Page 110 - 大数据背景下网络安全问题研究

大数据背景下网络安全问题研究
Research on Network Security Issues under the Background of Big Data

形态的泛娱乐化上起了推波助澜的作用，把娱乐化表达意识形态的行为视为“标新立
异”。“除了消解主流意识形态、诋毁党和政府外，部分媒介素养缺乏者通过解构红
色经典、恶搞严肃话题，热衷于炒作，沉溺于戏说，滥用言论自由，挑战传播行为边
界、污染传播环境。”
这些行为实际上变相地宣扬了历史虚无主义等思潮，却将自身标榜为纯属娱乐，

在网络场域中实则具有很大的迷惑性、鼓动性和危害性。网络意识形态的泛娱乐化倾
向，给反主流意识形态的宣扬披上了娱乐化的包装和外衣，加剧了对主流意识形态的
攻击，客观上增加了网络意识形态风险防控的难度。

（二）人工智能赋能网络意识形态风险防控的多维向度
佩德罗·多明戈斯认为，人工智能是保护国家的重要壁垒。人工智能有强大的算
法和算力，能够依托大数据自主执行任务，并能开展自我学习及调适，使其拥有区别
于以往风险防控手段的独特之处，具备极大的意识形态风险防控潜能。在反主流意识

形态内容识别、意识形态风险防范和主流意识形态传播三个向度上，人工智能有望显
著赋能网络意识形态风险防控实践，助力网络意识形态工作突破效能瓶颈。
1.人工智能助力网络反主流意识形态内容识别

网络意识形态风险防控最直接的任务，是在网络的“信息海洋”中精准识别和捕
捉不同表现形式的反主流意识形态内容。在这一任务的执行过程中嵌入人工智能技术
群中的语义识别和视觉识别技术，有望显著提升识别的时、度、效，使反主流意识形
态内容无处遁形。
语义识别针对的是话语信息，致力于辨识、判定、理解话语内容的含义与价值倾

向。在网络意识形态风险防控中，借助语义识别，可做到对反主流意识形态话语的实
时发现和处置。这需要经由以下两个步骤：其一，构建和完善反主流意识形态话语的
语义特征库。通过对大数据进行收集、整理、归类，并利用机器对其加以深度分析，

精准得出反主流意识形态话语的特征，进而将其纳入语义特征库。其二，进行语义比
对识别。利用语义识别技术，将网络场域中每日新发布的话语信息与语义特征库储存
的特征样本进行智能比对，以此判定每条话语信息的价值倾向。
视觉识别针对的是视觉信息，以计算机视觉、模式识别等多项智能技术为基础，

能够具备人类视觉系统的功能，致力于获取、处理、分析和理解图像或视频内容。视
觉识别作用的发挥包含两个步骤：
其一，搭建反主流意识形态图像、视频的视觉模式库。所谓视觉模式，指的是
“在大规模图像数据中存在的可重复的、结构化的、对应于某些物件部位的视觉模式

单元，这些视觉模式单元相比于基于统计的低层特征来说，更接近于语义表示并且有
较强的鲁棒性。”通过“重复图像、基于全图统计的类别模式、基于局部关键点的视

• 98 •