，且平台采用策略2明显优于采用策略1。由于平台策略1实际上也是用户规制时的占优策略，因此，这也表明平台管理共同隐私要优于用户规制。

图6 小世界网络，不同平均度时网络关系强度

图7 无标度网络，不同平均度时网络关系强度

图8 小世界网络，不同聚类系数时网络关系强度

图9 无标度网络，不同聚类系数时网络关系强度

由于社会化媒体平台能够对单个目标好友进行隐私规制，平台策略2（只对共同好友认同的好友发布）提升了整个网络的平均关系强度，最优策略不仅与是否有冲突个体有关，还与冲突个体数量、共同好友数量、关系强度等因素有关，因此，平台策略2并非平台能够做到的最优策略。从理论上讲，由于用户间的链接关系和屏蔽关系错综复杂，应该存在某种对所有共同好友及其屏蔽关系进行通盘考虑的策略，能够取得不低于策略2的效果。

对某次即将发生的隐私发布行为，社会化媒体平台对目标好友T={t1,t2,…,ti,…}能否接受该条博文(x1,x2,…,xj,…)进行合理规划，其中，当xj=1时，表示将该博文发布给目标好友j；当xj=0时，则反之。本次发布所带来的网络关系强度增量为

其中，(x1,x2,…,xj,…)为0-1决策变量；α×xj为目标好友收到博文后关系强度的增量；为 与 共 同 好友关系强度的增量。

基于上述分析，社会化媒体平台隐私规制的目标为最大化关系强度增量，即

本研究在默认参数设置下对平台综合规制策略进行仿真测试，模拟输出的网络关系强度趋势如图10所示。模拟输出表明，社会化媒体平台能够通过对式(3)所示的0-1规划问题求解，即综合规制策略，大幅提升社会化媒体平台的平均关系强度，在系统运行100个单位时间后平均关系强度达到0.728，且该策略明显由于平台策略2的关系强度0.718和用户策略1的关系强度0.699。因此，对平台而言，可以基于所有共同好友及其关系强度信息，提出综合规制的最优策略。

图10 社会网络关系强度演化趋势

4.3 用户-平台协同隐私规制研究

虽然平台通过分析用户的隐私设置数据，如好友分组、交互频率、屏蔽记录等，能够获取用户间的关系强度和屏蔽意愿，但是社会化媒体平台目前还无法了解某条博文是否包含共同隐私以及该隐私共同属于哪些用户。然而，博文的发布者一般能够清楚了解该共同隐私的归属信息，且社会化媒体平台都能通过提供共同隐私标注功能而获取这些共同隐私的归属信息。因此，用户的共同隐私管理意识对平台的综合规制策略起着十分重要的作用。

Avgerou等[24]基于猎鹿博弈，对用户的隐私意识进行了博弈分析，如表3所示，PA表示用户有共同隐私保护意识，NPA表示用户没有共同隐私保护意识（即在发布博文时，不考虑保护共同隐私好友的隐私），其中b＞c，a＞d，结果表明，协同保护他人隐私（PA,PA）是该问题的风险占优均衡解。该研究还提出一组符合现实隐私博弈的得益矩阵取值。

表3 共同隐私意识博弈矩阵

假定用户每天在社会化媒体平台中花费一定时间进行与隐私有关的活动，其中有10%的时间成本用于保护其他用户的隐私，整体而言，用户每天能够成功的保护自身80%的隐私信息，故(PA,PA)模式下用户的收益a=80-10=70。如果两个用户均采用NPA的共同隐私规制策略，由于双方不合作，最终各自只能保护20%的隐私信息，每天用于隐私保护的时间只占总时间的5%，故(NAP,NPA)模式下用户的收益b=20-5=15。当PA用户与NPA用户交互时，由于NPA用户发布个人隐私博文的同时也泄露了PA用户的隐私，PA用户能够保护的个人隐私大幅降低，假定该交互模式下，PA用户的收益降低到了原来收益的一半以下，而花费的时间成本双倍于(NAP,NPA)模式，则PA用户的收益c=30-20=10。当NPA用户和PA用户交互时，NPA用户花费5%的时间用于保护对方隐私，由于得到PA用户的保护成功的保护了自身25%的隐私信息，则NPA用户的收益d=25-5=20。共同隐私博弈的得益矩阵如表4所示。Avgerou等[24]严密地论证了该博弈矩阵合理且真实的描述了群体隐私博弈的过程。(PA,PA)是该博弈矩阵的风险占优均衡解，无论用户出事的共同隐私态度是PA还是NPA，大部分用户最终会选择PA的共同隐私策略。

表4 共同隐私意识博弈可行方案

因此，在共同隐私管理中，尽管社会化媒体平台无法直接获取博文的共同隐私者包含哪些用户，但是该博文的发布者最终会以较大概率选择保护其他好友的隐私，即PA策略。也就是说，如果平台提供共同隐私标注功能，PA的隐私保护策略在社会网络上经过一段时间的互动和扩散后，理论上大部分用户最终会采纳共同隐私标注功能。

基于上述分析，完整的共同隐私管理可以划分为两个阶段：用户规制和平台规制，如图11所示。第一阶段为用户规制，用户在交互的基础上进行是否标注的决策，选择标注共同隐私的用户的博文由社会化媒体平台进行综合决策，选择不标注共同隐私的用户进行直接发布该博文或不发布该博文的决策；第二阶段为平台规制，社会化媒体平台基于0-1规划的方法进行共同隐私的规制。

图11 用户-平台协同规制隐私流程示意图

在表4所示的共同隐私意识博弈可行方案中，设初始群体中持PA态度的个体比例为xPA，则用户采用PA和NPA策略的期望得益分别为uPA和uNPA：

群体的期望得益为

因此，隐私意识PA的复制动态方程为

图12 复制动态方程相位图

上述演化博弈分析是基于整个社会网络群体的，社会化媒体平台中的共同隐私管理问题是基于个人的社会网络，不同用户的好友数量、好友隐私意识分布等存在差异。因此，社会网络的动态性和交互性，对演化博弈得出的用户共同隐私标注行为的分水岭=1/11可能产生一定的干扰作用。为观察用户-平台协同规制隐私的演化过程，本部分在前面模拟系统的基础上，将用户的初始共同隐私态度按不同比例分为NPA和PA两类。由于共同隐私管理是一个持续动态的过程，理论上用户能够通过好友前期的共同隐私管理行为，了解好友的共同隐私态度是NPA或PA。因此，本研究假定用户之间互相了解对方的共同隐私态度。隐私发布者i，进行隐私标注决策依据所有共同隐私好友的隐私态度选择最优方案，其决策依据如式(4)所示。在不同初始隐私意识为PA的个体比例情况下，整个网络的隐私意识演化如图13所示。演化博弈分析得出的分水岭=1/11并未出现群体呈现NPA的现象，PA个体比例降低的主要影响是达到稳定状态的演化时间延长；只有当初始PA个体比例非常低，才可能出现群体性NPA，此时社会网络关系强度相对较低，用户均不进行标注直接发布共同隐私，而如此低的初始PA比例在现实生活中很少存在。因此，模拟实验表明，本研究提出的用户-平台协同隐私规制策略在理论上具有较强的可行性。

图13 不同初始PA个体比例下用户群体持PA态度的比例演化趋势

5 结论与展望

随着人们在线社交活动日趋频繁，用户间相互曝光他人隐私的问题越来越严峻，隐私意识、法律意识的增强必然使得人们对共同隐私有效管理的需求越来越急切。本研究针对社会化媒体中好友间共同隐私管理的问题，根据实际情况分别提出了不同的用户策略、社会化媒体平台策略，在模拟实验的基础上，分别对用户策略和平台策略进行了对比分析，并在此基础上，提出了用户-平台协同隐私管理机制，在理论分析和模拟实验的基础上验证了该协同策略的有效性。目前，各大社会化媒体平台的现有共同隐私规制策略尚不成熟，由于共同隐私现象越来越频繁及广大用户对共同隐私管理的需求越来越强烈，建议社会化媒体平台加强共同隐私的管理，并在用户行为大数据的基础上进行共同隐私协同管理，有效维护网民的隐私权益。

本研究提出并验证了隐私协同管理策略，在此基础上，未来将进一步开展相关实证调查及用户行为实验，提出社会化媒体平台共同隐私管理的有效实施方案。