Page 111 - 大数据背景下网络安全问题研究

» 第四章 网络攻击与漏洞利用

觉单词组、基于局部结构的视觉模式以及基于隐层表示的视觉模式”等方式，机器可
挖掘已发现的反主流意识形态图像、视频所包含的视觉模式，并将其纳入视觉模式
库中。
其二，进行图像和视频的校验识别。视觉识别技术可全面、实时地对网络场域
中每日新上传的图像和视频进行逐条审核，分析、计算得出每个审核对象与视觉模式

库样本的相似程度，从而在第一时间捕捉反主流意识形态图像、视频，防止其扩散和
传播。
2.人工智能助力网络意识形态风险防范

网络意识形态风险防控既要做到控，也要做到防，要有防范风险的先手，具备良
好的风险防范能力。当前，人工智能中的机器学习有望在这一任务上赋能。所谓机器
学习，可理解为机器“依托大数据进行像人一样的学习、认知和探索，从而不断总结
经验，得出结论并对未来做出猜想。”机器学习与其他技术的相异之处在于，其“能

够发展出自己的直觉，并依照这一直觉来行动。”利用机器学习做好网络意识形态风
险防范具体包括以下步骤：
第一，把握热点。利用机器学习抓取网民浏览、点击、评论、转发等数据，对其

进行归类整理，将大部分网民的共同关注话题排序，进而把握网络热点所在。
第二，风险预测。机器学习可聚焦网络热点话题下的观点和意见，对其开展内
容分析，特别是拨开意识形态话语隐喻、视觉隐喻和娱乐景观的层层“云雾”，获悉
发布者真实的意见倾向，洞察舆论发展的动态走向，并据此预测可能出现的意识形态
风险。

第三，风险预警。机器可根据预测结果，自主发出意识形态风险预警信号，提示
相关工作者及时介入并开展前瞻性、针对性的舆论引导。
（三）人工智能助力主流意识形态网络传播

网络意识形态风险防控并非仅从防御着手便能奏效，还需要在主动进攻上有所
作为，切实提升网络主流意识形态传播力、引领力，使主流意识形态更好地入眼、入
脑、入心是防控网络意识形态风险的关键。在这一任务上，推荐算法有望扮演重要角
色。算法概念源于计算机领域，指“为解决特定问题而输入机器的一系列步骤。”推

荐算法则是将算法应用于信息传播领域所形成的智能信息分发技术。当前，可通过合
理地编写、设计和把控推荐算法，使网络场域的这一新“入局者”为主流意识形态传
播深度赋能，为意识形态工作服务。具体来说，包含以下两个步骤：一是通过对实际
工作的调研分析，设计一套适用于推荐算法的信息价值观评价体系，其可包含多项量

化、质化的评价指标，同时每个评价指标配备有相应的、合适的权重；二是训练推荐
算法执行该评价体系，使推荐算法在每次推送信息前对信息的意识形态属性开展分

• 99 •