趙保國 張雅瓊

摘 要：[目的/意義]針對用戶數(shù)據(jù)泄露為他人利用而引發(fā)的一系列風險問題，從參與主體角度出發(fā)分析用戶及使用用戶數(shù)據(jù)平臺的行為動機，探究雙方投入成本保護數(shù)據(jù)安全行為的影響因素并分析政府在其中的角色。[方法/過程]采用靜態(tài)博弈尋找用戶與平臺的納什均衡、構(gòu)建演化博弈模型從動態(tài)角度分析各參與主體的行為策略，通過MATLAB軟件進行模擬仿真，并利用比較靜態(tài)分析探究雙方選擇投入成本維護數(shù)據(jù)安全的影響因素。[結(jié)果/結(jié)論]雙方的行為選擇同投入成本、獲取收益相關(guān)，在數(shù)據(jù)泄露損失大于維護成本的情況下，隨著時間的增加，用戶及平臺選擇投入成本的可能性更高。

關(guān)鍵詞：數(shù)據(jù)安全;演化博弈;比較靜態(tài)

Abstract：[Purpose/Significance]Aiming at a series of risk problems caused by user data leakage，this paper analyzed the behavior motives of users and platforms from the perspective of the participants，explored the influencing factors of the two parties input costs to protect data security and analyzed the role of the government.[Method/Process]The Static Game was used to find the nash equilibrium of users and platforms，and the evolutionary game model was constructed to analyze the behavior strategies of each participant from a dynamic perspective.Simulations were carried out through MATLAB software，and comparative static analysis was used to explore the influencing factors of both parties input cost in data security.[Reselts/Conclusion]The behavior choices were related to the cost and the income.When the data leakage loss was greater than the cost，the user and the platform were more likely to choose the cost of investment with the increase of time.

Key words：data security;evolutionary game;comparative static analysis

4G時代的到來，互聯(lián)網(wǎng)的飛速發(fā)展，人們已愈發(fā)離不開網(wǎng)絡(luò)。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告顯示，截至2018年12月，我國網(wǎng)民規(guī)模達8.29億，其中使用手機上網(wǎng)的網(wǎng)民占比98.6%，使用電視、電腦上網(wǎng)的網(wǎng)民占比79.1%，網(wǎng)民人均周上網(wǎng)時常為27.6小時。網(wǎng)絡(luò)已深入到居民日常生活的各個場景，從娛樂消費到工作交流，互聯(lián)網(wǎng)使其實現(xiàn)了線上化。

但是在帶來便利的同時存在數(shù)據(jù)安全隱患，例如網(wǎng)絡(luò)平臺被黑客攻擊造成大量信息泄露，網(wǎng)民隱私被人肉搜索到處傳播，個人信息被泄露售賣，為他人濫用造成損失等事件頻發(fā)。用戶數(shù)據(jù)泄露不僅侵犯個人權(quán)益，更會造成直接的財產(chǎn)損失，甚至威脅用戶人身安全，破壞社會秩序，因此，維護用戶數(shù)據(jù)安全具有重要意義。

研究以互聯(lián)網(wǎng)環(huán)境下的用戶、使用記錄用戶數(shù)據(jù)的平臺為主要研究對象，同時考慮政府在其中的作用，通過構(gòu)建演化博弈模型分析各主體的行為策略，采用比較靜態(tài)分析探究各主體行為的影響因素，并提出相應(yīng)建議以為維護用戶數(shù)據(jù)安全創(chuàng)造良好健康的環(huán)境。

1 文獻綜述

互聯(lián)網(wǎng)環(huán)境下的用戶數(shù)據(jù)安全是全球性的問題，現(xiàn)有文獻主要從用戶隱私保護角度出發(fā)，集中在技術(shù)防御、用戶隱私保護動機及影響因素，用戶隱私涉及主體的行為博弈等方面。

互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)的出現(xiàn)發(fā)展為用戶隱私保護提供了有力支撐。例如，云計算技術(shù)通過授權(quán)加密服務(wù)、數(shù)據(jù)分塊的邏輯存儲、數(shù)據(jù)隱私切片算法進行用戶隱私數(shù)據(jù)安全保護[1]。從技術(shù)角度深入挖掘用戶數(shù)據(jù)安全的保護策略，基于物聯(lián)網(wǎng)研究應(yīng)用角度，探討利用累加聚合函數(shù)的新型數(shù)據(jù)隱私保護策略的有效性，通過仿真驗證得出該策略可以有效保護數(shù)據(jù)隱私，獲得準確的數(shù)據(jù)分析結(jié)果，同時減少數(shù)據(jù)流量[2]。利用結(jié)構(gòu)模型探究個人數(shù)據(jù)、用戶決策和隱私安全間的相互作用關(guān)系，分析信息匿名技術(shù)、數(shù)據(jù)機密技術(shù)、防火墻技術(shù)及數(shù)據(jù)細化技術(shù)的應(yīng)用以有效保護個人數(shù)據(jù)安全[3]。此外，學者提出一種RFID個人隱私控制系統(tǒng)及使用該系統(tǒng)保護個人隱私的方法，可根據(jù)RFID標記對象的外圍環(huán)境及其持有者動態(tài)處理隱私，從而保護個人信息[4]。對數(shù)據(jù)進行挖掘包裝成產(chǎn)品對外出售涉及到商業(yè)機密及客戶隱私，采用Bloom過濾器方式提高數(shù)據(jù)挖掘的精度，以在實現(xiàn)外包獲取正當收益的同時防止數(shù)據(jù)泄露[5]。同時，該項服務(wù)也涉及到道德問題，如何在提供數(shù)據(jù)服務(wù)和防止道德缺失之間實現(xiàn)平衡需要利用現(xiàn)有立法法規(guī)，整合利益相關(guān)者觀點，借鑒道德哲學準則，以提出數(shù)據(jù)挖掘的基本原則[6]。

互聯(lián)網(wǎng)社交網(wǎng)絡(luò)平臺的出現(xiàn)促進了用戶間的連接，拓展了溝通渠道，但很可能增加其隱私感知風險，為了維護個人財產(chǎn)安全而加大對隱私的保護力度。用戶對個人隱私的保護行為可通過自身經(jīng)驗、不確定性及文化程度觸發(fā)[7]。隱私感知風險不僅會影響用戶的特定隱私保護行為，還會影響潛在隱私保護行為。結(jié)合保護動機理論探討使用網(wǎng)絡(luò)社交平臺用戶感知風險會引起哪些特定的保護行為，得出感知隱私風險對拒絕、選擇性使用以及嚴格設(shè)置隱私產(chǎn)生積極影響[8]。個人特性、環(huán)境、信息管理及交互在互聯(lián)網(wǎng)環(huán)境下對個人隱私保護具有顯著性影響。熟悉政府立法、相關(guān)互聯(lián)網(wǎng)知識，重視隱私保護及社交會減少隱私問題，個人隱私侵犯經(jīng)歷、風險規(guī)避特性、網(wǎng)站要求的敏感性信息增加了互聯(lián)網(wǎng)隱私問題[9]。在移動互聯(lián)網(wǎng)環(huán)境下用戶針對個人隱私泄露具有一定的容忍度，可通過信息敏感性、接收者敏感性及使用者敏感性三方面進行分析測量[10]。此外，迪莉婭、陸雪梅等、張丞剖析大數(shù)據(jù)、個人隱私的概念，分析二者關(guān)系，并探究在大數(shù)據(jù)環(huán)境下用戶隱私泄露的原因，影響及保護對策[11-13]。

互聯(lián)網(wǎng)用戶隱私泄露涉及主體方面多以探究用戶及企業(yè)平臺間關(guān)系入手，結(jié)合網(wǎng)絡(luò)分析法、熵權(quán)法、模糊綜合評價法構(gòu)建移動APP用戶隱私泄露風險評價指標體系并進行實證分析，驗證得出相比于移動APP用戶，平臺造成隱私泄露的風險更高[14]，通過明確收集主體、收集對象及收集時期，厘清移動互聯(lián)網(wǎng)環(huán)境下企業(yè)在數(shù)據(jù)采集、訪問、利用、傳輸、存儲等環(huán)節(jié)中產(chǎn)生的過度收集、數(shù)據(jù)濫用、數(shù)據(jù)泄露等風險[15]。以社交網(wǎng)絡(luò)平臺和用戶為主要研究主體，探究二者在不同情況下隱私保護投入的行為策略，構(gòu)建演化博弈模型，雙方對隱私的保護及投入與投入成本、隱私損失及損失承擔系數(shù)相關(guān)[16]。互聯(lián)網(wǎng)環(huán)境下，數(shù)據(jù)給用戶個人利益保護帶來風險、同時一定程度上在數(shù)據(jù)收集者、數(shù)據(jù)處理者以及數(shù)據(jù)使用者之間產(chǎn)生了利益沖突并出現(xiàn)失衡[17]，對失衡原因進行分析討論以推動個人隱私安全及各行為主體間實現(xiàn)利益均衡。

國內(nèi)外學者對不同環(huán)境不同平臺下的用戶隱私從技術(shù)保護、用戶主觀意識等多角度進行了分析，利用模擬仿真、演化博弈、模糊綜合評價等方法研究隱私泄露風險及防范措施。本文在梳理借鑒現(xiàn)有研究的基礎(chǔ)上，采用演化博弈模型分析用戶在使用需要登記個人信息的產(chǎn)品或平臺的情況下，各參與主體不同的行為策略造成的數(shù)據(jù)安全風險。此外，將政府監(jiān)管行為對企業(yè)的影響考慮在內(nèi)，從外部監(jiān)管、自我管理及平臺競爭約束等角度進行系統(tǒng)性設(shè)計。

2 模型構(gòu)建

2.1 模型假設(shè)

研究以互聯(lián)網(wǎng)環(huán)境下存在使用個人數(shù)據(jù)可能的用戶、記錄使用用戶數(shù)據(jù)進行操作的平臺為主要研究對象，主要對二者在數(shù)據(jù)安全保護方面的投入行為進行分析，探討如何在政府隱性參與調(diào)節(jié)的情況下，實現(xiàn)用戶與數(shù)據(jù)平臺間利益的均衡。由于在實際中，參與主體無法滿足“完全理性”及“完全信息”的假設(shè)，同時各參與主體的行為策略也會隨實際情況而發(fā)生相應(yīng)的改變，因此采用演化博弈模型對各參與主體在不同情況下的行為策略進行分析。模型涉及主體主要包含由于使用需要記錄個人信息的產(chǎn)品或平臺而存在數(shù)據(jù)安全風險的用戶、收集使用用戶數(shù)據(jù)而存在數(shù)據(jù)丟失泄露風險的相關(guān)平臺，政府通過監(jiān)管影響企業(yè)對用戶數(shù)據(jù)安全的投入保護力度。模型假設(shè)如下：

假設(shè)1：用戶數(shù)據(jù)泄露造成的損失由用戶和平臺共同承擔。用戶數(shù)據(jù)泄露、盜作他用一方面會對用戶的生命財產(chǎn)安全造成威脅，且一旦發(fā)生損失往往難以追回;另一方面，平臺在收集、使用用戶數(shù)據(jù)的過程中疏于保護、管理不善，對用戶數(shù)據(jù)泄露所造成的損失具有不可推卸的責任，需要對損失用戶進行相應(yīng)的補償。同時對平臺聲譽也會造成一定的負面影響，產(chǎn)生損失。

假設(shè)2：選擇在數(shù)據(jù)安全方面投入成本的用戶能夠獲得正向外部效益。投入數(shù)據(jù)保護成本的用戶獲得的正向效益主要包括，通過投入成本保護個人數(shù)據(jù)而減少的潛在的人身財產(chǎn)損失，降低了被盜取挪用的風險;相比于未投入的用戶，選擇投入的用戶在發(fā)生數(shù)據(jù)安全風險時，能更快地采取補救措施，將損失降到最低。

假設(shè)3：在數(shù)據(jù)安全方面不投入成本的用戶能夠從投入成本的企業(yè)得到溢出效應(yīng)。主要表現(xiàn)為不投入成本用戶在使用投入成本平臺的產(chǎn)品或服務(wù)時，平臺對數(shù)據(jù)的保護管理能夠幫助其降低數(shù)據(jù)泄露風險。但對未投入成本用戶的溢出效應(yīng)較小，否則會造成嚴重的搭便車問題。

假設(shè)4：企業(yè)在保護用戶數(shù)據(jù)安全方面選擇投入成本會產(chǎn)生品牌效應(yīng)。主要包括兩方面，一方面，投入企業(yè)通過保護用戶數(shù)據(jù)安全，降低泄露風險，獲取用戶信任，吸引更多用戶;另一方面是企業(yè)積極承擔社會責任的體現(xiàn)，能夠提高其正面形象，增強品牌聲譽。

2.2 靜態(tài)博弈

基于上述假設(shè)，對主體行為進行靜態(tài)博弈分析，建立用戶與平臺靜態(tài)博弈支付矩陣尋找納什均衡。研究主體為用戶與平臺，政府通過對投入企業(yè)的獎勵影響用戶與平臺的支付函數(shù)。

用戶對個人數(shù)據(jù)安全有投入和不投入兩種策略，平臺對用戶數(shù)據(jù)安全維護同樣為投入和不投入兩種策略，因此用戶和平臺的純策略空間皆為投入成本進行數(shù)據(jù)保護以及不投入成本，即（投入，不投入）。

設(shè)定研究中包含的各參數(shù)，將用戶數(shù)據(jù)泄露造成的損失記作L;假定該部分損失由用戶和平臺共同承擔，用λ表示平臺需要承擔損失的系數(shù)，則用戶承擔損失的系數(shù)為（1-λ），雙方分別需要承擔的損失為λL，（1-λ）L;用戶為維護數(shù)據(jù)安全付出的成本記作CU，從中獲取的收益記作BU;平臺在保護數(shù)據(jù)安全方面付出的成本記作CP，從中獲得的直接收益記作BP;用戶方面，相比于不投入成本用戶，投入成本在數(shù)據(jù)安全方面的用戶除直接收益外的其他收益記作f;而不投入用戶將該部分成本用于其他渠道獲得的收益記作a;平臺方面，相比于不投入平臺，投入平臺付出成本維護用戶數(shù)據(jù)有助于其樹立品牌形象，提高用戶口碑等，該部分收益記作g;政府對投入成本企業(yè)給予的獎勵記作h。

在兩種情境下討論用戶與平臺的博弈行為，情境一為數(shù)據(jù)泄露造成的損失分別大于雙方各自為維護數(shù)據(jù)安全付出的成本;情境二為數(shù)據(jù)泄露造成的損失小于雙方付出的成本。

情境一：從投入成本角度，基于理性經(jīng)濟人假設(shè)，用戶、平臺會在保護數(shù)據(jù)安全的同時追求成本最小化。例如，用戶在選擇現(xiàn)有數(shù)據(jù)保護服務(wù)的同時，可自行學習利用不同手段的加密方式維護個人數(shù)據(jù)安全;平臺往往具備技術(shù)型人才，可自主研發(fā)數(shù)據(jù)保護程序。另一方面，數(shù)據(jù)泄露為他人利用以實現(xiàn)謀財目的，一旦造成財產(chǎn)損失，數(shù)額往往巨大。且數(shù)據(jù)一旦被泄露，對用戶和平臺來說存在不小的隱患，具有潛在威脅。

2.3 動態(tài)演化博弈

通過靜態(tài)博弈研究分析得出在不同情況下的納什均衡點。在實際中用戶和平臺會針對前一階段的博弈結(jié)果相對的進行調(diào)整，利用演化博弈模型，基于微分方程組分析用戶以及平臺各自策略的動態(tài)演化機制，構(gòu)建二者之間的博弈模型。

假設(shè)群體中采用投入策略的平臺占比為x（0x1），則不投入平臺占比為1-x;采用投入策略的用戶比例為y（0y1），則不投入用戶占比為1-y。在投入和不投入策略下，計算雙方的期望收益。

2.4 系統(tǒng)穩(wěn)定性分析

采用雅可比矩陣的局部穩(wěn)定分析驗證在數(shù)據(jù)泄露損失大于成本以及成本大于損失兩種情況下局部駐點的穩(wěn)定性，計算5個局部駐點的行列式值和雅可比行列式的跡，判斷兩者符號的正負性，若符號不同則為穩(wěn)定駐點，相同則為不穩(wěn)定駐點，否則為鞍點。對G（x）、F（x）分別對x、y求偏導(dǎo)，得到雅可比矩陣：

由圖1可知，5個駐點將空間分為4部分，在空間M1M5M2、M1M5M3內(nèi)的點最終會收斂到M1，即雙方會采?。ú煌度耄煌度耄┎呗?，在空間M2M5M4、M3M5M4內(nèi)的點最終會收斂到M4，雙方會采?。ㄍ度?，投入）策略。結(jié)合實際，雙方皆采取投入策略是系統(tǒng)最優(yōu)策略，即M3M4M2M5的面積越大，雙方合作實行投入策略的可能性越高。

3 系統(tǒng)仿真

研究采用MATLAB對用戶平臺的演化博弈模型進行模擬仿真，對復(fù)制動態(tài)方程的各參數(shù)在符合現(xiàn)有條件下進行賦值，利用Ode45命令進行求解，分析各參與主體在博弈過程中的穩(wěn)定策略。

情況一：數(shù)據(jù)泄露給用戶及平臺帶來的損失大于其各自為維護數(shù)據(jù)付出的成本。各參數(shù)賦值具體情況為：λ=0.4、L=15、CP=6、g=1.5、h=2、CU=3、f=2、a=1。采用MATLAB運行的仿真結(jié)果如圖2所示。

如圖2可知，在數(shù)據(jù)泄露損失大于用戶及平臺在維護數(shù)據(jù)安全方面付出的成本時，隨時間的變化，用戶和平臺最終皆采取投入策略，即演化穩(wěn)定策略為（投入，投入）。研究認為在用戶數(shù)據(jù)泄露造成的損失遠遠大于其各自付出成本的情況下，用戶方面需要承擔極大的損失同時存在數(shù)據(jù)再次被泄露非法所用的風險，平臺方面同樣需要承擔因管理不嚴維護不善造成的損失賠償，同時會對平臺形象造成負面影響，損害公司聲譽。因此雙方為防止出現(xiàn)數(shù)據(jù)泄露造成的損失，會選擇投入成本進行提前防護。

情況二：數(shù)據(jù)泄露給用戶及平臺帶來的損失小于其各自為維護數(shù)據(jù)付出的成本。各參數(shù)賦值具體情況為：λ=0.4、L=5、CP=6、g=1.5、h=2、CU=5、f=2、a=1。采用MATLAB運行的仿真結(jié)果如圖3所示。

從圖3可以看出，當數(shù)據(jù)泄露損失分別小于雙方各自為維護數(shù)據(jù)而付出的成本時，隨著時間的增加，用戶和平臺采取不投入的策略比例不斷增加，且最終雙方的穩(wěn)定策略為（不投入，不投入）。研究認為當數(shù)據(jù)泄露對用戶及平臺造成的損失同其維護數(shù)據(jù)安全所付出的成本相差不大，或成本大于損失的情況下，由于付出成本最小化原則，用戶及平臺維護數(shù)據(jù)安全的動機減少，因此雙方最終會選擇不投入成本。

通過MATLAB仿真模擬分析驗證了研究采用比較靜態(tài)分析、演化博弈模型分析得出的結(jié)論。當數(shù)據(jù)泄露造成的損失大于用戶及平臺在維護數(shù)據(jù)安全方面投入的成本時，納什均衡為雙方均采取不投入策略，以及雙方均采取投入策略，通過演化博弈分析得出（不投入，不投入），（投入，投入）是演化博弈系統(tǒng)的均衡策略，其中（投入，投入）是最優(yōu)策略。由于數(shù)據(jù)泄露造成損失的風險具有不確定性，當用戶平臺為維護數(shù)據(jù)安全投入的成本大于數(shù)據(jù)泄露損失時，均衡策略為（不投入，不投入），即雙方共同選擇不投入策略。通過模擬仿真結(jié)果驗證了該結(jié)論。

4 比較靜態(tài)分析

結(jié)合現(xiàn)實案例，研究認為數(shù)據(jù)泄露造成的損失大于用戶平臺維護數(shù)據(jù)安全成本的可能性更高。綜合上述分析，由用戶及平臺演化博弈的系統(tǒng)相圖可知，雙方均采取投入策略可能性的高低與M3M4M2M5的面積大小相關(guān)，即M3M4M2M5的面積越大，雙方采取投入策略的可能性越高。求解該部分面積得：

綜上，對各參與主體是否選擇投入行為的影響因素進行比較靜態(tài)分析。用戶行為決策影響因素由參數(shù)CU、f、a體現(xiàn)，分別對各參數(shù)求偏導(dǎo)，分析其顯著性。

綜上，可以得出CU，a對用戶在數(shù)據(jù)安全方面的投入意愿具有消極作用，f對用戶投入意愿具有積極作用。用戶在維護個人數(shù)據(jù)安全，防止出現(xiàn)損失的前提下所需要付出的維護成本越低，相比于不投入成本獲得的收益越高，用戶越可能采取投入策略。

平臺是否選擇投入成本受到參數(shù)CP、g、h影響，對以上參數(shù)求導(dǎo)，分析顯著性。

5 結(jié) 論

研究對用戶及平臺在數(shù)據(jù)安全維護方面的投入行為采用靜態(tài)博弈、演化博弈模型進行了分析，并通過MATLAB軟件進行模擬仿真驗證結(jié)論。采用比較靜態(tài)分析用戶及平臺采取投入策略的影響因素。通過構(gòu)建靜態(tài)博弈支付矩陣得出結(jié)論，當用戶平臺在數(shù)據(jù)泄露造成的損失大于維護數(shù)據(jù)安全付出的成本時，（不投入，不投入），（投入，投入）策略是納什均衡策略。當雙方的損失小于其各自付出的成本時，（不投入，不投入）是唯一的納什均衡策略。構(gòu)建演化博弈模型動態(tài)分析用戶及平臺的博弈行為，進一步驗證了上述結(jié)論。

利用MATLAB軟件對兩種情境下的演化博弈模型進行了模擬仿真，進一步得出當雙方各自為維護數(shù)據(jù)安全付出的成本小于數(shù)據(jù)泄露造成的損失時，隨著時間的增加，用戶和平臺最終會傾向于采取投入策略。相反，當付出的成本大于損失時，隨著時間的增加，雙方采取不投入策略的概率更大。最后，利用比較靜態(tài)分析法分析用戶、平臺在維護數(shù)據(jù)安全方面采取投入策略的影響因素。分析得出用戶的投入意愿與投入成本、獲取收益相關(guān)。當用戶因為采取投入策略獲得的收益越大，在能夠最大可能防止數(shù)據(jù)泄露造成損失的前提下付出的成本越小，用戶采取投入策略的動機越強。平臺的投入意愿與其投入成本、獲取收益以及政府激勵相關(guān)。平臺在維護用戶數(shù)據(jù)安全方面付出的成本越小，政府對其激勵程度越大，收益越大，平臺越有可能采取投入策略。

基于上述研究結(jié)論，提出以下建議：用戶方面，結(jié)合實際來看數(shù)據(jù)泄露造成的損失具有不確定性、潛伏性，因此用戶應(yīng)當提高數(shù)據(jù)泄露風險防范意識，謹慎使用，主動保護個人數(shù)據(jù)安全，充分意識到個人數(shù)據(jù)泄露所造成的危害。平臺方面，應(yīng)當充分認識數(shù)據(jù)的本質(zhì)，合理利用數(shù)據(jù)，加強對數(shù)據(jù)泄露風險的認識。同時將自身品牌形象考慮在內(nèi)，主動維護用戶數(shù)據(jù)安全，承擔社會責任。政府方面，應(yīng)當對用戶及平臺進行適當?shù)囊龑?dǎo)，以使雙方能夠客觀理性的認識并使用數(shù)據(jù)，同時對主動投入成本維護數(shù)據(jù)安全的平臺以適當?shù)募?，例如獎勵補貼等形式，以降低數(shù)據(jù)泄露為社會造成的損失及不良影響。

參考文獻

[1]黎小花.云計算中基于用戶隱私的數(shù)據(jù)安全保護方法[J].電子制作，2019，（14）：66-67，100.

[2]Chen Y S，Lee T R.Additive Aggregate Function-based Data Privacy Protection Algorithm[J].International Journal of Agriculture Innovation，Technology and Globalisation，2019，1（1）：20-30.

[3]魏丹陽，馬海群.網(wǎng)絡(luò)環(huán)境下個人數(shù)據(jù)存儲安全和隱私保護影響因素研究[J].圖書館理論與實踐，2018，（1）：89-95，100.

[4]Byung-Gil L E E，Kim H W，Chung K I.Context-aware Based RFID Privacy Control System and Personal Privacy Protection Method Using the Same：U.S.Patent 8，681，984[P].2014-03-25.

[5]Qiu L，Li Y，Wu X.Protecting Business Intelligence and Customer Privacy While Outsourcing Data Mining Tasks[J].Knowledge and Information Systems，2008，17（1）：99-120.

[6]Dean M D，Payne D M，Landry B J L.Data Mining：An Ethical Baseline for Online Privacy Policies[J].Journal of Enterprise Information Management，2016，29（4）：482-504.

[7]Alkire L，Pohlmann J，Barnett W.Triggers and Motivators of Privacy Protection Behavior on Facebook[J].Journal of Services Marketing，2019，33（1）：57-72.

[8]Ernst C P H.Privacy Protecting Behavior in Social Network Sites[M].Factors Driving Social Network Site Usage.Springer Gabler，Wiesbaden，2015：57-81.

[9]Hong W，Chan F K Y，Thong J Y L.Drivers and Inhibitors of Internet Privacy Concern：A Multidimensional Development Theory Perspective[J].Journal of Business Ethics，2019：1-26.

[10]李睿等.移動互聯(lián)網(wǎng)環(huán)境下的隱私泄露容忍度測度方法[J].管理評論，2016，28（7）：102-111.

[11]迪莉婭.大數(shù)據(jù)環(huán)境下隱私泄露影響評估研究[J].情報雜志，2016，35（4）：141-146.

[12]陸雪梅，古春生.大數(shù)據(jù)環(huán)境下用戶信息隱私泄露成因分析和保護對策[J].現(xiàn)代情報，2016，36（11）：66-70.

[13]張丞.移動互聯(lián)網(wǎng)隱私泄露研究[D].北京：北京郵電大學，2013.

[14]田波，等.移動APP用戶隱私信息泄露風險評價指標及實證研究[J].圖書情報工作，2018，62（19）：101-110.

[15]黃國彬，劉馨然.移動網(wǎng)絡(luò)環(huán)境下企業(yè)引發(fā)的個人數(shù)據(jù)安全風險研究[J].圖書情報工作，2017，61（10）：57-67.

[16]朱光，曹雪蓮，孫玥.社交網(wǎng)絡(luò)環(huán)境下隱私保護投入的博弈策略分析——基于演化博弈的視角[J].情報科學，2017，35（7）：25-30.

[17]付曉.大數(shù)據(jù)時代用戶數(shù)據(jù)利益保護中的權(quán)利平衡[D].寧波：寧波大學，2017.

（責任編輯：郭沫含）