基于多方演化博弈的人工智能隱私風(fēng)險協(xié)同治理策略研究

中圖分類號：F224.32 文獻(xiàn)標(biāo)識碼：A 文章編號：2097-0145（2025）03-0025-08 doi：10.11847/fj.44.3.25

0 引言

人工智能技術(shù)（artificialintelligence，AI）在帶來革命性變革的同時，也引發(fā)了數(shù)據(jù)隱私侵權(quán)、個人隱私泄露等安全問題。如何有效治理人工智能技術(shù)帶來的隱私風(fēng)險已成為產(chǎn)業(yè)發(fā)展的當(dāng)務(wù)之急。人工智能隱私風(fēng)險治理的關(guān)鍵是如何取得技術(shù)可用性和可治理性之間的平衡[1]，然而由于監(jiān)管資源受限、法律法規(guī)滯后等原因，單靠政府力量無法滿足人工智能數(shù)據(jù)處理、運營建設(shè)的治理需求[2]，需要企業(yè)與消費者等社會群體共同參與。因此，構(gòu)建多方參與的協(xié)同治理體系以建立健全隱私保護(hù)機制，對提升人工智能產(chǎn)業(yè)化能力、推動數(shù)字經(jīng)濟(jì)健康發(fā)展具有重要意義。

人工智能技術(shù)的復(fù)雜性、不確定性和隱象性要求更靈活、包容、綜合的協(xié)同治理框架[3]。在技術(shù)邏輯層面，人工智能技術(shù)的發(fā)展和應(yīng)用涉及多元利益主體，其風(fēng)險治理也應(yīng)倡導(dǎo)社會合作，而不是由政府單一治理[4]，這種深層性、復(fù)雜性契合協(xié)同治理的關(guān)鍵技術(shù)特征；在理論淵源層面，協(xié)同治理吸納社會契約理論和可持續(xù)發(fā)展理論成果，主張社會成員通過共同的契約意識參與決策，并在決策中考慮多方的需求，實現(xiàn)可持續(xù)發(fā)展目標(biāo)[5]；在治理方法層面，已有研究主要從社會學(xué)、法學(xué)、倫理學(xué)等視角探討人工智能技術(shù)的隱私風(fēng)險等倫理問題及其治理手段[6]，進(jìn)一步證明了協(xié)同治理的關(guān)鍵作用[8]；在治理實踐層面，2023年7月我國發(fā)布《生成式人工智能服務(wù)管理暫行辦法》，明確了協(xié)同共治是人工智能技術(shù)風(fēng)險治理的基本原則

然而，不同主體之間的信息不對稱性和利益沖突可能導(dǎo)致協(xié)作困難。例如，企業(yè)可能因為競爭優(yōu)勢而不愿意共享其數(shù)據(jù)處理方式或算法邏輯，企業(yè)行為難以被有效監(jiān)控。此外，隱私保護(hù)與技術(shù)創(chuàng)新之間的關(guān)系復(fù)雜，過度的監(jiān)管可能抑制技術(shù)創(chuàng)新，監(jiān)管不足則可能加劇隱私風(fēng)險的蔓延。在探究其他類似的治理問題時，學(xué)者們普遍構(gòu)建演化博弈模型來剖析協(xié)同治理機制：數(shù)字化平臺數(shù)據(jù)共享過程中，隱私保護(hù)成本、隱私泄露損失、用戶信任等均為影響數(shù)字化平臺策略選擇的重要因素[10]，而合理的獎懲機制也會提升區(qū)塊鏈政務(wù)數(shù)據(jù)共享的質(zhì)量水平[11];平臺企業(yè)在價值創(chuàng)造與數(shù)據(jù)保護(hù)之間存在沖突時，政府獎懲機制對企業(yè)和用戶存在異質(zhì)性調(diào)節(jié)作用，而對于政府自身而言，降低監(jiān)管成本有助于政府積極履行監(jiān)管職責(zé)[13]。Sun 等[14]則強調(diào)用戶自身也需要權(quán)衡長期收益與隱私成本，進(jìn)而利用演化博弈模型探討了用戶在面對服務(wù)質(zhì)量與隱私保護(hù)之間矛盾時如何實現(xiàn)最優(yōu)決策。因此，利用演化博弈分析各主體在面對隱私保護(hù)責(zé)任時的最優(yōu)策略，可以為人工智能隱私風(fēng)險治理提供突破口。

現(xiàn)有研究主要從社會學(xué)、法學(xué)、倫理學(xué)等視角探討人工智能的隱私風(fēng)險等倫理問題及其治理手段，將演化博弈理論應(yīng)用于人工智能隱私風(fēng)險治理的研究較少，無法厘清該體系中不同主體間相互作用和決策演化的微觀過程；部分研究遵循的靜態(tài)研究邏輯難以匹配人工智能快速發(fā)展背景下新的隱私風(fēng)險所衍生的復(fù)雜性、多樣性等新特征[3]，亟須建立更加動態(tài)和前瞻性的研究框架來有效應(yīng)對這些挑戰(zhàn)。此外，已有研究證實了企業(yè)會更傾向于消極治理或濫用數(shù)據(jù)等不自律行為[1-12]，在格外依賴數(shù)據(jù)的人工智能產(chǎn)業(yè)是否存在此類現(xiàn)象[4]，以及如何激勵企業(yè)積極治理是亟須解決的現(xiàn)實問題。

本研究可能的創(chuàng)新點如下：（1）區(qū)別于現(xiàn)有文獻(xiàn)多采用的靜態(tài)理論推演、政策文本分析等傳統(tǒng)研究范式，本文構(gòu)建演化博弈模型系統(tǒng)分析各參與方最優(yōu)策略演化，為人工智能隱私風(fēng)險治理提供了一種動態(tài)的決策框架，有助于更精準(zhǔn)地設(shè)計長效的治理機制；（2）本文創(chuàng)新性地引人數(shù)據(jù)隱私侵權(quán)程度系數(shù)，有助于從動態(tài)視角探討不同發(fā)展階段下各參與方實現(xiàn)有效協(xié)同治理的“最優(yōu)解”，進(jìn)一步豐富了人工智能隱私風(fēng)險的治理研究；（3）從管理實踐的角度，研究基于協(xié)同治理產(chǎn)生的協(xié)同效應(yīng)，為激勵企業(yè)積極參與治理提供了新的視角，為企業(yè)積極實現(xiàn)數(shù)據(jù)隱私保護(hù)提供了新的解釋。

1基本假設(shè)與模型構(gòu)建

協(xié)同治理是在開放系統(tǒng)中形成的有效治理范式，指一個或多個公共機構(gòu)與非政府利益方共識協(xié)商決策，以提升治理效果，實現(xiàn)“善治”的目標(biāo)?，F(xiàn)有研究普遍將政府和企業(yè)作為協(xié)同治理的主體，因為政府擁有技術(shù)風(fēng)險治理方面的監(jiān)管資源和權(quán)力優(yōu)勢，而企業(yè)也需要權(quán)衡隱私風(fēng)險保護(hù)和獲取更多數(shù)據(jù)提升利潤的沖突[15]，動態(tài)調(diào)整策略[10]。但是，現(xiàn)有文獻(xiàn)尚未提及消費者在其中發(fā)揮的重要作用。消費者不僅有權(quán)利參與監(jiān)管以保護(hù)自身權(quán)益，而且具備通過多種方式合理參與人工智能的隱私風(fēng)險治理的能力[16]，需要將消費者作為重要的利益相關(guān)方共筑到協(xié)同治理體系中。

1.1 基本假設(shè)

理論上所有企業(yè)的經(jīng)營活動都需要政府的監(jiān)管，然而由于企業(yè)數(shù)量眾多，且受限于人力、財力條件，政府便會有所監(jiān)管、有所不管[17]，因此，政府的可選擇策略除了嚴(yán)格監(jiān)管外，也包括寬松監(jiān)管；由于企業(yè)存在獲取更多數(shù)據(jù)提升利益的動機，同時也要面對數(shù)據(jù)侵權(quán)帶來的潛在風(fēng)險，因此，企業(yè)可選策略為積極提供數(shù)據(jù)保護(hù)服務(wù)和消極提供數(shù)據(jù)保護(hù)服務(wù)；依據(jù)《中華人民共和國消費者權(quán)益保護(hù)法》，消費者享有對商品和服務(wù)以及保護(hù)消費者權(quán)益工作進(jìn)行監(jiān)督的權(quán)利，因此，消費者的可選策略為積極監(jiān)管和消極監(jiān)管。

假設(shè)1政府、企業(yè)與消費者均為有限理性個體。政府選擇嚴(yán)格監(jiān)管和寬松監(jiān)管的概率分別為x 和 1-x ，企業(yè)選擇積極提供數(shù)據(jù)保護(hù)服務(wù)和消極提供數(shù)據(jù)保護(hù)服務(wù)的概率分別為 y 和 1-y ，消費者選擇積極和消極監(jiān)管的概率分別為 z 和 1-z ：x，y 和 z∈（0，1） 。

假設(shè)2政府嚴(yán)格監(jiān)管和寬松監(jiān)管的收益分別為 R₁ 和 R₂ 。與寬松監(jiān)管相比，嚴(yán)格監(jiān)管時政府需要額外付出成本 C₁ ，比如嚴(yán)肅查處違法企業(yè)、設(shè)立專業(yè)監(jiān)管部門等[17]；參考盧超等[12]的研究，當(dāng)企業(yè)積極提供算法保護(hù)時會帶來長期收益 U_?1 ；若政府的監(jiān)管力度不夠，出現(xiàn)相關(guān)問題政府將承擔(dān)損失 L₁ ，比如社會信任和公信力的流失[18];若政府嚴(yán)格監(jiān)管且消費者積極監(jiān)管時，無論是否出現(xiàn)問題，政府均需付出后續(xù)改進(jìn)成本 C₂ ，如跟蹤調(diào)查、整頓等[11]

假設(shè)3企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)的收益為 R₃ ，消極提供數(shù)據(jù)保護(hù)服務(wù)的收益為 R₄ 。企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)需要額外的技術(shù)和資源投入成本，設(shè)為 C₃ ，而消極提供數(shù)據(jù)保護(hù)服務(wù)可能會減少企業(yè)的直接成本，為簡化模型設(shè)為 0^[13] ，但當(dāng)數(shù)據(jù)隱私侵權(quán)事件發(fā)生時，企業(yè)可能面臨品牌形象受損和政府罰款等長期風(fēng)險[19]，企業(yè)將承擔(dān)品牌形象損失 L₂ 且將面臨政府的罰款 D_? ;當(dāng)政府嚴(yán)格監(jiān)管時，若企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)，將獲得政府獎勵 R₆ ，如減免稅收或財政補貼[20]；當(dāng)政府寬松監(jiān)管時，消費者進(jìn)行積極監(jiān)管時對應(yīng)的獎勵為R₇ ，此時若出現(xiàn)數(shù)據(jù)隱私侵權(quán)行為，消費者獲得獎勵 R₈ ，企業(yè)則會承擔(dān)額外罰款[12]，設(shè)為 D₁ 。

假設(shè)4當(dāng)企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)時，消費者獲得收益 R₅ ；當(dāng)出現(xiàn)數(shù)據(jù)隱私侵權(quán)行為時，消費者的損失為 L₃ ，積極監(jiān)管需要付出成本[13]，設(shè)為C₄ ；當(dāng)政府嚴(yán)格監(jiān)管時，出現(xiàn)數(shù)據(jù)隱私侵權(quán)行為，消費者積極監(jiān)管將獲得企業(yè)補償[21]，設(shè)為 B_E ;若政府寬松監(jiān)管，數(shù)據(jù)隱私侵權(quán)行為會以一定概率被發(fā)現(xiàn)[12]，設(shè)為 p，p∈（0，1） 。

假設(shè)5當(dāng)政府、企業(yè)等均進(jìn)行監(jiān)管治理時，會產(chǎn)生協(xié)同效應(yīng)[18.21]，如政府公信力提升、企業(yè)形象改良和產(chǎn)品質(zhì)量優(yōu)化等，借鑒史歡和李洪波[22]，曹霞等[23]的研究，這種協(xié)同效應(yīng)可以利用柯布一道格拉斯生產(chǎn)函數(shù)來描述： θλC₁^aC₃^b 和 （1-θ）λC₁^aC₃^b ，λ 為協(xié)同效應(yīng)系數(shù)， θ 為協(xié)同效益分配系數(shù)，且a，b∈[0，1]?λgt;0 。

假設(shè)6特別地，研究設(shè)數(shù)據(jù)隱私侵權(quán)程度系數(shù) β 且 β∈（0，1） ，一方面侵權(quán)程度越大將惡化企業(yè)、政府的損失，另一方面將提升政府和企業(yè)的懲罰及補償力度，在支付矩陣中表現(xiàn)為以線性形式影響政府公信力損失 L₁ 、政府罰款 D_G 和 D_?1 、企業(yè)品牌形象損失 L₂ 等。

1. 2 模型構(gòu)建

政府、企業(yè)及消費者的策略及收益矩陣如表1所示。

（1）政府的復(fù)制動態(tài)方程

設(shè)政府嚴(yán)格和寬松監(jiān)管的期望收益為 E₁ 和E₂ ，平均期望收益為 ，則

故政府的復(fù)制動態(tài)方程為

βyD_G-βzL₁-pzR₈-yzR₂+yzR₆+

yzR₇+pβz（D₆+D₁）+pβzL₁+yzβL₁+pyzR₈-

yθλC₁^aC₃^b-yzpβ（D_G+D₁+L₁）]

（2）企業(yè)的復(fù)制動態(tài)方程

設(shè)企業(yè)積極和消極提供數(shù)據(jù)保護(hù)服務(wù)的期望收益為 S₁ 和 S₂ ，平均期望收益為 ，則 （1-y）S₂ 。

故企業(yè)的復(fù)制動態(tài)方程為

F（y）=-y（y-1）（R₃-C₃-R₄+βL₂+xβD_G+xzR₆+

zpβD_?G+pβzD_?1+xzβB_?E+xλC_?1^aC_?3^b-

xθλC₁^aC₃^b-xzpβD_G-xzpβD₁）

（3）消費者的復(fù)制動態(tài)方程

設(shè)消費者選擇積極和消極監(jiān)管的期望收益為G₁ 和 G₂ ，平均期望收益為 ，則 0

故消費者的復(fù)制動態(tài)方程為F（z）=-z（z-1）（y-1）（G₄-pR₈-xβB_ε+xpR₈）

2模型求解與穩(wěn)定性分析

令三方利益主體的復(fù)制動態(tài)方程為0可得局部平衡點，進(jìn)而利用李雅普諾夫第一方法判定最終會趨于哪個均衡點：均衡點為演化穩(wěn)定策略（ESS）的充要條件是雅可比矩陣的所有特征值均為負(fù)值；若特征值至少有一個為正或零，均衡點為演化的不穩(wěn)定點。根據(jù)微分方程的穩(wěn)定性原理，僅需要分析8個純策略均衡解的穩(wěn)定性。

將研究建立的博弈模型8個可能的演化穩(wěn)定策略代入最終得到三個演化穩(wěn)定策略組合，如表2所示。

根據(jù)表2，進(jìn)一步探究博弈系統(tǒng)中的政府、企業(yè)和消費者的穩(wěn)定策略的演化過程。

（1）情形一下各主體策略分析

當(dāng)滿足 R₁-C₁-C₂2-β（1-p）（D_?+L₁）- pR₈+pβD₆.R₃-C₃4-βL₂-pβ（D₆+D₁） 和 C₄ 1pR₈lt;0 的先決條件時，政府、企業(yè)和消費者的演化穩(wěn)定策略為（寬松監(jiān)管，消極提供數(shù)據(jù)保護(hù)服務(wù)，積極監(jiān)管）。

對于政府而言，一方面由于監(jiān)管資源有限、相關(guān)問題嚴(yán)重性不足，嚴(yán)格監(jiān)管帶來的凈收益R₁-C₁-C₂ 小于政府寬松監(jiān)管帶來的凈收益，政府傾向于將工作重心放在其他領(lǐng)域的工作；另一方面，政府面臨著如何維持監(jiān)管與促進(jìn)經(jīng)濟(jì)增長之間的平衡，過于嚴(yán)格的監(jiān)管不利于企業(yè)的技術(shù)創(chuàng)新和進(jìn)步，政府也傾向于寬松的監(jiān)管以促進(jìn)技術(shù)發(fā)展。對于企業(yè)而言，企業(yè)發(fā)展的重點在提升算法效用，通過大量挖掘用戶偏好、行為等隱私數(shù)據(jù)，更精確、全面地掌握消費者的需求以進(jìn)行精準(zhǔn)營銷、產(chǎn)品優(yōu)化等[24]，不斷提升企業(yè)收益 R₄ 。對于消費者而言，人工智能帶來的隱私風(fēng)險影響消費者個人生活，新媒體時代下消費者可以通過短視頻、線上平臺等多種方式維權(quán)，積極參與監(jiān)管的成本 C₄ 降低，持續(xù)曝光隱私侵權(quán)事件的外部輿論壓力也促使消費者更加積極地行使其監(jiān)管權(quán)利。

（2）情形二下各主體策略分析

當(dāng)滿足 C₁-R₁-βD_?lt;0，R₃-C₃+λ（1-θ） ：C₁^aC₃^b4-β（D_G+L₂） 和 βB_E-C₄lt;0 的先決條件時，政府、企業(yè)和消費者的演化穩(wěn)定策略為（嚴(yán)格監(jiān)管，消極提供數(shù)據(jù)保護(hù)服務(wù)，消極監(jiān)管）。

個人信息和隱私保護(hù)等相關(guān)倫理問題顯現(xiàn)對政府監(jiān)管提出了強烈的需求，因此，政府有義務(wù)制定和執(zhí)行法律法規(guī)以確保社會穩(wěn)定和公眾利益免受侵害，進(jìn)行嚴(yán)格監(jiān)管。企業(yè)通過收集、存儲、分析消費者數(shù)據(jù)來優(yōu)化產(chǎn)品、提升營銷效果，相較于損失β（D_G+L₂） ，企業(yè)的收益 R₄ 仍高于企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)的凈收益 R₃-C₃+λ（1-θ）C₁^aC₃^b ，此時企業(yè)選擇消極提供數(shù)據(jù)保護(hù)服務(wù)。出于對政府的信任，當(dāng)政府嚴(yán)格監(jiān)管時，消費者相信盡管有侵權(quán)行為，但在政府的監(jiān)管下足以保障消費者權(quán)益[18]，特別是面對復(fù)雜的隱私政策，消費者認(rèn)知能力的缺陷放大了與企業(yè)之間的信息鴻溝[25，消費者對于政府監(jiān)管的信任不斷提升，此時消費者選擇消極監(jiān)管。

（3）情形三下各主體策略分析

當(dāng)滿足 R₂-（1-p）β（D_?+L₁）-pR₈1- β（B_E+D_G+L₂） 和 C₄-βB_?Elt;0 的先決條件時，政府、企業(yè)和消費者的演化穩(wěn)定策略為（嚴(yán)格監(jiān)管，消極提供數(shù)據(jù)保護(hù)服務(wù)，積極監(jiān)管）。

在滿足情形一和情形二中所需條件時，政府、消費者共同監(jiān)管不斷推動人工智能隱私保護(hù)治理體系的完善。但是，企業(yè)的穩(wěn)定策略仍為消極提供數(shù)據(jù)保護(hù)服務(wù)：一方面，人工智能技術(shù)的發(fā)展格外依賴于數(shù)據(jù)的大量獲取與使用，人工智能算法優(yōu)化或產(chǎn)品改進(jìn)受到影響可能會阻礙其在新技術(shù)領(lǐng)域的創(chuàng)新能力，2018年百度因未授權(quán)收集用戶數(shù)據(jù)的問題被中國網(wǎng)絡(luò)安全審查辦公室處罰，但由于人工智能技術(shù)在拓展企業(yè)某些業(yè)務(wù)上具有關(guān)鍵作用，比如，在車輛自動駕駛技術(shù)方面，企業(yè)仍然需要通過分析海量的用戶數(shù)據(jù)以提升智能決策能力；另一方面，盡管企業(yè)會面臨政府的罰款 D_G 、品牌形象損失 L₂ 等，但經(jīng)濟(jì)效益的提升更加顯著[12]，如某公司因違反《數(shù)據(jù)安全法》《個人信息保護(hù)法》等，過度收集員工司機、用戶等敏感信息被罰款80.26億元，而該公司當(dāng)年收入為1407.92億元[26]。此外，激烈的市場競爭甚至?xí)?dǎo)致“劣幣驅(qū)逐良幣”的現(xiàn)象，企業(yè)不可避免地需要數(shù)據(jù)對算法進(jìn)行改進(jìn)、革新[27]，在隱私監(jiān)管上采取觀望甚至抵制的態(tài)度，避免因過度合規(guī)導(dǎo)致成本增加或利潤下降。

（4）企業(yè)策略選擇分析

由表2可知，企業(yè)的策略選擇均為消極提供數(shù)據(jù)保護(hù)服務(wù)，但是 E₃、E₄、E₅ 和 E₆ 在一定條件下企業(yè)的策略會單方面收斂至積極提供數(shù)據(jù)保護(hù)服務(wù)，即 C₃-R₃+R₄-βD_?-βL₂-λC₁^aC₃^b+θλC₁^aC₃^blt;0. C₃-R₃+R₄-R₆-βB_E-βD_σ-βL₂-λC₁^aC₃^b+θλC₁^aC₃^blt;0， C₃-R₃+R₄-βL₂lt;0 或 C₃-R₃+R₄-βL₂-pβD_G-pβD₁lt;0 是否得到滿足?？傻靡韵峦普摚?/p>

推論1企業(yè)選擇積極提供數(shù)據(jù)保護(hù)服務(wù)的概率隨著政府嚴(yán)格監(jiān)管及消費者積極監(jiān)管的概率提升而提升。

推論2企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)的概率與企業(yè)獲得獎勵 R₆ 正相關(guān)，與企業(yè)所受罰款 D_G 正相關(guān)，與企業(yè)消極提供數(shù)據(jù)保護(hù)服務(wù)的收益 R₄ 負(fù)相關(guān)。

3數(shù)值仿真分析

合理的獎懲機制能充分調(diào)動企業(yè)等主體積極性[28-29]，而收益與成本則是影響消費者監(jiān)督策略的關(guān)鍵因素[30]。因此，本節(jié)將分別討論相關(guān)因素變化產(chǎn)生的影響，利用MATLAB對三方主體的策略選擇進(jìn)行仿真，探究三方主體行為傾向和內(nèi)在規(guī)律。同時以不同的數(shù)據(jù)隱私侵權(quán)程度系數(shù) β 刻畫不同發(fā)展階段的環(huán)境。

3.1 政府獎懲策略分析

根據(jù)國家市場監(jiān)管總局年度部門結(jié)算文件中對于“一般公共服務(wù)支出市場監(jiān)督管理事務(wù)”的“2013805市場秩序執(zhí)法（項）”的定義：反映反壟斷、價格監(jiān)督、反不正當(dāng)競爭、規(guī)范直銷與打擊傳銷、網(wǎng)絡(luò)交易監(jiān)管、廣告監(jiān)管、消費者權(quán)益保護(hù)、綜合執(zhí)法等市場秩序執(zhí)法專項工作支出，故選擇該項作為政府兩種監(jiān)管的收益 R₁ 和 R₂ 的設(shè)定依據(jù)。由2023年《國家市場監(jiān)督管理總局年度部門決算》中收入、支出決算表的“2013805市場監(jiān)管執(zhí)法”項，設(shè) R₁=100，R₂=60 ;參考文獻(xiàn)［10，12]對于平臺企業(yè)數(shù)據(jù)濫用行為治理的參數(shù)設(shè)置，設(shè)p=0.5，L₂=14，B_?E=10 C₄=5 ， C₂=10 ， C₃=20 ，

R₄=50，R₈=10 ；設(shè) C₁=40 ， U_?1= 10 ， L₁= 10 ，R₃=30，D₁=10，R₅=1，L₃=0.8 參考曹霞等[23的研究，設(shè) θ=0.8，λ=1，a=b=0.1 ，討論不同情形下罰款 D 和獎勵 R₆ 對企業(yè)策略的影響。借鑒文獻(xiàn)[12，18]，初始概率組合為 x₀ 取 取0.5和1。此外，光明日報與武漢大學(xué)聯(lián)合調(diào)研組2021年的調(diào)查結(jié)果表明，超過七成的App存在過度索權(quán)行為[31]，因此，分別設(shè) β=0.6，β=0.8 代表不同數(shù)據(jù)隱私侵權(quán)程度對應(yīng)的情形。設(shè) R₆=20，R₇=30 探究不同情形下罰款 D_G 產(chǎn)生的影響，如圖1和圖2所示。

由圖1和圖2所示，當(dāng)政府積極監(jiān)管，兩種情形下提升政府罰款均有助于企業(yè)單方收斂至積極提供數(shù)據(jù)保護(hù)服務(wù)。當(dāng)數(shù)據(jù)隱私侵權(quán)程度不斷加大（即 β=0.8 時，相同懲罰金額下企業(yè)選擇積極提供數(shù)據(jù)保護(hù)服務(wù)的概率增加，政府提升罰款帶來的積極效應(yīng)更加明顯。同時，對比圖1（a）和圖1（b）、圖2（a）和圖2（b），當(dāng)消費者積極監(jiān)管時，政府提升罰款對企業(yè)的約束作用更加明顯，且數(shù)據(jù)隱私侵權(quán)程度不斷加大時這種積極效用更大，這也印證了推論1和推論2。

設(shè) D_G=30 ，探究企業(yè)獎勵 R₆ 對企業(yè)策略的影響，如圖3和圖4所示。

由圖3和圖4可知，當(dāng)政府選擇嚴(yán)格監(jiān)管時，提升獎金將有助于推動企業(yè)單方面選擇積極提供數(shù)據(jù)保護(hù)服務(wù)，這種現(xiàn)象在人工智能發(fā)展的初期（即 β=0.6 更加明顯。同時，對比圖3（a）和圖3（b）圖4（a）和圖4（b）可知，當(dāng)政府選擇嚴(yán)格監(jiān)管時，消費者積極監(jiān)管也有助于督促企業(yè)規(guī)范自身行為自律，進(jìn)一步解釋了上文中情形二和情形三消費者演化穩(wěn)定策略出現(xiàn)不同的原因。

3.2監(jiān)管成本、補償與獎勵對消費者決策的影響

數(shù)字時代，消費者可以及時獲取、傳播信息，隱私侵權(quán)等事件通過多媒體快速傳播，故設(shè) U₁=20 ，L₁=25，C₂=20，D₁=20，R₅=5，L₃=1 ；相關(guān)問題也不斷引起消費者的重視，因此，不妨設(shè) p=0.5. β=0.6 來反映這種現(xiàn)象和趨勢。設(shè) B_E= 5 ，R₈=10 ，初始概率為0.5，消費者監(jiān)管成本 C₄ 對消費者決策的影響如圖5所示；設(shè) C₄=5 ，分別探究消費者補償 B_ε 和消費者獎勵 R₈ 對消費者決策的影響，如圖6和圖7所示。

由圖5所示，當(dāng)消費者監(jiān)管成本下降時，消費者會傾向于選擇積極監(jiān)管，特別是人工智能技術(shù)不斷發(fā)展，相關(guān)問題嚴(yán)重性不斷提升的情況下，這種積極作用更加明顯。由圖6所示，及時充分的補償可以有效激勵消費者參與監(jiān)管，消費者積極監(jiān)管意愿不斷增強。圖7表明，設(shè)立積極維權(quán)獎勵并不能有效提升消費者參與監(jiān)管的動力，消費者由于專業(yè)知識和認(rèn)知的不足，往往難以及時識別隱私侵權(quán)問題，因此，獎勵機制難以真正激發(fā)消費者的積極性。

3.3協(xié)同效應(yīng)對演化結(jié)果的影響

當(dāng)政府、企業(yè)等均進(jìn)行治理時，會產(chǎn)生協(xié)同效應(yīng)[18，21]，可以用經(jīng)濟(jì)學(xué)中的柯布—道格拉斯生產(chǎn)函數(shù)來描述[23]。參考曹霞等[23]的描述，當(dāng)a+bgt;1 時為遞增報酬型，表明擴(kuò)大規(guī)模增加產(chǎn)出是有利的；當(dāng) a+b=1 時為不變報酬型，表明效率并不會隨著規(guī)模的擴(kuò)大而提高，只有提高技術(shù)水平，才會提高效益;當(dāng) a+blt;1 時為遞減報酬型，表明擴(kuò)大規(guī)模增加產(chǎn)出是得不償失的。因此，本節(jié)將分別設(shè) a=b=0，9 ， a=b=0.5 和 a=b=0. 1 討論協(xié)同效應(yīng)對演化結(jié)果的影響。

由圖8所示，在人工智能隱私風(fēng)險協(xié)同治理體系中，企業(yè)過早參加監(jiān)管不利于企業(yè)自身經(jīng)濟(jì)效益提升與長期發(fā)展，但是當(dāng)政府和企業(yè)具有較高的監(jiān)管效率，并且企業(yè)具有較為成熟的技術(shù)水平和較高的產(chǎn)品服務(wù)質(zhì)量時，協(xié)同效應(yīng)帶來的積極作用將促進(jìn)企業(yè)主動遵循監(jiān)管要求參與治理，從中獲得實際的利益，比如提升品牌形象和用戶信任等。

4研究結(jié)論與啟示

本文得到人工智能隱私風(fēng)險的協(xié)同治理體系，如圖9所示，并得到如下研究結(jié)論：

（1政府應(yīng)該采取“先獎勵、后懲罰”的策略。在人工智能發(fā)展的初期，政府提升獎勵力度能夠有效激勵企業(yè)加強數(shù)據(jù)保護(hù)，同時調(diào)動企業(yè)的創(chuàng)新積極性，促使其在技術(shù)創(chuàng)新與隱私保護(hù)之間找到最佳平衡點；當(dāng)數(shù)據(jù)隱私侵權(quán)程度較高時，政府強化懲罰機制能夠有效威懾企業(yè)在隱私保護(hù)方面的疏忽或不作為，避免不良的社會影響。

（2）消費者參與能有效規(guī)制企業(yè)行為，但消費者是否積極監(jiān)管主要受到監(jiān)管成本和應(yīng)得補償?shù)挠绊憽＞唧w來說，信息鴻溝所產(chǎn)生的“信息繭房”導(dǎo)致消費者的監(jiān)管意愿和能力受制于其獲得的回報與投入的成本之間的權(quán)衡，因此，降低監(jiān)管成本能夠顯著激勵消費者參與監(jiān)管，而當(dāng)消費者能夠獲得應(yīng)得補償時，其監(jiān)管的意愿也明顯提高。相比而言，設(shè)立獎勵并不能顯著促進(jìn)消費者參與監(jiān)管。

（3）協(xié)同效應(yīng)會驅(qū)動企業(yè)積極提供數(shù)據(jù)保護(hù)服務(wù)。當(dāng)企業(yè)具有較為成熟的技術(shù)水平和較高的產(chǎn)品服務(wù)質(zhì)量，并具備成熟的內(nèi)部治理體系和一定的自我監(jiān)管能力時，企業(yè)與政府共同治理產(chǎn)生的協(xié)同效應(yīng)將促進(jìn)企業(yè)主動遵循監(jiān)管要求，同時這種協(xié)同效應(yīng)反過來也激勵企業(yè)提升自身治理水平，優(yōu)化產(chǎn)品和服務(wù)，形成一種良性的互動循環(huán)。

根據(jù)上述研究結(jié)論和分析，本文提出以下建議：（1）政府靈活調(diào)整策略，構(gòu)建多元協(xié)同治理體系。對于企業(yè)，政府應(yīng)根據(jù)不同的發(fā)展階段，靈活調(diào)整獎勵與懲罰的力度。對于消費者，通過落實消費者補償、及時回應(yīng)需求、提供權(quán)威的信息公開平臺和多元途徑激勵消費者參與協(xié)同治理

（2）政府、企業(yè)降低監(jiān)管成本及優(yōu)化治理機制，激勵消費者積極參與治理。一方面，政府應(yīng)建立高效的維權(quán)平臺，確保信息透明化，降低消費者維權(quán)的時間與經(jīng)濟(jì)成本，及時準(zhǔn)確的補償一反饋機制也能增強消費者的監(jiān)管動力；另一方面，企業(yè)需不斷優(yōu)化用戶體驗，降低消費者在隱私風(fēng)險監(jiān)管中的操作門檻，加強技術(shù)與市場的對接，從用戶需求出發(fā)傳遞人工智能價值，增強消費者對技術(shù)的信任。

（3）企業(yè)規(guī)范自身行為，積極承擔(dān)社會責(zé)任。隨著大數(shù)據(jù)、云計算、LLM等信息技術(shù)的發(fā)展，我國人工智能產(chǎn)業(yè)發(fā)展的社會影響日益顯著。企業(yè)在追求技術(shù)創(chuàng)新和經(jīng)濟(jì)效益的同時，必須深刻認(rèn)識并承擔(dān)自身對消費者、社區(qū)和環(huán)境的多重社會責(zé)任，在提升自身產(chǎn)品或服務(wù)質(zhì)量的同時，規(guī)范數(shù)據(jù)使用和獲取流程，減少數(shù)據(jù)侵權(quán)、濫用等問題的出現(xiàn)。

參考文獻(xiàn)：

［1］朝樂門.人工智能治理框架及其人文社會科學(xué)研究問題分析[J].情報資料工作，2022，43（5）：6-15.

[2]李政，洪瑩.基于隱私保護(hù)的政府大數(shù)據(jù)治理研究[J].大數(shù)據(jù)，2020，6（2）：69-82.

[3]羅會鈞，查云龍.人工智能時代的全球治理轉(zhuǎn)型與中國應(yīng)對[J].上海交通大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2023，31（12）：13-24.

[4］鄭志峰.人工智能時代的隱私保護(hù)[J].法律科學(xué)（西北政法大學(xué)學(xué)報），2019，37（2）：51-60.

[5］郭小東.生成式人工智能的風(fēng)險及其包容性法律治理[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2023，25（6）：93-105，117.

[6]Cotton D R E，Cotton P A，Shipway J R.Chatting andcheating：ensuring academic integrity in the era of ChatGPT[J].Innovationsin Education and Teaching International，2024，61（2）：228-239.

[7]Muhlhoff R.Predictive privacy：towards an applied ethicsof data analytics[J].Ethics and Information Technology，2021，23（4）：675-690.

[8]Carrillo MR.Artificial intelligence：from ethics to law[J].TelecommunicationsPolicy，2020，44（6）：101937.

[9]中國政府網(wǎng).生成式人工智能服務(wù)管理暫行辦法［EB/OL].（2023-07-10）. https：//www. gov. cn/zhengce/zhengceku/202307/content_6891752.htm.

[10］楊斯博，褚曉璇，李敏強，等.區(qū)塊鏈技術(shù)驅(qū)動下數(shù)字化平臺隱私保護(hù)行為演化博弈策略研究［J].工程管理科技前沿，2024，43（4）：17-26.

［11］韓普，顧亮，葉東宇，等.獎懲視域下區(qū)塊鏈政務(wù)數(shù)據(jù)共享演化博弈研究[J].管理工程學(xué)報，2024，38（4）：122-132.

[12］盧超，王璇璇，周迪，等.平臺企業(yè)數(shù)據(jù)濫用行為的治理機制研究：基于多主體演化博弈視角［J].工程管理科技前沿，2023，42（2）：16-24.

[13]徐璐，鐘濤，潘禹辰，等.大數(shù)據(jù)時代招聘平臺用戶數(shù)據(jù)隱私保護(hù)研究[J」.情報理論與實踐，2022，45（12）：68-75.

[14]Sun Z，YinL，LiC，et al..TheQoS and privacy trade-offofadversarialdeep learning：anevolutionarygameapproach[J].Computersamp;Security，2020，96：101876.

[15］ShyO，StenbackaR.Customer privacy and competition[J]. Journal of Economics amp; Management Strategy，2016，25（3）：539-562.

[16］袁靜，劉曉媛，臧國全.用戶參與共治：政府開放數(shù)據(jù)隱私風(fēng)險治理的新思路［J].圖書情報知識，2022，39（6）：101-112.

[17］劉長玉，于濤，馬英紅.基于產(chǎn)品質(zhì)量監(jiān)管視角的政府、企業(yè)與消費者博弈策略研究［J].中國管理科學(xué)，2019，27（4）：127-135.

[18］趙哲耘，靳琳琳，劉玉敏，等.社會化媒體環(huán)境下政府、企業(yè)與消費者的質(zhì)量監(jiān)管演化博弈[J].管理評論，2023，35（6）：248-261.

[19］盧安文，何洪陽.互聯(lián)網(wǎng)信息服務(wù)業(yè)多元共治模式的作用機制研究：基于多參數(shù)影響的演化博弈視角[J].中國管理科學(xué)，2021，29（3）：210-218.

[20］陳美，何祺.基于演化博弈的開放數(shù)據(jù)隱私風(fēng)險治理研究［J].管理工程學(xué)報，2024，38（6）：84-96.

[21］朱立龍，何慧，徐艷萍.協(xié)同視角下消費者參與的網(wǎng)購商品質(zhì)量監(jiān)管策略研究［J].宏觀質(zhì)量研究，2022，10（2） ：86-99.

[22」史歡，李洪波.考慮政府監(jiān)管的農(nóng)機裝備產(chǎn)學(xué)研協(xié)同創(chuàng)新演化博弈研究[J].運籌與管理，2023，32（8）：93-100.

[23]曹霞，于娟，張路蓬.不同聯(lián)盟規(guī)模下產(chǎn)學(xué)研聯(lián)盟穩(wěn)定性影響因素及演化研究［J」.管理評論，2016，28（2）：3-14.

[24］羅敬蔚.數(shù)字經(jīng)濟(jì)背景下消費者權(quán)益保護(hù)面臨的挑戰(zhàn)與治理對策：兼析利用算法侵害消費者權(quán)益的規(guī)則路徑[J].價格理論與實踐，2023（2）：32-35.

[25]WangXQ，Yuen KF，WongYD，et al..It is green，but is it fair？ Investigating consumers’fairness percep-tionof green service offerings[J].Journal of CleanerProduction，2018，181（APR.20）：235-248.

[26］國家互聯(lián)網(wǎng)信息辦公室.國家互聯(lián)網(wǎng)信息辦公室對滴滴全球股份有限公司依法作出網(wǎng)絡(luò)安全審查相關(guān)行政處罰的決定[EB/OL].（2022-07-21）.https：//www.cac.gov.cn/2022-07/21/c_1660021534306352.htm

[27]Fox G.“To protect my health or to protect my healthprivacy？”A mixed methods investigationoftheprivacyparadox[J].Journal of the Association for InformationScienceamp;Technology，2020，71（9）：1-15.

[28］余泳澤，夏龍龍，段勝嵐.市場監(jiān)管與企業(yè)成長：基于行政處罰數(shù)據(jù)的經(jīng)驗分析[J].中國工業(yè)經(jīng)濟(jì)，2023（8）：118-136.

[29］潘大鵬，郝亞杰，喬朋華，等.數(shù)據(jù)跨境流轉(zhuǎn)風(fēng)險分類監(jiān)管策略研究[J].管理評論，2024，36（7）：43-53.

[30］雷麗彩，高尚，陳瑞祥.大數(shù)據(jù)“殺熟”如何破？基于政府一消費者協(xié)同監(jiān)管的演化博弈[J.系統(tǒng)管理學(xué)報，2021，30（4）：664-675.

[31］光明日報與武漢大學(xué)聯(lián)合調(diào)研組.保障安全的“權(quán)利書”，還是竊取信息的“任意門”：App隱私協(xié)議現(xiàn)狀調(diào)查［N].光明日報，2021-08-19（07）.

The Multi-volutionary Game Model of Collaborative Governance Strategies for AI Privacy Risks

LIN Zeyuan，YU Xiao，CHEN Qian，XUQian （School of Economics and Management，China Jiliang University，Hangzhou 31oo18，China）

Abstract：Thedevelopment of artificial intellgence（AI）has exacerbated concerns regarding data privacy violations and personal information leakage，intensifying thegovernance challngeswithin theindustry．The inadequacyofunilateral government regulation in addressng the complex andevolving nature of AI-related risksnecesitates adynamic and collaborativegovernance framework．Tothis end，thispaperconstructsatripartiteevolutionarygame model incorporating thegovernment，enterprise，and consumer to analyze governance mechanisms and their dynamic interactions. Furthermore，it examines the influence of regulatory incentives，punitive measures，consumer monitoring costs，and compensation schemes on the strategies.

This study employs evolutionary game theory，integrating key variables such as the government’s incentive-penalty mechanism，enterprises’compliance incentives，consumers’ monitoring costs and compensation structures into the model.Aditionall，adata privacyinfringement degreecoeficient issettocharacterize environmentalvariations across diferent stages of AI technological development.In thesimulation phase，relevant policy documentsandacademic literatureareutilizedtoestablishinitial parametervalues，ensuringdataaccesibilityandreliability，whileother parameters areadjustedaccordingly.Finally，through stabilityanalysis and model evolution，the study examines the evolutionary equilibrium states of stakeholderstrategiesand evaluates the impact of relevant parameters to derive the optimal collaborative governance system for AI privacy risks.

The keyfindings of thisresearch include：（1）Thegovernment’soptimal regulatorystrategyshould follow the “reward-then-punish\"principle.Increasing financial incentives intheearly stages encourages enterprises toadoptrobust data protection measures，while stricter penaltiesare imposed inthe later stages asAI technologies mature.（2）Consumer engagement in privacy oversight ispredominantlydictated by monitoring costsand expectedcompensatory.However， financialincentivesexhibit limited efectiveness infosteringactive consumerparticipation.（3）Thesynergiesof government and enterprise significantly enhance regulatory compliance，as enterprises are more inclined to proactively align with regulatory frameworks and elevate internal governance standards when enterprises possess mature technology capabilitiesand governance systems.Thispaper contributes to thetheoretical discourse on AI privacy risk governance by integrating evolutionarygametheoryand providesempirical insights forrefining regulatorypoliciesandoptimizing selfregulationframeworks.The findingsofervaluable policyrecommendations foradvancing the healthyandsustainable development of China’s AI industry.

Key words：artificial intelligence；privacy risk；collaborative governance；evolutionary game