平臺與信托合作下的數據安全演化博弈研究

鄧可

(上海政法學院經濟管理學院 上海 201701)

1 引言

隨著大數據時代的到來，數據安全的重要性日益凸顯，互聯網平臺作為當前最主要的數據載體，與數字經濟的高質量發展息息相關。平臺在不斷擴張過程中，過度收集和濫用用戶數據，對公民的個人信息權益甚至國家安全造成威脅。同時傳統的公民“賦權-維權”模式面臨困境。張凌寒(2021)從數據社會生產的角度分析，認為擴張平臺的數據安全保障義務是對平臺權力的糾偏機制。席月民(2021)認為，數據信托基于所有權和控制權分離的設計，能夠實現數據安全管理、有效保護個人隱私和數據安全。還有部分學者認為，數據信托是信托機制與數據治理相互融合的產物，以一種多方治理的模式促進互聯網平臺與信托機構之間的合作，在實現多方利益訴求的同時，獲得保護數據安全的結果。

在平臺方面，競爭條件下追求利益最大化的動機造成平臺對數據的過度采集、數據權力濫用等問題。平臺提供多場景、多樣性服務的同時，對用戶數據全面、深入地挖掘，形成一種“生態壟斷”。因此，多方治理的設計能夠制衡平臺的權力。另外，平臺擁有個人數據事實上的所有權，對數據加工處理產生了新的數據價值，必須予以確認，才有利于數據要素的流通，進一步促進數字經濟的健康發展。

在信托方面，通過數據的“入托”與“出托”，不僅能夠實現數據的分類分級保護，還能建立數據流通的信任機制。目前，針對數據信托的研究，主要有“信息受托人”理論和“數據信托”理論，相關實踐研究還處在探索階段。理論認為，平臺與信托雙方通過不斷適應和學習，選擇較優的策略，可以達到數據安全的演化穩定狀態。實踐中，由于決策者的有限理性和決策環境的不確定性，平臺以高標準履行數據安全保障義務能否成為信托參與下的治理結果是值得研究的重要問題。因此，本文探討數據信托下平臺與信托之間的數據安全治理合作問題，通過構建演化博弈模型和比較靜態分析，探究平臺與信托履行數據安全保障義務的條件，并提出針對性的建議。

2 數據信托的運行機制

在數據信托場景下，所涉及的參與者包括用戶、平臺、信托、投資人和政府，其運行機制可以表述如下：第一，平臺通過其提供的軟件服務獲得用戶數據，并對數據進行脫敏和不可逆處理形成匿名數據，平臺則作為實際上的委托人。第二，數據信托項目作為一種專門投資數據資產的信托產品，由信托機構設計并發行，信托機構作為數據信托產品的受托人，代表用戶對個人數據的使用進行監督。第三，數據信托的委托人同時是受益人，收益主要來源于項目運營或數據交易，參照公募基金的管理辦法，收益的大部分將用于分紅。第四，投資人將資金投資于數據信托產品，并根據其投資額參與信托產品的收益分配。第五，政府擁有審核、準入、獎懲、監督、跟蹤追溯等權力。由此形成基于數據信托的數據安全保護與治理體系(見圖1)。

圖1 數據信托的運行機制

3 演化博弈模型構建

3.1 基本假設

根據數據信托的運行機制，進一步探討各參與主體的行為。一般用戶或投資人對數據安全的作用較小，不作為研究對象，重點分析平臺和信托在履行數據安全保障義務方面的投入行為，同時考慮政府的參與調節功能。模型基本假設如下：

假設1：該演化博弈的參與者分別為信托F和平臺E，其策略空間為(高安全標準、低安全標準)，在信托F中選擇高安全標準的比例為x，在平臺E中選擇高安全標準的比例為y。信托對數據安全投資If，獲得數據安全投資收益(Rf-If)；平臺對數據安全投資Ie，獲得數據安全投資收益(Re-Ie)。

假設2：政府主要利用政策工具調節數據信托項目的安全保護力度。信托和平臺遵循高安全標準的情況下，政府對信托的稅收優惠為ω(ω≥0)，政府對企業的補貼為φ(φ≥0)。信托和平臺遵循低安全標準的情況下，政府對信托和平臺的罰款基準為L(L≥0)，可以根據實際情況調整處罰強度，設定信托的懲罰系數為α(0≤α≤1)，平臺的懲罰系數為β(0≤β≤1)。

假設3：數據信托項目由信托與平臺“收益共享、投資共擔”。設定信托對平臺的收入讓渡比例為λ(0≤λ≤1)，平臺對信托的投資分擔比例為μ(0≤μ≤1)，則有(Re=λRf,Ie=μIf)。

假設4：在一方遵循高安全標準，另一方遵循低安全標準的情況下，存在溢出效應，設定信托的溢出系數為η(0≤η≤1)，平臺的溢出系數為θ(0≤θ≤1)。當平臺選擇低安全標準時，信托需要增加額外的安全投入Ih；而信托選擇低安全標準時，平臺無法獲得信托的收入讓渡Re(Re=λRf)。

基于上述假設，建立雙方靜態博弈的支付矩陣如表1所示。

表1 靜態博弈的支付矩陣

3.2 復制者動態方程

根據演化博弈理論，利用微分方程組分析信托和平臺的動態演化策略，分別計算信托遵循高安全標準策略的期望收益Uf1、遵循低安全標準策略的期望收益Uf2，以及混合策略的期望收益。

由此構建信托的復制者動態方程F(x)，其中Gf(y)為群體策略比例y的函數，且當Gf(y)=0時，y=y*。

同理，計算平臺遵循高安全標準策略的期望收益Ue1、遵循低安全標準策略的期望收益Ue2及混合策略的期望收益。

平臺的復制者動態方程F(y)，其中Ge(x)為群體策略比例x的函數，且當Ge(x)=0時，x=x*。

令F(x)=0，F(y)=0，得到動態演化博弈的5個局部駐點：O(0,0)、U(0,1)、V(1,0)、W(1,1)、S(x*,y*)。

3.3 均衡穩定性分析

根據微分方程的穩定性定理，利用雅克比矩陣進行演化博弈的穩定策略(ESS)分析，對微分方程分別求x和y的偏導數，得到雅克比矩陣為J。將5個駐點代入雅克比矩陣，如果滿足行列式detJ為正，行列式的跡trJ為負，則是穩定點。

討論Gf(0)、Gf(1)、Ge(0)、Ge(1)的正負性。根據公式Gf(0)=-If-Ih+ω+αL，政府的獎懲激勵不能替代信托的投資，否則信托機構會產生投機行為，使得政府調節失靈，因此需要滿足ω+αL≤If，所以Gf(0)≤0。Gf(1)=(1-η)Rf-If+ω+αL，由于溢出效應需要小于正常投資收益，否則“搭便車”將成為每家信托機構的最優選擇，因此需要滿足ηRf≤Rf-If，所以Gf(1)≥0

同理，Ge(0)=-Ie+φ+βL，為避免平臺的投機行為，有φ+βL≤Ie，則Ge(0)≤0。Ge(1)=(1-θ)Re-Ie+φ+βL，為避免平臺的“搭便車”行為，有θRe≤Re-Ie，則Ge(1)≥0。

在此基礎上，本文進行演化博弈穩定狀態分析，判斷結果如表2所示。

表2 演化博弈穩定狀態分析

根據演化博弈的穩定分析，可以得到均衡點的相位圖(見圖2)。

圖2 演化博弈均衡點相位圖

由圖2可知，當(x,y)落在USVW區域時，系統將收斂于W(1,1)點，演化博弈的結果是一種比較理想的狀態；而當(x,y)落在USVO區域時，系統將收斂于O(0,0)點，演化博弈的結果是一種不良的狀態。

4 比較靜態分析

為討論方便且不失一般性，本文采用參數形式重寫復制者動態方程。設定信托安全投資收益率為rf，則Rf=(1+rf)If，信托以百分比rh增加額外的安全投入Ih=rhIf，設定If=L=1。由此，復制者動態方程的參數形式可以表示為：

可得駐點S(x*，y*)，

滿足約束條件：

利用參數方程對參數影響進行分析，采用比較靜態分析法探究各參數對四邊形USVW面積SΔUSVW的影響，如表3所示。

表3 參數比較靜態分析

由表3可知，與y*相關的參數中，ω、α、rh偏導數小于零，與SΔUSVW面積呈正相關；rf、η偏導數大于零，與SΔUSVW面積呈負相關。因此，政府稅收優惠ω、政府罰款α、信托安全投資收益率rf與安全高標準的演化博弈結果正相關，正向改變參數值對數據安全治理有正面影響；而信托增加投資比例rh、信托溢出系數η對信托安全投入有負向激勵，正向改變參數值對數據安全治理有負面影響。

與x*相關的參數中，φ、β、rf、λ與SΔUSVW面積呈正相關，μ、θ偏導數大于零，與SΔUSVW面積呈負相關。因此，政府補貼φ、政府罰款β、投資收益率rf、收入讓渡比例λ與安全高標準的演化博弈結果正相關，正向改變參數值對數據安全治理有正面影響；而投資分擔比例μ、平臺溢出系數θ與安全高標準的演化博弈結果負相關，正向改變參數值對數據安全治理有負面影響。

5 結語

本文探討在平臺與信托合作下的數據安全保護問題，通過演化博弈模型分析和比較靜態分析得到以下結論：

(1)數據信托作為一種可信的數據流通模式，對平臺數據安全有積極作用。信托作為第三方與平臺合作，形成數據安全投資“收益共享、投資共擔”的局面，能夠以市場的方式改變平臺對用戶數據壟斷的局面，增加平臺的數據安全投入和更好地履行數據安全保護責任。

(2)數據信托為平臺安全投入提供了資金來源。利用數據信托的雙重所有權結構促進數據資產的市場流通，通過吸收外部資金解決平臺數據安全建設資金不足的問題。

(3)平臺與信托之間要增進合作。信托收益的讓渡比例對平臺安全投入有激勵作用，而提高平臺的投資共擔比例，則會降低平臺的安全投入意愿。因此，提升平臺與信托的合作水平是進一步研究的問題。

(4)市場環境下，平臺與信托在初始條件下的選擇將對演化博弈最終的穩定狀態產生重大影響。因此，營造健康公平的市場環境至關重要。政府由平臺數據安全的直接監管者轉型為市場的“守門人”，由單一監管模式轉型為綜合治理模式，政府通過安全生產教育及合理利用政策工具，督促平臺與信托切實履行數據安全責任。