個(gè)人人社數(shù)據(jù)的敏感性識(shí)別與隱私計(jì)量研究

摘 要： ［目的／ 意義］ 現(xiàn)行法律法規(guī)和行業(yè)標(biāo)準(zhǔn)對(duì)人社數(shù)據(jù)提出分級(jí)保護(hù)， 但缺乏定量依據(jù)， 本文定量測(cè)度人社數(shù)據(jù)隱私值， 探索解決該問題。［方法／ 過程］ 普查人社隱私相關(guān)文獻(xiàn)， 建立人社隱私文本庫； 構(gòu)建人社隱私詞表框架， 建立人社敏感詞表， 進(jìn)行人社數(shù)據(jù)敏感性識(shí)別； 設(shè)計(jì)隱私計(jì)量模型， 測(cè)度人社數(shù)據(jù)隱私值。［結(jié)果／ 結(jié)論］ 計(jì)量結(jié)果表明， 人社數(shù)據(jù)隱私值由高到低為： 工資與保險(xiǎn)福利數(shù)據(jù)、專業(yè)技術(shù)數(shù)據(jù)、行政工作數(shù)據(jù)、個(gè)人基礎(chǔ)數(shù)據(jù)和入職流動(dòng)數(shù)據(jù)。本文挖掘客觀存在的人社隱私文本， 計(jì)量結(jié)果具有客觀性， 為人社數(shù)據(jù)分級(jí)提供更科學(xué)的依據(jù)。

關(guān)鍵詞： 人社數(shù)據(jù)； 數(shù)據(jù)隱私； 隱私計(jì)量； 敏感性識(shí)別

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０５．００８

〔中圖分類號(hào)〕Ｇ２０３ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２５） ０５－００７７－１２

人力資源和社會(huì)保障部（簡(jiǎn)稱“人社部”）服務(wù)業(yè)務(wù)主要包括就業(yè)創(chuàng)業(yè)、社會(huì)保障、人才人事、勞動(dòng)關(guān)系等。個(gè)人人社數(shù)據(jù)指人社部門為用戶提供服務(wù)過程中采集、調(diào)用和制作的個(gè)人數(shù)據(jù)［１］ ， 簡(jiǎn)稱“人社數(shù)據(jù)”。隱私指隱私主體對(duì)隱私客體的敏感性認(rèn)知［２］ ， 針對(duì)個(gè)人人社數(shù)據(jù)， 隱私主體是使用人社服務(wù)的公眾， 隱私客體為個(gè)人人社數(shù)據(jù)項(xiàng)。因此，人社數(shù)據(jù)隱私是指?jìng)€(gè)人在接受人社服務(wù)時(shí)對(duì)被采集的個(gè)人數(shù)據(jù)的敏感性認(rèn)知， 也是人社部門對(duì)個(gè)人數(shù)據(jù)在其生命周期內(nèi)被采集使用過程中涉及的個(gè)人隱私， 稱為“人社隱私”。

數(shù)智時(shí)代背景下， 人社部門建成了人社業(yè)務(wù)服務(wù)的“大平臺(tái)”， 構(gòu)成了全國(guó)聯(lián)動(dòng)的“大系統(tǒng)”， 形成了人社領(lǐng)域的“全數(shù)據(jù)共享、全服務(wù)上網(wǎng)、全業(yè)務(wù)用卡” 的應(yīng)用格局， 產(chǎn)生了海量人社數(shù)據(jù)?；趯?duì)該類數(shù)據(jù)分析與使用， 人社部門可以提高業(yè)務(wù)效率， 開展人力資源市場(chǎng)運(yùn)行監(jiān)測(cè)， 制定更加科學(xué)合理的政策， 政策實(shí)施更加精準(zhǔn)有力。但同時(shí)會(huì)產(chǎn)生人社數(shù)據(jù)泄露， 損害用戶個(gè)人利益， 影響社會(huì)穩(wěn)定，威脅國(guó)家安全， 如： 上萬份簡(jiǎn)歷信息被明碼標(biāo)價(jià)、打包出售形成黑色產(chǎn)業(yè)鏈［４］ ， 在求職平臺(tái)發(fā)布虛假兼職信息、出售求職者個(gè)人簡(jiǎn)歷信息非法獲利［５］ 等。對(duì)此， 國(guó)家制定法律法規(guī)， 人社部門制定行業(yè)標(biāo)準(zhǔn)，保護(hù)人社數(shù)據(jù)安全， 并將分級(jí)保護(hù)作為基本制度，如《中華人民共和國(guó)個(gè)人信息保護(hù)法》《中華人民共和國(guó)數(shù)據(jù)安全法》《全國(guó)干部、人事管理信息系統(tǒng)指標(biāo)體系與數(shù)據(jù)結(jié)構(gòu)》《全國(guó)公安人事管理信息結(jié)構(gòu)體系》等， 但均缺少分級(jí)的定量客觀依據(jù)， 致使分級(jí)保護(hù)制度無法落地。

１ 實(shí)踐與研究進(jìn)展

數(shù)字人社建設(shè)產(chǎn)生海量人社數(shù)據(jù)， 人社數(shù)據(jù)開放利用與隱私保護(hù)構(gòu)成尖銳矛盾， 為了解決這一矛盾， 業(yè)界的實(shí)踐和學(xué)界的研究均取得一定成果。

１. １ 業(yè)界的實(shí)踐

業(yè)界的實(shí)踐研究集中在隱私保護(hù)方面， 采用的工具主要有行業(yè)標(biāo)準(zhǔn)和法律法規(guī)， 相關(guān)研究匯總?cè)绫恚?所示。

行業(yè)標(biāo)準(zhǔn)方面， 國(guó)內(nèi)和國(guó)際在人力資源方面的標(biāo)準(zhǔn)制定都側(cè)重在人力資源的術(shù)語界定和人力資源服務(wù)的規(guī)則規(guī)范兩個(gè)方面： 社會(huì)保障方面， 國(guó)際標(biāo)準(zhǔn)明顯比國(guó)內(nèi)的更具體、更全面； 法律法規(guī)方面，國(guó)內(nèi)制定的多為普適性的隱私保護(hù)法律法規(guī)， 缺少專門針對(duì)人社數(shù)據(jù)的法律法規(guī)， 國(guó)外制定的法律法規(guī)專指性較強(qiáng)， 如美、英、日都有出臺(tái)關(guān)于人社數(shù)據(jù)保護(hù)框架和保護(hù)措施的相關(guān)法律法規(guī)。

１. ２ 學(xué)術(shù)界的研究

學(xué)術(shù)界在人社數(shù)據(jù)領(lǐng)域的研究集中在隱私保護(hù)、隱私計(jì)量和文本挖掘３ 個(gè)方面， 相關(guān)研究匯總?cè)绫恚菜尽?/p>

學(xué)術(shù)界對(duì)人社數(shù)據(jù)隱私保護(hù)方面的研究集中在管理和技術(shù)兩個(gè)層面： 管理層面的研究主要是對(duì)人社部門或人社管理部門提出要求； 技術(shù)層面的研究主要在人社數(shù)據(jù)的“用前、用中、用后” 進(jìn)行各類技術(shù)保護(hù)， 以提升人社數(shù)據(jù)隱私安全。學(xué)術(shù)界對(duì)相關(guān)領(lǐng)域隱私計(jì)量研究主要有上述４ 種方法， 但各有優(yōu)劣。學(xué)術(shù)界對(duì)相關(guān)領(lǐng)域文本挖掘的研究較為成熟，無論是文本特征提取還是文本標(biāo)簽化處理， 都有較成熟的技術(shù)可借鑒參考。

１. ３ 述 評(píng)

綜上， 業(yè)界實(shí)踐的研究均將數(shù)據(jù)分級(jí)保護(hù)作為基本制度， 但缺失分級(jí)的定量依據(jù)。學(xué)界研究的主要領(lǐng)域中， 人社數(shù)據(jù)隱私保護(hù)側(cè)重管理對(duì)策和技術(shù)方法， 缺乏具體分級(jí)保護(hù)方案； 隱私計(jì)量均采用體現(xiàn)意愿價(jià)值的用戶調(diào)查， 結(jié)果會(huì)導(dǎo)致主觀性偏強(qiáng)，產(chǎn)生假設(shè)性偏誤； 文本挖掘的對(duì)象少見人社文本報(bào)道， 但可供借鑒并進(jìn)行人社文本的適用性改造后，可用于本文的研究。

本文以“識(shí)別來源→識(shí)別模型→隱私計(jì)量” 為邏輯思路， 進(jìn)行人社數(shù)據(jù)的敏感性識(shí)別與隱私計(jì)量研究。首先調(diào)查人社隱私文本的生產(chǎn)者作為該類數(shù)據(jù)的隱私主體， 依據(jù)隱私主體生產(chǎn)的人社行業(yè)文獻(xiàn)建立隱私文本庫， 作為識(shí)別來源； 其次挖掘人社隱私文本庫， 構(gòu)建人社數(shù)據(jù)語義詞表， 作為識(shí)別模型；最后分析人社數(shù)據(jù)隱私性影響因素， 構(gòu)建計(jì)量指標(biāo)，進(jìn)行人社隱私計(jì)量。計(jì)量結(jié)果彌補(bǔ)了傳統(tǒng)調(diào)查方法的主觀性導(dǎo)致假設(shè)性偏誤的不足， 可以作為人社數(shù)據(jù)隱私分級(jí)的客觀定量依據(jù)。

２ 理論基礎(chǔ)

本文采用隱私界定理論構(gòu)建人社隱私文本庫，使用句法結(jié)構(gòu)理論建立人社數(shù)據(jù)敏感性識(shí)別模型，運(yùn)用情感評(píng)價(jià)理論、計(jì)量語言學(xué)理論設(shè)計(jì)隱私計(jì)量模型。

隱私界定理論： “隱私” 一詞在中國(guó)最早出現(xiàn)于周朝初年［３３］ ， 國(guó)外于１８９０ 年由Ｗａｒｒｅｎ Ｓ Ｄ 等［３５］提出。目前， 學(xué)術(shù)界還未形成統(tǒng)一的概念定義， 但在隱私構(gòu)成本質(zhì)上趨于一致， 即隱私的本質(zhì)是隱私主體對(duì)隱私客體的敏感性和敏感程度的認(rèn)知， 隱私計(jì)量就是對(duì)這種認(rèn)知進(jìn)行的定量測(cè)度。依據(jù)這一隱私界定理論， 本研究針對(duì)人社行業(yè)領(lǐng)域數(shù)據(jù)， 調(diào)查歸納隱私主體的類型， 普查各類隱私主體生產(chǎn)的該行業(yè)領(lǐng)域文獻(xiàn)， 建立人社隱私文本庫， 形成人社數(shù)據(jù)敏感性識(shí)別的來源。

漢語句法結(jié)構(gòu)理論： 由趙元任在《國(guó)語入門》首創(chuàng)， 朱德熙在《語法講義》中完善［３６］ 。任一種句法結(jié)構(gòu)中， 句子是表達(dá)完整語義的基本單元， 主語必不可少［３７］ 。本研究依據(jù)該理論， 針對(duì)人社隱私文本庫進(jìn)行句法分析， 抽取包含人社敏感數(shù)據(jù)項(xiàng)的句子作為人社敏感數(shù)據(jù)單元。

情感評(píng)價(jià)理論： 又稱意見挖掘， 最早由美國(guó)ＭＩＴ媒體實(shí)驗(yàn)室的Ｐｉｃａｒｄ Ｒ Ｗ［３８］ 教授提出， 認(rèn)為情感計(jì)算包括３ 個(gè)部分： 情感識(shí)別、情感發(fā)生、情感表達(dá)。文本情感分析涉及多個(gè)學(xué)科領(lǐng)域， 如語言學(xué)、心理學(xué)、認(rèn)知科學(xué)、數(shù)據(jù)挖掘等［３９］ ， 目前學(xué)界借鑒該理論針對(duì)自然語言文本， 挖掘人們對(duì)不同主題、不同屬性、不同分類的觀點(diǎn)和態(tài)度［４０］ 。本文采用情感評(píng)價(jià)理論， 針對(duì)人社隱私程度詞進(jìn)行情感傾向和語義態(tài)度的評(píng)價(jià)， 以此設(shè)置不同類型程度詞的強(qiáng)度值， 服務(wù)于人社敏感數(shù)據(jù)的隱私計(jì)量。

計(jì)量語言學(xué)理論： 于１９３５ 年由Ｚｉｐｆ Ｇ Ｋ 首次提出， 后來Ｋ?ｈｌｅｒ Ｒ［４１］ 教授提出協(xié)同語言學(xué)理論架構(gòu)， 豐富其理論內(nèi)涵， 現(xiàn)學(xué)界以該理論為基礎(chǔ)， 主要通過定量方法對(duì)各種語言現(xiàn)象和語義結(jié)構(gòu)進(jìn)行測(cè)量、建模與解釋。本文基于該理論， 針對(duì)建立的人社隱私語料庫， 進(jìn)行人社敏感詞匯單元結(jié)構(gòu)及其關(guān)系的語義分析， 統(tǒng)計(jì)人社敏感詞匯中數(shù)據(jù)項(xiàng)的出現(xiàn)頻率與文本占比， 計(jì)算敏感動(dòng)詞和程度詞的語義強(qiáng)度， 測(cè)度人社數(shù)據(jù)的隱私值。

３ 人社數(shù)據(jù)隱私文本庫

人社數(shù)據(jù)隱私文本是對(duì)人社數(shù)據(jù)的術(shù)語界定、隱私保護(hù)、隱私泄露、開放共享、管理規(guī)范等進(jìn)行論述和探討的各類文獻(xiàn)。根據(jù)文本的側(cè)重點(diǎn)不同，確定隱私文本類型， 建立人社數(shù)據(jù)隱私文本庫。

３. １ 隱私文本類型

不同的社會(huì)群體對(duì)人社數(shù)據(jù)隱私的學(xué)術(shù)研究和實(shí)踐探討的角度存在差異， 參考已有的研究［４３］ ， 將人社數(shù)據(jù)文本分為以下４ 種類型： 行業(yè)標(biāo)準(zhǔn)、法律法規(guī)、學(xué)術(shù)論著、泄露案例。

人社行業(yè)標(biāo)準(zhǔn)反映了人社領(lǐng)域管理者對(duì)人社數(shù)據(jù)的重要性認(rèn)知， 既是人社數(shù)據(jù)安全實(shí)踐者對(duì)人社數(shù)據(jù)的分類分級(jí)和隱私保護(hù)管理的工作指南， 又是人社數(shù)據(jù)處理者進(jìn)行這類數(shù)據(jù)采集、傳輸、保存、使用和刪除等操作的行為準(zhǔn)則， 包括人社數(shù)據(jù)的數(shù)據(jù)項(xiàng)界定、安全分級(jí)規(guī)則、數(shù)據(jù)共享開放屬性與條件等。

法律法規(guī)反映了法學(xué)理論界對(duì)人社數(shù)據(jù)的敏感性認(rèn)知， 既是人社數(shù)據(jù)的數(shù)據(jù)主體、使用者和擁有者等利益相關(guān)方處理該類數(shù)據(jù)的法律依據(jù)， 也是國(guó)家為保護(hù)個(gè)人權(quán)益、維護(hù)社會(huì)穩(wěn)定和國(guó)家安全等所需要的法律保障， 包括相關(guān)國(guó)家法律、政府法規(guī)、部門規(guī)章和管理?xiàng)l例等。

學(xué)術(shù)論著反映了專家學(xué)者對(duì)人社數(shù)據(jù)的敏感性認(rèn)知， 既是學(xué)術(shù)界進(jìn)行的相關(guān)理論探討， 也是法律界制定和完善人社數(shù)據(jù)保護(hù)法律的知識(shí)來源， 因?yàn)樾录夹g(shù)使用產(chǎn)生的人社數(shù)據(jù)隱私管理新問題， 學(xué)術(shù)研究在前， 法律納入在后， 包括數(shù)字技術(shù)和數(shù)智網(wǎng)絡(luò)等應(yīng)用于人社業(yè)務(wù)數(shù)字化轉(zhuǎn)型所產(chǎn)生的人社數(shù)據(jù)安全的挑戰(zhàn)、問題與對(duì)策等。

泄露案例反映了數(shù)據(jù)竊取者對(duì)人社數(shù)據(jù)的價(jià)值認(rèn)知， 既有各類媒體發(fā)布的人社數(shù)據(jù)泄露事件的報(bào)道， 也有司法機(jī)關(guān)對(duì)人社數(shù)據(jù)泄露案件的判決文書，包括最高人民法院的指導(dǎo)性案例、高級(jí)人民法院的典型案例、中級(jí)人民法院的示范案例和基層人民法院的普通案例等。

３. ２ 隱私文本庫的建立

隱私文本庫的建立包括設(shè)置文本篩選原則、確定檢索詞、構(gòu)建檢索策略、選擇檢索平臺(tái)、篩選目標(biāo)文本等步驟。

篩選原則： ①主題相關(guān)原則， 文獻(xiàn)主題限定“人社”， 包括人事管理數(shù)據(jù)、人力資源數(shù)據(jù)、社會(huì)保險(xiǎn)數(shù)據(jù)、就業(yè)服務(wù)數(shù)據(jù)等。②類型針對(duì)原則， 文獻(xiàn)類型限定為行業(yè)標(biāo)準(zhǔn)、法律法規(guī)、學(xué)術(shù)論著、泄密案例。③內(nèi)容時(shí)效原則， 行業(yè)標(biāo)準(zhǔn)和法律法規(guī)均限定為現(xiàn)行文件， 學(xué)術(shù)論著限定為近十年， 泄露案例均為官方發(fā)布。

檢索詞： “就業(yè)數(shù)據(jù)” “人力資源” “人事數(shù)據(jù)”“勞動(dòng)合同” “簡(jiǎn)歷” “社會(huì)保險(xiǎn)” “檔案管理” “學(xué)術(shù)不端” “學(xué)術(shù)失范” “隱私” 等。

檢索平臺(tái)與檢索字段： ①行業(yè)標(biāo)準(zhǔn)， 《中國(guó)知網(wǎng)標(biāo)準(zhǔn)數(shù)據(jù)總庫》《全國(guó)標(biāo)準(zhǔn)信息公共服務(wù)平臺(tái)》、稻殼巴巴、百度文庫等平臺(tái)檢索， 檢索途徑為“篇關(guān)摘” （篇名＋關(guān)鍵詞＋摘要）。②法律法規(guī)， 《北大法寶： 法律法規(guī)庫》， 檢索途徑為“標(biāo)題” 和“全文”。③學(xué)術(shù)論著， 《中國(guó)知網(wǎng)》， 檢索途徑為“主題”， 以核心期刊為主。④泄露案例， 《北大法寶：司法案例庫》、裁判文書網(wǎng)， 檢索途徑為“標(biāo)題” 和“全文”， 限定法院級(jí)別。

隱私文本庫： 檢索時(shí)間為２０２４ 年３ 月１０ 日—１２ 日。上述四類文本的檢索結(jié)果分別為： 行業(yè)標(biāo)準(zhǔn)８７ 篇、法律法規(guī)３５ 篇、學(xué)術(shù)論著１０８ 篇、泄露案例８０ 篇。依據(jù)篩選條件對(duì)四類文本的檢索結(jié)果進(jìn)行篩選， 篩選結(jié)果依次是： 行業(yè)標(biāo)準(zhǔn)５９ 篇、法律法規(guī)２９ 篇、學(xué)術(shù)論著１００ 篇、泄露案例７７ 篇。

４ 人社數(shù)據(jù)敏感詞表構(gòu)建

人社敏感數(shù)據(jù)單元是構(gòu)建人社數(shù)據(jù)敏感詞表的基礎(chǔ)， 具體流程包括人社敏感詞表框架的構(gòu)建和敏感詞提取， 具體邏輯如圖１ 所示。

４. １ 人社敏感數(shù)據(jù)單元

人社敏感數(shù)據(jù)單元指人社隱私數(shù)據(jù)文本中包含人社數(shù)據(jù)項(xiàng)的句子。本文將這些句子中包含的人社數(shù)據(jù)項(xiàng)、動(dòng)詞、形容詞和副詞分別稱為人社敏感名詞、敏感動(dòng)詞、敏感程度詞。建立步驟： ①清洗人社隱私文本， 形成規(guī)范化的純文本文件； ②自編代碼識(shí)別包含人社敏感名詞的句子， 形成人社敏感數(shù)據(jù)單元集合， 示例如表３ 所示。

４. ２ 敏感名詞表

詞表框架。訪問人社部網(wǎng)站， 獲得人社部門的業(yè)務(wù)服務(wù)模塊； 瀏覽人社數(shù)據(jù)相關(guān)行業(yè)標(biāo)準(zhǔn)， 獲得人社數(shù)據(jù)項(xiàng)的分級(jí)結(jié)構(gòu)； 實(shí)地調(diào)查人社部門， 獲取實(shí)踐部門采集和制作的人社數(shù)據(jù)類型。綜合３ 個(gè)來源， 歸納人社數(shù)據(jù)類型為： 個(gè)人基礎(chǔ)數(shù)據(jù)、入職流動(dòng)數(shù)據(jù)、行政工作數(shù)據(jù)、專業(yè)技術(shù)數(shù)據(jù)、工資保險(xiǎn)福利。

敏感名詞的采集。敏感名詞也即人社數(shù)據(jù)項(xiàng)，來源有三： 一是國(guó)家標(biāo)準(zhǔn)《全國(guó)干部、人事管理信息系統(tǒng)指標(biāo)體系與數(shù)據(jù)結(jié)構(gòu)》中人社數(shù)據(jù)項(xiàng)。二是實(shí)地調(diào)查人社部門采集和制作的數(shù)據(jù)項(xiàng)。三是自編Ｐｙｔｈｏｎ 代碼， 利用“Ｊｉｅｂａ” 分詞詞庫， 遍歷人社數(shù)據(jù)隱私文本庫， 抽取人社文本中的數(shù)據(jù)項(xiàng)。融合上述３ 個(gè)來源， 形成人社敏感名詞集合。

敏感名詞的處理。一是針對(duì)人社敏感名詞集合，人工識(shí)別同義詞、多義詞和含義含糊詞， 分別進(jìn)行聚類、詞義限定和詞義加注等方式處理， 提升人社敏感名詞的語義準(zhǔn)確性。二是使用《同義詞詞林》《近義詞詞典》等詞匯工具和ＰＭＩ 點(diǎn)間互信息法擴(kuò)充敏感名詞， 提高敏感名詞表的覆蓋度。三是采用詞項(xiàng)共現(xiàn)關(guān)系算法計(jì)算敏感詞匯之間的語義關(guān)聯(lián)度，判別詞匯收錄的合理性。

將采集并處理后的敏感名詞歸入名詞表框架，形成人社敏感名詞表， 如表４ 所示。

４. ３ 敏感動(dòng)詞表

動(dòng)詞詞表框架： 參考行業(yè)標(biāo)準(zhǔn)和相關(guān)法規(guī)， 歸類總結(jié)人社敏感動(dòng)詞類型包括采集、傳輸、存儲(chǔ)、使用、共享、銷毀６ 個(gè)階段。此外， 該６ 個(gè)階段對(duì)人社敏感數(shù)據(jù)進(jìn)行操作時(shí)均有可能產(chǎn)生風(fēng)險(xiǎn)， 或可能進(jìn)行風(fēng)險(xiǎn)規(guī)避活動(dòng)， 因此， 動(dòng)詞表框架增加“風(fēng)險(xiǎn)產(chǎn)生操作” 和“風(fēng)險(xiǎn)規(guī)避操作” 兩個(gè)類型。

敏感動(dòng)詞的采集： 利用自編Ｐｙｔｈｏｎ 代碼及“Ｊｉｅ?ｂａ” 分詞詞庫， 遍歷人社敏感數(shù)據(jù)單元， 識(shí)別出操作敏感名詞的動(dòng)詞， 形成人社敏感動(dòng)詞集合。

敏感動(dòng)詞詞匯的強(qiáng)度： 人社敏感動(dòng)詞表中的前６ 種數(shù)據(jù)類型是對(duì)人社數(shù)據(jù)隱私風(fēng)險(xiǎn)的間接操作，后兩種類型是對(duì)人社數(shù)據(jù)隱私風(fēng)險(xiǎn)的直接操作， 后者的操作強(qiáng)度高于前者， 因此， 前六類賦值“１”，后兩類賦值“２”， 如表５ 所示。

４. ４ 敏感程度詞表

敏感程度詞表框架： 依據(jù)敏感數(shù)據(jù)單元， 敏感程度詞包括副詞和形容詞。程度詞修飾方向有正反之分。因此， 劃分人社敏感程度詞類型為： 修飾人社敏感動(dòng)詞的正向程度詞、修飾人社敏感動(dòng)詞的負(fù)向程度詞、限定人社敏感名詞的程度詞等三類。

敏感程度詞匯的采集： 利用自編Ｐｙｔｈｏｎ 代碼及“Ｊｉｅｂａ” 分詞詞庫， 遍歷人社敏感數(shù)據(jù)單元， 自動(dòng)識(shí)別出修飾操作敏感動(dòng)詞和敏感名詞的程度詞， 形成人社敏感程度詞集合。

敏感程度詞的強(qiáng)度： 依據(jù)情感評(píng)價(jià)理論， 參考已有研究中的情感評(píng)價(jià)結(jié)果［４２］ ， 修飾人社敏感動(dòng)詞的正向和負(fù)向程度詞強(qiáng)度分別為“１” 和“２”， 修飾敏感名詞的程度詞強(qiáng)度按照輕、中、強(qiáng)３ 個(gè)級(jí)別分別賦值“１” “２” “３”， 如表６ 所示。

５ 人社數(shù)據(jù)隱私計(jì)量

在上述構(gòu)建的人社敏感詞表基礎(chǔ)上， 分析影響因素、設(shè)計(jì)計(jì)量模型， 對(duì)人社數(shù)據(jù)隱私進(jìn)行計(jì)量。

５. １ 人社數(shù)據(jù)隱私的影響因素

隱私具有情境依賴性， 針對(duì)本項(xiàng)研究， 人社文本的語境構(gòu)成了人社數(shù)據(jù)的隱私情境。具體來說，文本類型是人社數(shù)據(jù)的宏觀語境， 人社敏感數(shù)據(jù)單元是人社數(shù)據(jù)的中觀語境， 人社數(shù)據(jù)本身是其微觀語境。因此， 可以從該３ 個(gè)維度考察人社數(shù)據(jù)隱私的影響因素。

文本力度： 不同類型文本對(duì)人社數(shù)據(jù)的作用力度不同， 同一類型中不同來源文本對(duì)人社數(shù)據(jù)的作用力度也存在差異。宏觀上， ４ 種類型人社文本的作用不同： 法律法規(guī)用于保護(hù)數(shù)據(jù)， 行業(yè)標(biāo)準(zhǔn)用于操作數(shù)據(jù)， 學(xué)術(shù)論著用于探討數(shù)據(jù)， 泄露案例用于違法違規(guī)使用數(shù)據(jù)； 微觀上， 法律法規(guī)的頒布機(jī)構(gòu)有全國(guó)人大、國(guó)務(wù)院、省部級(jí)單位， 頒布機(jī)構(gòu)權(quán)威性影響法律文本的效用力度。泄露案例的發(fā)布機(jī)構(gòu)有最高人民法院、中高級(jí)人民法院、基層人民法院等， 發(fā)布機(jī)構(gòu)的權(quán)威性也影響案例文本的效用力度。學(xué)術(shù)論著的影響因子有引用頻次和下載次數(shù)， 體現(xiàn)了該類文本的學(xué)術(shù)質(zhì)量， 質(zhì)量高低也影響論著文本的效用力度。

語義強(qiáng)度： 在人社敏感數(shù)據(jù)單元的語境中， 圍繞人社數(shù)據(jù)項(xiàng)， 敏感動(dòng)詞對(duì)其進(jìn)行直接操作， 敏感程度詞對(duì)其進(jìn)行直接和間接修飾。不同類型敏感動(dòng)詞的操作強(qiáng)度存在差異， 操作頻次高低影響操作強(qiáng)度。同樣， 不同類型敏感程度詞的修飾強(qiáng)度也有差異， 修飾頻次高低也影響修飾強(qiáng)度。操作強(qiáng)度和修飾強(qiáng)度構(gòu)成了人社敏感數(shù)據(jù)的語義強(qiáng)度。

人社數(shù)據(jù)項(xiàng)的敏感性： 針對(duì)人社數(shù)據(jù)項(xiàng)本身，影響其重要程度的因素有兩個(gè)： 在隱私文本中的出現(xiàn)頻次和出現(xiàn)文本的占比。針對(duì)前者， 隱私數(shù)據(jù)項(xiàng)出現(xiàn)頻次越高， 說明數(shù)據(jù)項(xiàng)被研究討論的程度越高，反映數(shù)據(jù)項(xiàng)越重要， 體現(xiàn)數(shù)據(jù)項(xiàng)價(jià)值越大； 針對(duì)后者， 數(shù)據(jù)項(xiàng)出現(xiàn)文本占比越大， 表明數(shù)據(jù)項(xiàng)被研究討論的范圍越大， 關(guān)注的群體和人數(shù)越多， 體現(xiàn)數(shù)據(jù)項(xiàng)價(jià)值越大。

５. ２ 人社隱私計(jì)量模型

根據(jù)上述對(duì)人社數(shù)據(jù)隱私的影響因素分析， 建立人社隱私計(jì)量模型， 如圖２ 所示。

根據(jù)人社隱私計(jì)量模型， 結(jié)合本項(xiàng)研究對(duì)人社隱私文本相關(guān)指標(biāo)的統(tǒng)計(jì)結(jié)果分布情況， 對(duì)各個(gè)計(jì)量指標(biāo)進(jìn)行量化， 如表７ 所示。

根據(jù)人社隱私計(jì)量模型， 不同指標(biāo)計(jì)量結(jié)果的融合操作需要計(jì)算指標(biāo)權(quán)值。本研究調(diào)研了３ 名人社領(lǐng)域的專家和２ 名數(shù)據(jù)隱私領(lǐng)域的專家， 對(duì)涉及的指標(biāo)兩兩對(duì)比， 從１～９（重要程度依次遞增）進(jìn)行三角模糊數(shù)打分。根據(jù)打分結(jié)果， 構(gòu)建模糊判斷矩陣， 表８ 所示的是指標(biāo)｛Ｘ，Ｙ，Ｚ｝的判斷矩陣。

運(yùn)行基于三角模糊數(shù)改進(jìn)的模糊層次分析算法， 得出權(quán)重結(jié)果｛Ｘ，Ｙ，Ｚ｝的權(quán)重為（０. ２３，０. ４９，０. ２８）。同樣， 按照上述步驟， 計(jì)算其他指標(biāo)之間的權(quán)值結(jié)果為： ｛Ｘ１，Ｘ２，Ｘ３，Ｘ４｝的權(quán)重為（０. ４０，０. ３０，０. ２０，０. １０）， ｛Ｙ１，Ｙ２｝的權(quán)重為（０. ４４，０. ５６），｛Ｚ１，Ｚ２｝的權(quán)重為（０. ５８，０. ４２）。

５. ３ 人社隱私計(jì)量結(jié)果

依據(jù)計(jì)量模型， 針對(duì)人社隱私文本進(jìn)行計(jì)量的結(jié)果如表９ 所示。

５. ３. １ 基于人社數(shù)據(jù)類型的分析

人社數(shù)據(jù)類型隱私值計(jì)量。依據(jù)人社敏感數(shù)據(jù)表的三級(jí)結(jié)構(gòu)“數(shù)據(jù)類型—數(shù)據(jù)條目—數(shù)據(jù)項(xiàng)目”，結(jié)合隱私計(jì)量模型進(jìn)行數(shù)據(jù)項(xiàng)隱私值測(cè)度的結(jié)果，按照數(shù)據(jù)級(jí)別依次累加其隱私值生成上級(jí)數(shù)據(jù)的隱私值， 這樣， 數(shù)據(jù)項(xiàng)目隱私值疊加產(chǎn)生數(shù)據(jù)條目隱私值， 而數(shù)據(jù)條目隱私值相加計(jì)量出數(shù)據(jù)類型隱私值， 故數(shù)據(jù)類型隱私值大小取決于所包含數(shù)據(jù)項(xiàng)的數(shù)量和各個(gè)數(shù)據(jù)項(xiàng)隱私值。依據(jù)表４ 中各數(shù)據(jù)類型所含數(shù)據(jù)項(xiàng)的數(shù)量和表９ 中各數(shù)據(jù)項(xiàng)的隱私值， 計(jì)量數(shù)據(jù)類型隱私值如下（降序排列）： 工資與保險(xiǎn)福利數(shù)據(jù)（２１４. ２５）、專業(yè)技術(shù)數(shù)據(jù)（１９２. ８６）、行政工作數(shù)據(jù)（１７３. ０９）、個(gè)人基礎(chǔ)數(shù)據(jù)（１５３. ２３）和入職流動(dòng)數(shù)據(jù)（１５０. ０５）， 具體分析如下：

工資與保險(xiǎn)福利數(shù)據(jù)的隱私值第一（２１４. ２５）。工資是勞動(dòng)者提供勞動(dòng)后， 所得貨幣形式的勞動(dòng)報(bào)酬， 其支付金額通過法定用人單位依據(jù)法律規(guī)定、行業(yè)規(guī)定、與員工之間的約定等形式確定， 支付形式有時(shí)薪、月薪、年薪等； 社會(huì)保險(xiǎn)指一種為喪失勞動(dòng)能力或暫時(shí)失去勞動(dòng)崗位或因健康原因造成損失的個(gè)人提供收入或補(bǔ)償?shù)囊环N社會(huì)和經(jīng)濟(jì)制度，主要包括養(yǎng)老保險(xiǎn)、醫(yī)療保險(xiǎn)、失業(yè)保險(xiǎn)； 個(gè)人福利是指在個(gè)人具備國(guó)家及所在用人單位規(guī)定的條件時(shí)可以享受的除工資和保險(xiǎn)之外的其他待遇， 包括喪葬撫恤救濟(jì)費(fèi)、冬季取暖補(bǔ)貼和生活困難補(bǔ)助等。綜上， 該類數(shù)據(jù)的內(nèi)容均為個(gè)人收入的金融性財(cái)產(chǎn)，且一般不愿披露和被他人知曉。我國(guó)《中華人民共和國(guó)民法典》規(guī)定， 隱私是“自然人的私人生活安寧和不愿為他人知曉的私密空間、私密活動(dòng)、私密信息”， 因此該類數(shù)據(jù)具有隱私性。依據(jù)數(shù)據(jù)隱私的基本界定， 隱私是隱私主體對(duì)隱私客體的敏感程度認(rèn)識(shí)， 隱私主體是數(shù)據(jù)中包含的能識(shí)別出自然人的數(shù)據(jù)項(xiàng)， 隱私客體主要是數(shù)據(jù)內(nèi)嵌的體現(xiàn)隱私主體的人格屬性和財(cái)產(chǎn)屬性的內(nèi)容， 由此， 該類數(shù)據(jù)隱私主要反映了員工的個(gè)人財(cái)產(chǎn)屬性。員工的工資與保險(xiǎn)福利是基礎(chǔ)性的核心財(cái)產(chǎn)， 其他類型財(cái)產(chǎn)（如房產(chǎn)等）大都是基于該核心財(cái)產(chǎn)的派生財(cái)產(chǎn)， 故該類數(shù)據(jù)的財(cái)產(chǎn)屬性具有原始性， 其隱私性最高是合理的。已有多類型數(shù)據(jù)隱私性測(cè)度的相關(guān)研究中金融數(shù)據(jù)隱私值較高［４３］ ， 而工資與保險(xiǎn)福利是基礎(chǔ)性金融資產(chǎn)， 故驗(yàn)證了本研究的該項(xiàng)結(jié)論。

專業(yè)技術(shù)數(shù)據(jù)的隱私值位列第二（１９２. ８６）， 包括四類： 人才情況、專業(yè)技術(shù)職務(wù)、專業(yè)技術(shù)成果、專業(yè)技術(shù)違規(guī)。其中， 前三類都是個(gè)人學(xué)術(shù)成就的客觀呈現(xiàn)， 集中在收獲的學(xué)術(shù)技術(shù)榮譽(yù)稱號(hào)、擔(dān)任的學(xué)術(shù)技術(shù)崗位、發(fā)表的學(xué)術(shù)技術(shù)論著、主持的科學(xué)技術(shù)項(xiàng)目、獲得的科學(xué)技術(shù)獎(jiǎng)勵(lì)、申請(qǐng)的科學(xué)技術(shù)專利等， 均為公開數(shù)據(jù)， 直接個(gè)人人格和財(cái)產(chǎn)屬性的呈現(xiàn)性都不顯著， 隱私性均不大。第四類數(shù)據(jù)是事業(yè)單位（尤其學(xué)校和科研機(jī)構(gòu)）專業(yè)技術(shù)人員的職業(yè)操守， 國(guó)家和相關(guān)部門頒布了相應(yīng)法律法規(guī)和制度規(guī)范進(jìn)行約束和處理， 政治紀(jì)律違規(guī)、教育教學(xué)失職、學(xué)術(shù)道德不端、工作作風(fēng)懈怠、生活作風(fēng)敗壞、廉潔從教從業(yè)失責(zé)等違法違規(guī)與失范行為都會(huì)受到嚴(yán)肅處理， 處分結(jié)果將給個(gè)人造成嚴(yán)重的負(fù)面影響， 產(chǎn)生巨大的精神和人格傷害甚至財(cái)產(chǎn)損失，故這類數(shù)據(jù)敏感性非常顯著。綜上， 專業(yè)技術(shù)數(shù)據(jù)的隱私值測(cè)度結(jié)果較高， 位列第二。

行政工作數(shù)據(jù)的隱私值位列第三（１７３. ０９）。行政事業(yè)單位（國(guó)企參照該類單位進(jìn)行管理， 故合并一起）干部隊(duì)伍是核心。干部管理包括后備干部動(dòng)議、考察考核、公示任免、獎(jiǎng)勵(lì)處分等流程， 每個(gè)環(huán)節(jié)都可能包含個(gè)人重要內(nèi)容事項(xiàng)， 如后備干部的選拔、培養(yǎng)和使用， 考察考核的意見和結(jié)果， 彼時(shí)個(gè)人身份和職務(wù)， 警告處分、降職降級(jí)和免職撤職的原因等。這些管理活動(dòng)中采集、調(diào)用和制作大量的個(gè)人數(shù)據(jù)， 其中不少數(shù)據(jù)內(nèi)容屬于數(shù)據(jù)主體不愿披露和被他人知曉的私密信息， 尤其是對(duì)個(gè)人產(chǎn)生較大負(fù)面作用、較為嚴(yán)重?fù)p傷個(gè)人人格的數(shù)據(jù)項(xiàng)，如重要政治歷史活動(dòng)中的個(gè)人污點(diǎn)行為、擔(dān)任重要職務(wù)遭遇降職和撤職的原因， 這些數(shù)據(jù)項(xiàng)對(duì)數(shù)據(jù)主體具有較強(qiáng)的人格敏感性， 屬于人格性隱私。但是個(gè)人違規(guī)違法行為導(dǎo)致的經(jīng)濟(jì)和刑事犯罪問題就需移交給公安機(jī)關(guān)進(jìn)行偵查， 進(jìn)而產(chǎn)生的刑偵經(jīng)偵數(shù)據(jù)屬于隱私性更高的個(gè)人公安數(shù)據(jù)， 不在人社數(shù)據(jù)范疇之中， 故行政工作數(shù)據(jù)的隱私值位列第三。

個(gè)人基礎(chǔ)數(shù)據(jù)（１５３.２３）與入職流動(dòng)數(shù)據(jù)（１５０.０５）的隱私值位列最后。個(gè)人基礎(chǔ)數(shù)據(jù)有四類： 標(biāo)識(shí)數(shù)據(jù)、半標(biāo)識(shí)數(shù)據(jù)、聯(lián)系數(shù)據(jù)、家庭成員及社會(huì)關(guān)系數(shù)據(jù)。前兩類數(shù)據(jù)分別承載著直接和間接的社會(huì)識(shí)別作用， 第三類數(shù)據(jù)提供社會(huì)聯(lián)系功能， 這三類數(shù)據(jù)都是個(gè)體融入社會(huì)成為社會(huì)一員的必要條件， 可能會(huì)成為“個(gè)體被外界打擾” 的原因（尤其聯(lián)系數(shù)據(jù)）進(jìn)而產(chǎn)生早期含義的“隱私”［３５］ ， 但它們體現(xiàn)的人格屬性和財(cái)產(chǎn)屬性較弱， 與現(xiàn)代管理學(xué)視角下的“數(shù)據(jù)主體對(duì)數(shù)據(jù)客體的敏感性認(rèn)知” 的“隱私” 界定契合程度不高， 它們的泄露導(dǎo)致數(shù)據(jù)主體的人格傷害和財(cái)產(chǎn)損失不大， 故這三類數(shù)據(jù)的隱私性較小； 第四類數(shù)據(jù)涉及關(guān)聯(lián)隱私， 即關(guān)注的對(duì)象是個(gè)人家庭和社會(huì)關(guān)系成員的“隱私”［１２］ ， 但所具有的人格性和財(cái)產(chǎn)性也不大， 隱私性也較小。工作入職與工作流動(dòng)數(shù)據(jù)中， 前者包括錄聘和試用， 涉及的入職考試成績(jī)和試用期滿的考核具有一定敏感性；后者包括工作交流和崗位變化， 涉及的被“辭退”和被“開除” 可能會(huì)比較嚴(yán)重負(fù)面影響員工的人格； 其他數(shù)據(jù)的泄露對(duì)人格和財(cái)產(chǎn)造成的影響均甚微。綜上， 個(gè)人基礎(chǔ)數(shù)據(jù)和入職流動(dòng)數(shù)據(jù)的敏感性均不太顯著， 其隱私值均位于行政工作數(shù)據(jù)之后。

５. ３. ２ 基于人社隱私文本的分析

人社隱私文本類型隱私值的計(jì)量。文本類型隱私值是一類文本中包含的所有敏感數(shù)據(jù)項(xiàng)隱私值的累加， 也是該類文本敏感程度的呈現(xiàn)。故， 文本中所含敏感數(shù)據(jù)項(xiàng)的出現(xiàn)頻次和隱私值是該類文本隱私值的兩個(gè)影響因素： 數(shù)據(jù)項(xiàng)出現(xiàn)頻次越高， 單項(xiàng)數(shù)據(jù)隱私值越大， 文本類型隱私值就越高， 反之，就越低； 文本數(shù)據(jù)項(xiàng)的出現(xiàn)頻次與文本體量息息相關(guān)， 故后者也間接影響文本類型隱私值。依據(jù)表４統(tǒng)計(jì)各類文本中敏感數(shù)據(jù)項(xiàng)的出現(xiàn)頻次， 結(jié)合表９計(jì)量文本類型隱私值， 結(jié)果為（降序排列）： 人社行業(yè)標(biāo)準(zhǔn)（３１４. ８０）、相關(guān)法律法規(guī)（２２７. ２４）、泄露案例（２０８. ９０）、學(xué)術(shù)論著（１７９. ２４）， 具體分析如下：

行業(yè)標(biāo)準(zhǔn)的隱私值最高（３１４. ８０）?！度珖?guó)干部、人事管理信息系統(tǒng)指標(biāo)體系與數(shù)據(jù)結(jié)構(gòu)》規(guī)范了人社數(shù)據(jù)的類型和數(shù)據(jù)項(xiàng)， 通用性強(qiáng)。已有一些領(lǐng)域建立了對(duì)應(yīng)領(lǐng)域人社數(shù)據(jù)規(guī)范， 如公安領(lǐng)域的《全國(guó)公安人事管理信息結(jié)構(gòu)體系—第１ 部分： 指標(biāo)體系分類與代碼》（ＧＡ３９３. １－２００２）和社保國(guó)家標(biāo)準(zhǔn)《社會(huì)保險(xiǎn)術(shù)語》及其《養(yǎng)老保險(xiǎn)術(shù)語》《醫(yī)療保險(xiǎn)術(shù)語》等， 專業(yè)特色比較鮮明。這些雖為現(xiàn)行標(biāo)準(zhǔn)，但年久還未修訂， 新出現(xiàn)的數(shù)據(jù)項(xiàng)還未及時(shí)納入，且針對(duì)人社數(shù)據(jù)隱私及其保護(hù)的行業(yè)標(biāo)準(zhǔn)缺失。盡管如此， 這些文本界定的數(shù)據(jù)項(xiàng)仍是人社數(shù)據(jù)的核心。這些文本的關(guān)注重點(diǎn)是人社部門采集數(shù)據(jù)項(xiàng)的描述科學(xué)性和準(zhǔn)確性， 如社會(huì)關(guān)系、處分原因、專家待遇、工資總額、保險(xiǎn)福利等。

相關(guān)法律法規(guī)的隱私值次之（２２７. ２４）。人力資源管理和社會(huì)保險(xiǎn)的法律法規(guī)較多， 如我國(guó)的《中華人民共和國(guó)社會(huì)保險(xiǎn)法》《人力資源市場(chǎng)暫行條例》《事業(yè)單位人事管理?xiàng)l例》等， 但針對(duì)人社數(shù)據(jù)隱私及其保護(hù)的法律法規(guī)缺失。涉及人社管理的相關(guān)法律法規(guī)較多， 如教育領(lǐng)域人事管理的國(guó)家《中華人民共和國(guó)教師法》和教育部《教師職業(yè)行為準(zhǔn)則及師德失范處理辦法》等， 但針對(duì)人社數(shù)據(jù)管理的法律法規(guī)缺乏。盡管如此， 統(tǒng)計(jì)這些文本中人社數(shù)據(jù)項(xiàng)仍能反映數(shù)據(jù)的價(jià)值。這些文本的關(guān)注重點(diǎn)是工作入職和師德師風(fēng)負(fù)面清單， 如學(xué)術(shù)道德不端、科研誠(chéng)信違規(guī)、學(xué)術(shù)造假、上崗方式、辭退原因等。

泄露案例的隱私值再次之（２０８. ９０）。不法分子竊取個(gè)人隱私數(shù)據(jù)的核心目的不外乎兩個(gè)方面： 損害名譽(yù)和盜竊財(cái)產(chǎn)， 在人社數(shù)據(jù)泄露案件中， 兩者的呈現(xiàn)也非常顯著。前者分散在入職流動(dòng)數(shù)據(jù)的試用考核結(jié)果和辭退原因、行政工作中的降職免職和撤職及其原因、專業(yè)技術(shù)工作中的師德師風(fēng)失范和學(xué)術(shù)不端及其處理結(jié)果， 這些數(shù)據(jù)的泄露都可能造成個(gè)體受到歧視乃至侮辱人格和遭遇勒索； 后者集中在工資與保險(xiǎn)福利數(shù)據(jù)中， 包含工資、獎(jiǎng)金、津貼以及社保金額和福利類型等， 這些均為個(gè)人金融性財(cái)產(chǎn)， 其泄露和被盜可能導(dǎo)致個(gè)人財(cái)產(chǎn)的損失，嚴(yán)重時(shí)可能危害社會(huì)。

學(xué)術(shù)論著的隱私值最低（１７５. ４７）。一般來講，法律法規(guī)和行業(yè)標(biāo)準(zhǔn)的主要作用是規(guī)范人們已達(dá)成共識(shí)的行為規(guī)則， 修訂周期較長(zhǎng)； 學(xué)術(shù)論著的主要功能是探討新生事物， 發(fā)表周期短。所以， 對(duì)于新理論新方法產(chǎn)生的新型數(shù)據(jù)保護(hù)問題， 學(xué)者們探索在先， 法律法規(guī)納入在后。因此， 從出版時(shí)差角度，學(xué)術(shù)論著可以彌補(bǔ)法律滯后的缺憾； 從內(nèi)容成熟度視角， 學(xué)術(shù)論著可以作為法律法規(guī)的質(zhì)量把關(guān)者。結(jié)合人社數(shù)據(jù)， 該類文本的關(guān)注重點(diǎn)在于出現(xiàn)較晚的師德規(guī)范問題， 如師德師風(fēng)、學(xué)術(shù)誠(chéng)信、學(xué)術(shù)不端等， 驗(yàn)證了學(xué)術(shù)論著與法律法規(guī)的關(guān)系。

６ 結(jié)束語

本項(xiàng)研究的結(jié)論包含兩個(gè)方面： 人社數(shù)據(jù)的敏感性識(shí)別上， 本文采集人社數(shù)據(jù)隱私文本， 依據(jù)計(jì)量語言學(xué)理論， 劃分人社敏感詞匯類型為敏感名詞、敏感動(dòng)詞和敏感程度詞， 挖掘隱私文本， 編制對(duì)應(yīng)敏感詞表， 實(shí)現(xiàn)人社數(shù)據(jù)的敏感性識(shí)別； 人社數(shù)據(jù)的隱私值計(jì)量上， 分析人社數(shù)據(jù)敏感性的影響因素，建立敏感性測(cè)度的指標(biāo)體系， 構(gòu)建人社數(shù)據(jù)隱私計(jì)量模型， 進(jìn)行隱私值計(jì)量， 實(shí)現(xiàn)個(gè)人人社數(shù)據(jù)的分級(jí)。

本項(xiàng)研究?jī)r(jià)值體現(xiàn)在兩個(gè)方面。理論上， 本文基于客觀存在的人社隱私文本角度， 識(shí)別敏感數(shù)據(jù)單元， 挖掘文本單元的語義元素， 測(cè)度語義元素的敏感性強(qiáng)度和文本力度， 計(jì)量數(shù)據(jù)項(xiàng)的隱私值， 補(bǔ)充完善了基于主觀視角的“調(diào)查隱私主體對(duì)隱私客體的敏感性認(rèn)知” 的隱私界定理論； 實(shí)踐上， 已有的隱私保護(hù)法律將分類分級(jí)保護(hù)作為數(shù)據(jù)隱私保護(hù)的基本制度， 但缺失分級(jí)的定量標(biāo)準(zhǔn)， 本文依據(jù)數(shù)據(jù)隱私值的計(jì)量結(jié)果， 劃分個(gè)人人社數(shù)據(jù)的隱私性為４ 個(gè)級(jí)別， 為該類數(shù)據(jù)的分級(jí)保護(hù)實(shí)踐提供了科學(xué)依據(jù)。

本項(xiàng)研究的局限性主要存在以下兩個(gè)方面： 人社隱私文本的質(zhì)量上， 針對(duì)性的人社數(shù)據(jù)隱私及其保護(hù)的文本較少， 相關(guān)性的文本比較豐富， 導(dǎo)致本文的隱私計(jì)量結(jié)果可能存在偏差； 人社行業(yè)標(biāo)準(zhǔn)聚焦人社數(shù)據(jù)類型和數(shù)據(jù)項(xiàng)的界定與描述， 散見于人力資源管理與服務(wù)的規(guī)則規(guī)范制定； 法律法規(guī)部門規(guī)章多為不同領(lǐng)域的人力資源管理行為的法律界定與制度約束， 少見于通用法律法規(guī)中有關(guān)人社數(shù)據(jù)保護(hù)措施的呈現(xiàn)； 泄露案例比較聚集在個(gè)人金融性財(cái)產(chǎn)和人格的侵犯， 散見于人事關(guān)系的糾紛； 學(xué)術(shù)論著關(guān)注重點(diǎn)在新出現(xiàn)的人社領(lǐng)域數(shù)據(jù)項(xiàng)， 也有人社管理方法的探索。盡管如此， 本文測(cè)度的人社數(shù)據(jù)隱私價(jià)值仍能體現(xiàn)現(xiàn)階段各方對(duì)數(shù)據(jù)項(xiàng)的重要性認(rèn)知， 隨著該類數(shù)據(jù)隱私文本的演化進(jìn)展， 本項(xiàng)研究將持續(xù)跟進(jìn)。隱私計(jì)量實(shí)驗(yàn)中的各項(xiàng)指標(biāo)量化等級(jí)及量化值反映了彼時(shí)的隱私文本實(shí)際， 但隱私文本是動(dòng)態(tài)的， 故本項(xiàng)研究的結(jié)論也呈現(xiàn)出時(shí)間特色，具有時(shí)代局限性， 跟蹤未來文本的變化情況， 實(shí)時(shí)調(diào)整不同指標(biāo)的量化等級(jí)， 進(jìn)行基于時(shí)序和認(rèn)知角色的人社數(shù)據(jù)隱私動(dòng)態(tài)精準(zhǔn)測(cè)度。

參考文獻(xiàn)

［１］ 中華人民共和國(guó)人力資源和社會(huì)保障部［ＥＢ／ ＯＬ］． ［２０２４－０７－１１］． ｈｔｔｐ：／ ／ ｗｗｗ．ｍｏｈｒｓｓ．ｇｏｖ．ｃｎ／ ．

［２］ 張凱亮， 臧國(guó)全． 泄露概率情境下的個(gè)人數(shù)據(jù)隱私計(jì)量研究［Ｊ］． 圖書情報(bào)工作， ２０２１， ６５ （９）： ６２－６９．

［３］ 中華人民共和國(guó)中央人民政府． 《“十四五” 國(guó)家信息化規(guī)劃》專家談： 加快數(shù)字化轉(zhuǎn)型 構(gòu)建“ 十四五” 人力資源和社會(huì)保障信息化發(fā)展新格局［ ＥＢ／ ＯＬ］． ［ ２０２４－０７－１１］． ｈｔｔｐ： ／ ／ｗｗｗ．ｃａｃ．ｇｏｖ．ｃｎ／２０２２－０３／１７／ ｃ＿１６４９１２４７６８９２６９７１．ｈｔｍ．

［４］ 搜狐網(wǎng)． 大數(shù)據(jù)爬蟲黑產(chǎn)調(diào)查： 數(shù)百元網(wǎng)購(gòu)數(shù)據(jù)采集器， 各行業(yè)信息訂制可查［ＥＢ／ ＯＬ］． ［２０２４－０７－１１］． ｈｔｔｐｓ：／ ／ ｗｗｗ．ｓｏｈｕ．ｃｏｍ／ ａ／３３１９２０３８５＿１６１７９５．

［５］ 澎湃新聞． 常州法院２０２１ 年度十大典型案例發(fā)布［ ＥＢ／ ＯＬ］．［２０２４－０７－１１］． ｈｔｔｐｓ： ／ ／ ｍ．ｔｈｅｐａｐｅｒ．ｃｎ／ ｂａｉｊｉａｈａｏ＿１６７９８３３７．

［６］ 徐芳璐． 基層綜合檔案館個(gè)人信息保護(hù)問題研究［ Ｄ］． 沈陽：遼寧大學(xué)， ２０２４．

［７］ 康曉虹， 樊橋． 論大數(shù)據(jù)時(shí)代的檔案管理與隱私保護(hù)［ Ｊ］． 科學(xué)咨詢（科技·管理）， ２０１７ （５）： ３６．

［８］ 張麗娜． 大數(shù)據(jù)時(shí)代高校人事檔案信息化建設(shè)中的個(gè)人信息隱私權(quán)保護(hù)［Ｊ］． 山西檔案， ２０１８ （２）： ７０－７２．

［９］ 邵同銘． 人事檔案數(shù)字管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［Ｊ］． 信息技術(shù)與信息化， ２０２３ （１１）： ６２－６５．

［１０］ Ｌｉ Ｊ Ｃ， Ｃｈｅｎ Ｇ Ｑ． Ａ Ｐｅｒｓｏｎａｌｉｚｅｄ Ｔｒａｊｅｃｔｏｒｙ Ｐｒｉｖａｃｙ ＰｒｏｔｅｃｔｉｏｎＭｅｔｈｏｄ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆ Ｓｅｃｕｒｉｔｙ， ２０２１， １０８： １０２３２３．

［１１］ Ｎｉｎｇ Ｂ， Ｓｕｎ Ｙ Ｈ， Ｔａｏ Ｘ Ｙ， ｅｔ ａｌ． Ｄｉｆｆｅｒｅｎｔｉａｌ Ｐｒｉｖａｃｙ Ｐｒｏｔｅｃ?ｔｉｏｎ ｏｎ Ｗｅｉｇｈｔｅｄ Ｇｒａｐｈ ｉｎ Ｗｉｒｅｌｅｓｓ Ｎｅｔｗｏｒｋｓ ［ Ｊ］． Ａｄ Ｈｏｃ Ｎｅｔ?ｗｏｒｋｓ， ２０２１， １１０： １０２３０３．

［１２］ 臧國(guó)全， 周曉倩． 社交網(wǎng)絡(luò)中關(guān)聯(lián)隱私的價(jià)值計(jì)量與分析［Ｊ］． 圖書情報(bào)工作， ２０２０， ６４ （１４）： ８５－９３．

［１３］ 臧國(guó)全， 賈瑞瑩． 醫(yī)療數(shù)據(jù)中病種隱私的計(jì)量與分析［Ｊ］． 現(xiàn)代情報(bào)， ２０２０， ４０ （５）： １６１－１６８．

［１４］ 張坤． 基于聯(lián)合分析法的用戶隱私保護(hù)策略偏好研究［Ｄ］． 北京： 北京郵電大學(xué)， ２０１１．

［１５］ 張磊． 基于聯(lián)合分析法的ＡＰＰ 隱私信息采集策略研究［ Ｄ］．武漢： 武漢大學(xué)， ２０２０．

［１６］ Ｅｇｅｌｍａｎ Ｓ， Ｆｅｌｔ Ａ Ｐ， Ｗａｇｎｅｒ Ｄ． Ｃｈｏｉｃｅ Ａｒｃｈｉｔｅｃｔｕｒｅ ａｎｄ Ｓｍａｒ?ｔｐｈｏｎｅ Ｐｒｉｖａｃｙ： Ｔｈｅｒｅｓ ａ Ｐｒｉｃｅ ｆｏｒ Ｔｈａｔ ［ Ｍ］． Ｔｈｅ Ｅｃｏｎｏｍｉｃｓ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｅｃｕｒｉｔｙ ａｎｄ Ｐｒｉｖａｃｙ． Ｈｅｉｄｅｌｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２０１３．

［１７］ 鄧勝利， 趙海平． 信息泄露情境下的個(gè)人信息價(jià)值評(píng)估及個(gè)體差異： 基于離散選擇模型的實(shí)證研究［ Ｊ］． 情報(bào)學(xué)報(bào)， ２０１９，３８ （３）： ２６６－２７６．

［１８］ 趙楊， 范圣悅． 適老化背景下老年用戶Ａｐｐ 隱私偏好實(shí)證研究———基于離散選擇實(shí)驗(yàn)［Ｊ／ ＯＬ］． 情報(bào)科學(xué)： １－２８ ［２０２４－０７－ ２５］． ｈｔｔｐ： ／ ／ ｋｎｓ． ｃｎｋｉ． ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／２２． １２６４． Ｇ２． ２０２４０５０６．１７０６．０２２．ｈｔｍｌ．

［１９］ 石磊． 考慮不同使用場(chǎng)景的ＡＰＰ 用戶隱私交換行為研究［Ｄ］．大連： 大連海事大學(xué)， ２０２２．

［２０］ 黃逸珺， 陸桐， 閆強(qiáng)． 電子商務(wù)網(wǎng)站個(gè)人信息價(jià)值評(píng)估［ Ｊ］．北京郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， ２０１７， １９ （５）： ３３－４１．

［２１］ 陳海燕． 政府?dāng)?shù)據(jù)開放中的個(gè)人隱私價(jià)值計(jì)量與保護(hù)研究［Ｄ］．南昌： 南昌大學(xué)， ２０２２．

［２２］ 張凱亮， 臧國(guó)全． 泄露概率情境下的個(gè)人數(shù)據(jù)隱私計(jì)量研究［Ｊ］． 圖書情報(bào)工作， ２０２１， ６５ （９）： ６２－６９．

［２３］ 張根， 唐忠， 李韶陽， 等． 醫(yī)療隱私大數(shù)據(jù)泄露風(fēng)險(xiǎn)容忍度計(jì)量仿真［Ｊ］． 計(jì)算機(jī)仿真， ２０２１， ３８ （１２）： ４８０－４８４．

［２４］ 邵寬， 張鎮(zhèn)勇， 楊科迪， 等． 基于國(guó)密ＳＭ２ 的數(shù)字藏品網(wǎng)絡(luò)拍賣隱私保護(hù)方法［Ｊ］． 軟件學(xué)報(bào)， ２０２５ （３）： １２８９－１３０３．

［２５］ 盧玉， 王靜宇， 劉立新， 等． 拍賣機(jī)制驅(qū)動(dòng)的數(shù)據(jù)激勵(lì)共享方案［Ｊ］． 計(jì)算機(jī)科學(xué)與探索， ２０２４， １８ （８）： ２２０３－２２２０．

［２６］ 武子軒， 王燁， 于洪． 基于多尺度特征提取的層次多標(biāo)簽文本分類方法［ Ｊ］． 鄭州大學(xué)學(xué)報(bào)（ 理學(xué)版）， ２０２５， ５７ （２）：２４－３０．

［２７］ 穰雨辰， 馬靜． 基于圖像字幕的多模態(tài)對(duì)齊情感分析模型［Ｊ］． 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)， ２０２５， ９ （１）： １０１－１０９．

［２８］ 孫令成， 肖鐵軍． 程序代碼集到特征矩陣文本特征提取算法的研究［Ｊ］． 計(jì)算機(jī)與數(shù)字工程， ２０２３， ５１ （１０）： ２３６３－２３６８，２３７８．

［２９］ 吳加輝， 加云崗， 王志曉， 等． 基于深度學(xué)習(xí)的微博疫情輿情文本情感分析［Ｊ］． 計(jì)算機(jī)技術(shù)與發(fā)展， ２０２４， ３４ （７）： １７５－１８３．

［３０］ 唐紅濤， 余佳鵬， 陳捷． 文本分析視角下數(shù)字鄉(xiāng)村政策量化研究———基于ＦａｓｔＴｅｘｔ 和文本挖掘方法［Ｊ］． 知識(shí)管理論壇， ２０２４，９ （３）： ２３７－２５２．

［３１］ 孫毅， 裘杭萍， 王沁雪． 網(wǎng)絡(luò)用戶自描述標(biāo)簽向量生成及標(biāo)簽層次體系構(gòu)建方法［Ｊ］． 信息技術(shù)與網(wǎng)絡(luò)安全， ２０１８， ３７ （１１）：４４－４９．

［３２］ 張楊， 徐步權(quán)． 基于機(jī)器學(xué)習(xí)和自然語言處理的工單自動(dòng)標(biāo)簽化技術(shù)［Ｊ］． 自動(dòng)化應(yīng)用， ２０２３， ６４ （２３）： １３－１５．

［３３］ 葉亞芬， 原德?。?基于數(shù)據(jù)化和文本檢索技術(shù)的檔案資源智能聚類研究［Ｊ］． 浙江檔案， ２０２３ （８）： １７－１９．

［３４］ 百度百科． 隱私［ ＥＢ／ ＯＬ］． ［ ２０２４－０７－１１］． ｈｔｔｐｓ： ／ ／ ｂａｉｋｅ．ｓｏ．ｃｏｍ／ ｄｏｃ／５５９１９４５－５８０４５４５．ｈｔｍｌ．

［３５］ Ｗａｒｒｅｎ Ｓ Ｄ， Ｂｒａｎｄｅｉｓ Ｌ Ｄ． Ｔｈｅ Ｒｉｇｈｔ ｔｏ Ｐｒｉｖａｃｙ ［ Ｊ］． ＨａｒｖａｒｄＬａｗ Ｒｅｖｉｅｗ， １８９０， ４ （５）： １９３－２２０．

［３６］ 張伯江． 漢語的句法結(jié)構(gòu)和語用結(jié)構(gòu)［ Ｊ］． 漢語學(xué)習(xí)， ２０１１（２）： ３－１２．

［３７］ 江騰蛟， 萬常選， 劉德喜， 等． 基于語義分析的評(píng)價(jià)對(duì)象—情感詞對(duì)抽?。郏剩荩?計(jì)算機(jī)學(xué)報(bào)， ２０１７， ４０ （３）： ６１７－６３３．

［３８］ Ｐｉｃａｒｄ Ｒ Ｗ． Ａｆｆｅｃｔｉｖｅ Ｃｏｍｐｕｔｉｎｇ ［Ｍ］． ＭＩＴ Ｐｒｅｓｓ， １９９７．［３９］ 來亮， 錢屹． 文本情感分析綜述［ Ｊ］． 計(jì)算機(jī)光盤軟件與應(yīng)用， ２０１２， １５ （１８）： ７４－７５．

［４０］ Ｌｉｕ Ｂ． Ｓｅｎｔｉｍｅｎｔ Ａｎａｌｙｓｉｓ ａｎｄ Ｏｐｉｎｉｏｎ Ｍｉｎｉｎｇ ［ Ｍ］． Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇ， ２０１２．

［４１］ Ｋ?ｈｌｅｒ Ｒ． Ｂｉｂｌｉｏｇｒａｐｈｙ ｏｆ Ｑｕａｎｔｉｔａｔｉｖｅ Ｌｉｎｇｕｉｓｔｉｃｓ ［Ｍ］． Ａｍｓｔｅｒ?ｄａｍ ＆ Ｐｈｉｌａｄｅｌｐｈｉａ： Ｊｏｈｎ Ｂｅｎｊａｍｉｎｓ Ｐｕｂｌｉｓｈｉｎｇ Ｃｏｍｐａｎｙ， １９９５：４０－４３．

［４２］ 臧國(guó)全， 張盼盼， 柴文科， 等． 個(gè)人通信數(shù)據(jù)的敏感性識(shí)別與隱私計(jì)量研究［Ｊ］． 圖書情報(bào)知識(shí)， ２０２４， ４１ （２）： １１０－１２０．

［４３］ 肖洋， 臧國(guó)全． 個(gè)人金融數(shù)據(jù)的敏感性識(shí)別與隱私計(jì)量研究［Ｊ］． 情報(bào)理論與實(shí)踐， ２０２３， ４６ （９）： １０５－１１４， ８６．

（責(zé)任編輯： 郭沫含）

基金項(xiàng)目： 國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目“政府?dāng)?shù)據(jù)的隱私風(fēng)險(xiǎn)計(jì)量與保護(hù)機(jī)制創(chuàng)新研究” （項(xiàng)目編號(hào)： ２１＆ＺＤ３３８）。