Page 341 - 大数据背景下网络安全问题研究

» 第十一章 人工智能安全研究

经网络技术实现不同场景下的网络舆情知识体系构建、基于深度学习技术实现网络短
语立场判定等手段，能够极速精准地刻画网络个人与群体的“精确画像”。
通过基于无监督学习的生成对抗网络（Generative Adversarial Networks，GAN）
技术实现智能图像处理与虚假图像生成、通过基于大数据聚类分析实现个性化新闻分
发与推送等手段，能够迅速、准确、高效地对于目标受众心理与行为产生积极或消极

影响。
近年来，在美国、英国等西方国家选举中，陆续出现利用网络社交平台部署“机
器人水军”，从而人为地操纵、引导舆论走向，达到干预选举结果的目的。2018年3

月，英国咨询机构剑桥分析公司干扰美国大选丑闻被西方媒体曝光。该公司收集了
Facebook网站上超过5000万用户的行为模式、性格特征、价值观趋向、成长经历等信
息，并有针对性地推送竞选信息、竞选广告甚至一些虚假新闻，部分影响到了2016年
美国总统大选结果。

2.加强计算社会科学研究推动智慧社会发展转型
近年来，随着大数据与人工智能时代的来临，以广域分布的社会传感网络为基
础，人类在生活、工作、交往、娱乐等过程中所积累的海量、高维、动态的数据信

息，为提高社会管理水平提供了难得的战略机遇与严峻的问题挑战。
计算社会科学（Computational Social Science）概念首次出现于1994年，之后随着
近30年的蓬勃发展，已经在大规模传染病传播与控制、网络舆情传播与管控等方面取
得了众多研究成果与转化应用，推动着信息对称、权利对等、组织扁平的社会组织新
结构逐渐演进以及集约化、分布化、智能化、快速化的社会管理新模型转型发展。

将人工智能技术与计算社会科学相结合，一是能够提升其通过模拟微观个体互
动，涌现宏观社会现象的水平；二是能够提升其通过网络爬虫、文本挖掘、深度学习
等技术提取分析网络大数据，研究社会复杂系统的水平。由此，我们能够更加清晰地

描述个人与群体之间的新型互动过程和模式，更加合理地解释社会现象及发生机制，
更加准确地预测管控个人与社会的发展趋势，从而推动传统社会向着智慧社会的目标
不断转型发展。
3.更加注重个人隐私与特征敏感数据的安全防护

当前，随着5G通信、物联网、移动互联网等网络通信技术的发展，人类的日常生
活、工作中的一切行为，都有可能通过网络以数字的形式被记录与记载下来。人类在
逐渐数字化的同时，也正在逐渐透明化。
境外一些公司甚至敌对势力通过网络爬虫、木马植入、邮箱窃密、网络调查等手

段，非法收集、窃取个人与群体的隐私与行为特征数据，并通过人工智能技术进行深
度挖掘与分析，精准、迅速刻画个人的性格、收入、社会关系等身份特征，将个人完

• 329 •