大數(shù)據(jù)時代數(shù)據(jù)監(jiān)管者與企業(yè)的演化博弈研究

葉阿真 福建信息職業(yè)技術(shù)學(xué)院 福建福州 350003

1 引言

“十三五”時期，我國將大力實(shí)施國家大數(shù)據(jù)戰(zhàn)略，大數(shù)據(jù)技術(shù)也應(yīng)用到各行各業(yè)中。據(jù)中商產(chǎn)業(yè)研究院發(fā)布的《2018-2023年中國大數(shù)據(jù)產(chǎn)業(yè)市場前景及投資機(jī)會研究報告》，數(shù)據(jù)顯示，2017年中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模達(dá)到4700億元，同比增長30%；其中，大數(shù)據(jù)硬件產(chǎn)業(yè)的產(chǎn)值為234億元，同比增長39%。隨著大數(shù)據(jù)在各行業(yè)的融合應(yīng)用不斷深化，預(yù)計2018年中國大數(shù)據(jù)市場產(chǎn)值將突破6000億元，達(dá)到6200億元。

在大數(shù)據(jù)的背景下，一方面，信息技術(shù)的進(jìn)步使得個人信息的來源和類型越來越廣泛和多樣化，信息處理能力得到顯著提高；另一方面，信息的價值得到了不斷的認(rèn)可和重視，這使得個人信息資源成為各方競爭的戰(zhàn)略高峰，為了獲得更多的經(jīng)濟(jì)利益，許多不法分子或企業(yè)竊取，出售和濫用個人信息。據(jù)統(tǒng)計，我國2016年通過不同渠道泄露的個人信息達(dá)65億條次，也就是說，平均每個人的個人信息被至少泄露了5次。個人隱私的泄露和信息濫用問題漸受重視，當(dāng)我們看到大數(shù)據(jù)帶來的好處時，也不能忽視大數(shù)據(jù)所引發(fā)的相關(guān)個人信息安全問題。國外有通過立法保護(hù)個人信息，歐盟通過了《個人數(shù)據(jù)保護(hù)指令》，要求各國制定或修改建立個人信息保護(hù)法。在后來的立法中，要求第三國的隱私法律必須通過歐盟的“充分性”保護(hù)標(biāo)準(zhǔn)的判定，才能向其進(jìn)行跨境個人信息傳輸。

雖然國內(nèi)外對于大數(shù)據(jù)時代下用戶隱私保護(hù)進(jìn)行了研究，但是基本集中在互聯(lián)網(wǎng)企業(yè)與用戶之間的博弈問題，對于數(shù)據(jù)監(jiān)管者及企業(yè)間的關(guān)系研究主要從技術(shù)或者法律的角度進(jìn)行的。如何通過在數(shù)據(jù)監(jiān)管者監(jiān)管的督促下，使得互聯(lián)網(wǎng)企業(yè)及用戶三者之間達(dá)到共贏，促進(jìn)大數(shù)據(jù)的健康發(fā)展，是亟待解決的問題。因此本文運(yùn)用演化博弈論,建立數(shù)據(jù)監(jiān)管者與互聯(lián)網(wǎng)企業(yè)的博弈模型,分析了不同的穩(wěn)定平衡狀態(tài),給出相應(yīng)的分析結(jié)論,尋求兩個群體如何實(shí)現(xiàn)長期共贏的方法。

2 相關(guān)工作

大數(shù)據(jù)背景下的信息服務(wù)使生活更加高效便捷，但網(wǎng)絡(luò)也給個人信息安全帶來了新的挑戰(zhàn)。Xuejie Zhao對網(wǎng)絡(luò)環(huán)境下個人信息的法律保護(hù)進(jìn)行了優(yōu)化模式分析在，文章指出實(shí)踐中，企業(yè)自律和技術(shù)標(biāo)準(zhǔn)在信息產(chǎn)業(yè)中的作用是有限的，它不能取代法律規(guī)范。隨著個人信息在網(wǎng)絡(luò)環(huán)境中變得特別敏感和重要，有必要加強(qiáng)法律保護(hù)。 在此基礎(chǔ)上，提出了相關(guān)建議，以完善個人信息保護(hù)法律制度。Zharova研究了通過法律和技術(shù)手段在互聯(lián)網(wǎng)上識別個人的問題。Khokhar等提出商業(yè)企業(yè)不僅面臨著保護(hù)私人數(shù)據(jù)的挑戰(zhàn)，而且還面臨著在交易特定于個人數(shù)據(jù)時合法合規(guī)遵守隱私規(guī)則的挑戰(zhàn)。企業(yè)需要一種有效的隱私保護(hù)業(yè)務(wù)模式來應(yīng)對新興市場的挑戰(zhàn)，并提出一個允許多個企業(yè)協(xié)作整合他們的數(shù)據(jù)的模型，對現(xiàn)實(shí)生活數(shù)據(jù)的實(shí)驗(yàn)表明，該方法可以識別不同隱私模型的數(shù)據(jù)混搭中的最佳價值，包括K-匿名，LKC-隱私和ε-差異隱私，以及各種匿名算法和隱私參數(shù)。Majeed等提出了一種新的匿名化方案，該方案考慮了PII的身份漏洞，有效地保護(hù)了用戶隱私。Gao, Ensheng 通過分析個人信息安全法律保護(hù)中存在的問題，指出有必要完善我國個人信息安全的法律保護(hù)。同時，我們可以借鑒國外個人信息安全法律保護(hù)的經(jīng)驗(yàn)，進(jìn)而做出相應(yīng)的改進(jìn)。馮登國等研究者認(rèn)為大數(shù)據(jù)正影響著人們?nèi)粘Ｉ罘绞?、工作?xí)慣及思考模式，作為新興的科技技術(shù)，帶來了新的安全問題，但它自身也是解決問題的重要手段。并從大數(shù)據(jù)的隱私保護(hù)、信任和訪問控制的角度，梳理了當(dāng)前大數(shù)據(jù)安全和隱私保護(hù)的關(guān)鍵技術(shù)。Y Li, L Xu,B Liu針對個性化服務(wù)帶來的信息安全問題，提出基于網(wǎng)絡(luò)公司與用戶隱私保護(hù)的進(jìn)化博弈模型，證明了各因素對博弈主體行為的影響，最后取得雙贏的發(fā)展方向。李軍偉研究在社交網(wǎng)絡(luò)中,運(yùn)用演化博弈方法構(gòu)建用戶與社交平臺隱私行為策略的演化博弈模型,通過求得各自的復(fù)制動態(tài)方程和演化穩(wěn)定策略并進(jìn)行仿真分析。邵明構(gòu)建了LBSNS用戶隱私關(guān)注和隱私披露行為的影響因素模型，并構(gòu)建了LBSNS用戶與服務(wù)商之間的隱私行為進(jìn)化博弈模型，通過調(diào)整雙方收益矩陣和進(jìn)化博弈模型,得到了雙方在不同條件下的進(jìn)化穩(wěn)定策略,最后提出了相關(guān)的政策建議。豐米寧構(gòu)建了用戶與社交平臺的隱私博弈模型，結(jié)果表明，用戶信任度、社交平臺影響力和獎勵、第三方監(jiān)管力度是影響用戶和社交平臺隱私策略演化的關(guān)鍵因素，并提出相應(yīng)的社交網(wǎng)絡(luò)隱私保護(hù)對策和建議。劉曉曉研究了在用戶隱私偏好、網(wǎng)絡(luò)評價、信息服務(wù)的有用性和信息服務(wù)的易用性這四種影響因素下的信息服務(wù)商和用戶的動態(tài)演化博弈行為，提出保護(hù)用戶隱私的對策建議。馬媛將大數(shù)據(jù)時代個人信息領(lǐng)域的利益相關(guān)方抽象成數(shù)據(jù)生產(chǎn)者、數(shù)據(jù)收集者、數(shù)據(jù)使用者和數(shù)據(jù)監(jiān)管者，并基于大數(shù)據(jù)時代個人信息的利用與保護(hù)的矛盾及核心利益相關(guān)方之間由各自追求自身效益最大化而產(chǎn)生的利益沖突問題，運(yùn)用靜態(tài)博弈理論建立模型并分析。

3 數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)的演化博弈模型假設(shè)和收益矩陣

演化博弈是以兩個或兩個以上的博弈群體為研究對象，并且研究對象的行為會隨著時間的變化而變化。只要博弈主體滿足上述兩個條件，便可以用演化博弈理論研究群體的動態(tài)過程?；ヂ?lián)網(wǎng)企業(yè)是否采取保護(hù)用戶隱私，是否肆意獲取挖掘用戶信息，可以看作是數(shù)據(jù)監(jiān)管者與企業(yè)博弈的結(jié)果。本文認(rèn)為，由于信息的不對稱及雙方的有限理性，數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)在選擇策略時很難一次就確認(rèn)他們的選擇是利益最大化，需要在博弈過程中不斷調(diào)整自己的策略來找出最優(yōu)策略，并獲取最大的利益。我們對模型做如下假設(shè)：

(1）博弈主體的行為策略：數(shù)據(jù)監(jiān)管者的行為策略集合是（監(jiān)管，不監(jiān)管），互聯(lián)網(wǎng)企業(yè)的行為策略集合是（不獲取分析用戶信息并保護(hù)用戶信息隱私，未經(jīng)允許獲取和挖掘分析用戶信息）；

(2）數(shù)據(jù)監(jiān)管者監(jiān)管互聯(lián)網(wǎng)企業(yè)的行為的概率為q，不監(jiān)管的概率為1-q；（q＞0）

(3）互聯(lián)網(wǎng)企業(yè)不獲取分析用戶信息并保護(hù)用戶信息隱私的概率為p，選擇獲取挖掘用戶信息的概率為1-p；（p＞0）

(4）數(shù)據(jù)監(jiān)管者監(jiān)管成本為CG；

(5）互聯(lián)網(wǎng)企業(yè)不獲取和挖掘用戶個人信息并保護(hù)用戶信息隱私時所投入的成本為CB1，獲取和挖掘分析用戶個人信息時所投入的成本為CB2；

(6）互聯(lián)網(wǎng)企業(yè)不獲取和挖掘用戶個人信息并保護(hù)用戶信息隱私時獲取的收益為RB1，獲取和挖掘分析用戶個人信息數(shù)據(jù)時的收益為

(7）數(shù)據(jù)監(jiān)管者在互聯(lián)網(wǎng)企業(yè)完成個人信息保護(hù)目標(biāo)的獎勵金額為A，對于未經(jīng)允許獲取挖掘分析用戶信息的互聯(lián)網(wǎng)企業(yè)的處罰金額為W。

(8）互聯(lián)網(wǎng)企業(yè)選擇未經(jīng)允許獲取和挖掘用戶信息、濫用泄露用戶隱私時，數(shù)據(jù)監(jiān)管者要付出治理費(fèi)用UG；

設(shè)定完主要參數(shù)后，雙方的收益矩陣如表1所示。

表1 博弈的收益矩陣

4 數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)演化博弈行為分析

4.1 數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)的個人信息保護(hù)演化博弈模型的構(gòu)建

（1）根據(jù)表1博弈的收益矩陣，數(shù)據(jù)監(jiān)管者選擇“監(jiān)管”的收益為：

（2）數(shù)據(jù)監(jiān)管者選擇不監(jiān)管的收益為：

（3）數(shù)據(jù)監(jiān)管者群體選擇“監(jiān)管”，“不監(jiān)管”的平均收益為：

（4）企業(yè)選擇“不挖掘用戶個人信息”的收益為：

（5）企業(yè)選擇“獲取挖掘分析用戶信息”的收益為：

（6）企業(yè)群體的平均收益為：

4.2 數(shù)據(jù)監(jiān)管者監(jiān)管部門“監(jiān)管”比例的復(fù)制動態(tài)方程為：

若p=W-CG/W+A則F(q)≡0這表示所有水平都是穩(wěn)定狀態(tài)。

若p≠W-CG/W+A令F(q)=0求得q=0,q=1是q的兩個平衡點(diǎn)。

對F(q)求導(dǎo)得dF(q)/dq=(2q-1)(pW+pA-W+CG)

根據(jù)演化穩(wěn)定策略要求，dF(q)/dq<0,對W-CG參數(shù)大小分情形進(jìn)行分析

情形1：若W-CG<0，即W-CG/W+A<0時，因?yàn)閜＞0

所以恒有p＞ W-CG/W+A，則q=0 是演化穩(wěn)定的平衡點(diǎn)。

情形2：0

當(dāng) p＞W(wǎng)-CG/W+A 時，dF(q)/dq|q=0<0，dF(q)/dq|q=1＞0 則q=0是穩(wěn)定均衡點(diǎn)。

當(dāng)p

數(shù)據(jù)監(jiān)管者群體3種情形下的動態(tài)演化趨勢及穩(wěn)定性如圖1所示：

圖1 數(shù)據(jù)監(jiān)管者群體復(fù)制動態(tài)相位圖

4.3 互聯(lián)網(wǎng)企業(yè)群體“不挖掘用戶信息”比例的復(fù)制動態(tài)方程

若q =CB1+RB2-CB2-RB1/(A+W) ，則 F(p)≡ 0 這表示所有水平都是穩(wěn)定狀態(tài)。

若q ≠ CB1+RB2-CB2-RB1/ (A+W) ，令 F(p)= 0求得q=0,q=1是q的兩個平衡點(diǎn)。

對F(p)求導(dǎo)得 dF(p)/dp=(1-2p)[RB1-CB1+CB2-RB2+q(A+W)]

根據(jù)演化穩(wěn)定策略要求，d F(p) /dp<0,對CB1+RB2-CB2-RB1參數(shù)大小分情形進(jìn)行分析

情形1：若CB1+RB2-CB2-RB1<0，即CB1+RB2-CB2-RB1/A+W<0時，因?yàn)閜＞0

恒有q ＞CB1+RB2-CB2-RB1/A+W，則p=1是演化穩(wěn)定的平衡點(diǎn)。

情形2：CB1+RB2-CB2-RB1＞A+W，則p=0 是演化穩(wěn)定的平衡點(diǎn)。

情 形 3：0

當(dāng)q＞(CB1+RB2-CB2-RB1)/(A+W)時，(dF(p) / dp) | p=0 ＞0，dF(p) / dp | p=1<0則p=1是穩(wěn)定均衡點(diǎn)。

當(dāng)q<(CB1+RB2-CB2-RB1)/ ( A+W)時，(dF(p) / dp) | p=0<0，dF(p) / dp | p=1＞0則p=0是穩(wěn)定均衡點(diǎn)。

企業(yè)群體3種情形下的動態(tài)演化趨勢及穩(wěn)定性如圖2所示：

圖2 企業(yè)群體復(fù)制動態(tài)相位圖

4.4 數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)兩群體的復(fù)制動態(tài)演化博弈趨勢及穩(wěn)定性

將數(shù)據(jù)監(jiān)管者和企業(yè)兩群體的復(fù)制動態(tài)演化博弈趨勢及穩(wěn)定性在同一坐標(biāo)平面中標(biāo)識，即如圖3所示。

圖3. 數(shù)據(jù)監(jiān)管者和企業(yè)兩群體的復(fù)制動態(tài)演化博弈軌跡

通過分析，我們可以得出不同的平衡狀態(tài)：

（1） 當(dāng)初始狀態(tài)在I區(qū)域時，該博弈收斂于穩(wěn)定均衡點(diǎn)，q=1，p=0 即數(shù)據(jù)監(jiān)管者群體所有參與者必然選擇“監(jiān)管”策略。企業(yè)群體所有參與者必然選擇“挖掘用戶信息”策略。

（2）當(dāng)初始狀態(tài)在II區(qū)域時，該博弈收斂于穩(wěn)定均衡點(diǎn)，q=1，p=1即(監(jiān)管，不挖掘用戶信息)，數(shù)據(jù)監(jiān)管者群里所有參與者必然選擇“監(jiān)管”策略。企業(yè)群體所有參與者必然選擇“不挖掘用戶信息”策略。

（3） 當(dāng)初始狀態(tài)在III區(qū)域時，該博弈收斂于穩(wěn)定均衡點(diǎn)，q=0，p=1 即(不監(jiān)管，不挖掘用戶信息)，數(shù)據(jù)監(jiān)管者群里所有參與者必然選擇“不監(jiān)管”策略。企業(yè)群體所有參與者必然選擇“不挖掘用戶信息”策略。

（4） 當(dāng)初始狀態(tài)在IV區(qū)域時，該博弈收斂于穩(wěn)定均衡點(diǎn)，q=0，p=0即(不監(jiān)管，挖掘用戶信息)，數(shù)據(jù)監(jiān)管者群里所有參與者必然選擇“不監(jiān)管”策略。企業(yè)群體所有參與者必然選擇“挖掘用戶信息”策略。

由圖3分析可得 (q,p)=(1,0) ,(q,p)=(0,1),(q,p)=(1,1),(q,p)=(0,0) 都是沒有鞍點(diǎn)，因此沒有演化穩(wěn)定策略。

5 數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)的博弈模型研究結(jié)論

本文建立了數(shù)據(jù)監(jiān)管者數(shù)據(jù)監(jiān)管群體與互聯(lián)網(wǎng)企業(yè)群體間的演化博弈模型，比較不同的穩(wěn)定均衡狀態(tài)，可以得出以下結(jié)論。

（1） 在這博弈過程中存在三個演化穩(wěn)定策略

i.若W-CG<0 則q=0是演化穩(wěn)定均衡策略，即數(shù)據(jù)監(jiān)管者監(jiān)管的成本大于對“挖掘用戶信息”企業(yè)的罰金，最終數(shù)據(jù)監(jiān)管者群體都會選擇“不監(jiān)管”

ii.若CB1+RB2-CB2-RB1<0則p=1 是演化穩(wěn)定均衡策略，即企業(yè)“挖掘用戶信息”的成本大于企業(yè)“挖掘用戶信息”所增加的收益，最終企業(yè)都會選擇不挖掘。

iii. 若 CB1+RB2-CB2-RB1＞A+W， 即 RB2-RB1＞A+W-CB1+CB2則p=0 是演化穩(wěn)定策略，企業(yè)“挖掘用戶信息”的所增加收益大于企業(yè)“不挖掘用戶信息”時數(shù)據(jù)監(jiān)管者的補(bǔ)貼，企業(yè)“挖掘用戶信息”的罰金，以及企業(yè)“挖掘用戶信息”所增加的成本三者之和，則最終企業(yè)群體都會選擇“挖掘用戶信息”。

對于三個演化穩(wěn)定策略可以得到以下啟示：

i.如果數(shù)據(jù)監(jiān)管者對互聯(lián)網(wǎng)企業(yè)未經(jīng)允許，不合理地獲取分析個人信息進(jìn)行挖掘分析的處罰金額較小，而數(shù)據(jù)監(jiān)管者“監(jiān)管”的成本偏高，則數(shù)據(jù)監(jiān)管者最后都會采取不監(jiān)管的策略。這明顯不利于推動互聯(lián)網(wǎng)企業(yè)選擇“不獲取挖掘用戶信息”策略。為改變這一狀況，數(shù)據(jù)監(jiān)管者可以第三方檢查機(jī)制或者建立“互聯(lián)網(wǎng)+監(jiān)管”模式。推進(jìn)智監(jiān)管，降低數(shù)據(jù)監(jiān)管者監(jiān)管的成本；同時采取不獲取挖掘個人數(shù)據(jù)的企業(yè)數(shù)量達(dá)到一定程度，數(shù)據(jù)監(jiān)管者可以相應(yīng)地增加對“未經(jīng)允許，隨意獲取并挖掘分析個人信息”。

ii.如果互聯(lián)網(wǎng)企業(yè)不合理的獲取并挖掘分析信息所增加的收益大于所增加投入的成本時，互聯(lián)網(wǎng)企業(yè)會選擇隨意獲取分析用戶信息。因此數(shù)據(jù)監(jiān)管者可以通過下達(dá)強(qiáng)制禁止互聯(lián)網(wǎng)企業(yè)獲取并挖掘分析用戶敏感信息的規(guī)定，同時增大處罰金額，這樣可以在一定程度上增加互聯(lián)網(wǎng)企業(yè)挖掘和分析用戶信息的成本，從而降低互聯(lián)網(wǎng)企業(yè)未經(jīng)允許不合理地獲取挖掘用戶信息的概率。

iii.如果互聯(lián)網(wǎng)企業(yè)不合理的獲取并挖掘分析信息所增加的收益很高，而相應(yīng)增加的成本又不高，并且數(shù)據(jù)監(jiān)管者“監(jiān)管”是對“不獲取用戶信息”企業(yè)的獎金很小，而對“挖掘用戶信息”企業(yè)的罰款不高，則最終所有的互聯(lián)網(wǎng)企業(yè)都會選擇“隨意獲取并挖掘分析個人信息”策略。為防止最終所有企業(yè)都選擇“隨意獲取并挖掘分析個人信息”策略，數(shù)據(jù)監(jiān)管者只有通過逐步加大獎懲力度，推動企業(yè)逐漸選擇不肆意獲取用戶信息進(jìn)行分析，達(dá)到保護(hù)用戶個人信息。

（2）W-CG＞0，0

（3）雙方博弈初始狀態(tài)不同，會導(dǎo)致不同的均衡效果。雙方最終會采取哪種策略取決于初始時兩個群體策略的選擇概率，而這種比例與選擇該種策略帶給博弈雙方的收益大小有關(guān)系。數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)兩個群體，都應(yīng)該以長遠(yuǎn)利益為目標(biāo)進(jìn)行決策，這樣才能使雙方各自利益最大化。

6 仿真分析

為了更加直觀的展示數(shù)據(jù)監(jiān)管者與企業(yè)的演化博弈過程，檢驗(yàn)構(gòu)建的演化博弈模型是否正確，用Matlab對不同的參數(shù)進(jìn)行演化仿真，分析雙方在演化博弈過程中的三個穩(wěn)定策略。

（1）當(dāng)W-CG<0，CB1+RB2-CB2-RB1＞A+W 時，系統(tǒng)的演化穩(wěn)定平衡點(diǎn)為（0,0）。設(shè) CG=5，W=3，A=2，CB1=2，RB2=10，CB2=3，RB1=2，滿足上述條件。為驗(yàn)證模型的有效性，設(shè)定監(jiān)管者采取“監(jiān)管”策略和企業(yè)采取“不肆意獲取和挖掘用戶信息”策略的初始比例區(qū)間為[90%,40%]，演化仿真結(jié)果如圖5所示。隨著演化步數(shù)增加，監(jiān)管者“監(jiān)管”所占比例和企業(yè)“不肆意獲取和挖掘用戶信息”所占比例自初始點(diǎn)開始迅速下降，進(jìn)而共同趨向演化穩(wěn)定點(diǎn)（0,0），即監(jiān)管者的演化穩(wěn)定策略為“不監(jiān)管”，企業(yè)的演化穩(wěn)定策略為“未經(jīng)允許獲取和挖掘用戶信息”。

圖5 穩(wěn)定平衡點(diǎn)（0,0）的仿真結(jié)果

（2）當(dāng)W-CG<0，CB1+RB2-CB2-RB1<0時，系統(tǒng)的演化穩(wěn)定平衡點(diǎn)為（0,1）。設(shè)CG=5，W=3，A=2，CB1=2，RB2=5，CB2=6，RB1=3，滿足上述條件。為驗(yàn)證模型的有效性，設(shè)定監(jiān)管者采取“監(jiān)管”策略和企業(yè)采取“不肆意獲取和挖掘用戶信息”策略的初始比例區(qū)間為[80%,20%]，演化仿真結(jié)果如6所示。隨著演化步數(shù)增加，監(jiān)管者“監(jiān)管”所占比例自初始點(diǎn)開始迅速下降，企業(yè)“不肆意獲取和挖掘用戶信息”所占的比例上升，進(jìn)而共同趨向演化穩(wěn)定點(diǎn)（0,1），即監(jiān)管者的演化穩(wěn)定策略為“不監(jiān)管”，企業(yè)的演化穩(wěn)定策略為“不肆意獲取和挖掘用戶信息”。

圖6 穩(wěn)定平衡點(diǎn)為（0,1）的仿真結(jié)果

（3） 當(dāng) W-CG＞0 ,CB1+RB2-CB2-RB1＞A+W，p<(W-CG)/(W+A)時，系統(tǒng)的演化穩(wěn)定平衡點(diǎn)為（1,0）。設(shè)CG=3，W=5，A=5，CB1=1，RB2=20，CB2=2，RB1=5，監(jiān)管者采取“監(jiān)管”策略和企業(yè)采取“不肆意獲取和挖掘用戶信息”策略的初始比例區(qū)間為[10%,40%]，演化仿真結(jié)果如7所示。隨著演化步數(shù)增加，監(jiān)管者“監(jiān)管”所占比例自初始點(diǎn)開始迅速上升，企業(yè)“不肆意獲取和挖掘用戶信息”所占的比例下降，進(jìn)而共同趨向演化穩(wěn)定點(diǎn)（1,0），即監(jiān)管者的演化穩(wěn)定策略為“監(jiān)管”，企業(yè)的演化穩(wěn)定策略為“肆意獲取和挖掘用戶信息”。

圖7 穩(wěn)定平衡點(diǎn)為（1,0）的仿真結(jié)果

7 結(jié)語

由于信息的不對稱及雙方的有限理性，數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)在選擇策略時很難一次就確認(rèn)他們的選擇是利益最大化，需要在博弈過程中不斷調(diào)整自己的策略來找出最優(yōu)策略，并獲取最大的利益。因此本文主要運(yùn)用演化博弈理論研究大數(shù)據(jù)時代數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)雙方的博弈關(guān)系，建立演化博弈模型，在此基礎(chǔ)上運(yùn)用Matlab對不同參數(shù)下的演化穩(wěn)定策略進(jìn)行數(shù)值仿真驗(yàn)證模型的有效性。博弈分析結(jié)果顯示：互聯(lián)網(wǎng)企業(yè)肆意獲取挖掘用戶數(shù)據(jù)的成本和收益、數(shù)據(jù)監(jiān)管者對企業(yè)是否合理保護(hù)用戶個人信息數(shù)據(jù)的獎懲力度，都直接影響博弈結(jié)果，數(shù)據(jù)監(jiān)管者和互聯(lián)網(wǎng)企業(yè)兩個群體，在三種情況下存在演化穩(wěn)定策略。但是個人信息安全保護(hù)問題還需要數(shù)據(jù)監(jiān)管者，企業(yè)，個人長期在政策，法律法規(guī)，安全意識方面的配合，才能在有序安全的環(huán)境中到達(dá)三方共贏，創(chuàng)造更多的經(jīng)濟(jì)和社會利益。