社會網絡視角下算法金融風險及審計治理研究

【中圖分類號】F239 【文獻標識碼】A 【文章編號】1004-0994（2025）17-0075-6

一、引言

算法金融是指利用算法技術在金融市場中進行自動化交易、風險管理和決策的過程。它結合了計算機科學、數據科學和金融學，通過算法來優化金融服務的效率和效果。2017年國務院印發的《新一代人工智能發展規劃》中提出：“建立金融大數據系統，提升金融多媒體數據處理與理解能力，創新智能金融產品和服務，發展金融新業態。\"這意味著我國將“智能金融”作為重點發展方向，要求推動人工智能技術與金融服務的深度融合。可以預見，隨著科技的進步，算法金融的應用場景將更加廣泛。但與此同時，算法帶來的負面效應也不容忽視。2010年5月6日美股“閃電崩盤”事件就是高頻算法交易程序通過幌騙（通過下單后趕在交易發生前迅速撤回訂單以欺騙市場）等方式，導致美國道瓊斯工業指數在5分鐘內下跌近1000點，近萬億美元市值瞬間蒸發。2013年8月16日的“光大證券烏龍指”事件，也揭示了算法對證券市場系統性風險的潛在影響。

算法金融審計是指運用審計學科中的思維、理論、方法與流程，對算法在金融領域的設計、研發、部署、使用等環節及其驅動的金融活動進行全面檢查的過程，旨在監督金融算法的設計、運行和應用是否符合金融監管要求、行業標準以及道德規范，其將成為未來金融市場監管的重要方向。加強算法金融審計可以促進算法金融技術與數字金融的科學有序發展，有效防控系統性金融風險，維護金融市場穩定。本文運用社會網絡分析法構建算法金融風險網絡，揭示算法金融風險在相關主體間的傳染規律，為精準構建算法金融審計體系提供新的研究范式。

二、文獻綜述

1.算法風險及審計。算法風險通常指以網絡平臺和企業為代表的算法主體在算法研發、運營過程中存在的因自身邏輯或算法自主學習所外溢于社會的風險（馬海群和張濤，2025）。付冉冉（2023）將算法風險大體概括為大數據風險和算法黑箱的衍生問題，其中大數據風險主要涉及數據安全與數據隱私，算法黑箱的衍生問題則包括算法歧視、算法霸權、算法操縱、算法合謀、算法倫理等。

算法審計是對被審計單位的算法模型、數據及有關技術活動的合規性、風險性進行審計（張永忠和張寶山，2022）。Robertson等（2018）認為算法審計主要包含算法模型、算法相關數據及有關技術活動三個維度。王玉鳳（2023）指出，國家審計機關在對模型和算法進行審查時，應將這些模型和算法所涉及的風險列為重點審查內容之一。劉國城和楊麗麗（2024）基于算法主體、算法數據、算法程序、算法后果四個方面構建了人工智能時代算法審計的運行框架。

2.算法金融。算法金融的本質是搭起計算科學、人工智能、數據科學等理論技術與金融行業具體業務場景之間的橋梁，其典型特征是“貫穿整個業務場景的全鏈條服務，而不只在業務的某一個環節或者產品建設的某一個階段發揮作用\"（陳強，2017）。劉輝（2021）強調，大數據算法是推動互聯網金融、區塊鏈和現代征信等科技金融領域發展的重要動力。

算法在信用、風控、成本等方面的突破提升了金融產品的可得性和普惠性，但其潛在的風險也引發了社會的廣泛關注。算法固有的缺陷和特性會逐漸與金融本身的風險及邏輯產生耦合，形成算法歧視、算法綁架、算法趨同等新型金融風險，進而危害金融公平價值和金融消費者權益（王懷勇和鄧若翰，2021）。張欣和高奇（2022）指出，除了內生技術風險和社會風險，算法在金融活動應用過程中出現的經營風險和行業風險也不容小。

面對算法金融帶來的風險，監管的重要性日益凸顯。新加坡金融管理局（2018）針對算法應用于金融業所引發的問題，提出了“FEAT原則”，涵蓋公平、道德、責任與透明。劉輝（2021）認為應通過完善算法金融法律規制、強化大數據金融行政監管機制等舉措，形成多元共治。程雪軍（2023）認為破除金融科技公司算法風險的關鍵在于算法的協同性、公開透明性、可問責性三個層面。

3.社會網絡分析在審計中的應用。隨著大數據技術與智能化審計的快速發展，社會網絡分析作為一種研究復雜關系結構的方法，在審計領域的應用逐漸深化。目前相關研究主要聚焦于兩大方向：一是風險管理。王敬勇等（2024）通過社會網絡分析方法，研究了云安全風險因素在利益相關方之間的作用機制，有助于審計部門確定云安全風險傳導的關鍵節點。陳偉等（2019）創新性地將社會網絡分析與金融科技系統審計相結合，設計了一種金融科技系統用戶管理風險審計思路。二是關聯方交易與舞弊識別。楊超等（2022）將社會網絡分析技術應用于關聯方交易審計，發現關聯方交易會呈現出特有的閉環現象，該現象可用于辨識關聯方關系。

4.文獻述評。既有研究圍繞算法風險及其規制、算法金融、社會網絡分析展開了多維探索，為本文奠定了重要理論基礎，然而其還存在以下局限：第一，算法責任主體與風險關聯的研究不夠精細。盡管學界已對算法責任主體進行了初步分類，但對各主體在風險網絡中的動態交互機制仍缺乏系統性研究。第二，風險傳染機制的研究方法單一。現有文獻多從定性層面探討算法風險傳導邏輯，鮮少結合社會網絡分析方法對算法風險之間的聯系進行實證量化。第三，審計治理策略的針對性較弱?，F有審計建議多停留于通用性框架設計，未能結合責任主體的角色差異提出分層次、可操作的治理策略。

本文可能的貢獻有：第一，在理論層面，突破各責任主體相互獨立的視角，構建了“開發者一營運者一使用者”三位一體的算法金融責任主體風險網絡模型；第二，在方法層面，創新性地引入社會網絡分析工具，對算法金融風險傳染的強度與方向進行量化，為算法金融風險的動態監測提供了分析框架；第三，在實踐層面，提出“分主體、分風險、分階段\"的審計治理策略，形成從風險源頭到終端的全鏈條治理方案。

三、算法金融責任主體及算法金融風險類型

1.算法金融責任主體。算法責任主體的確認通常處于算法審計的前期準備階段，是開啟有效審計的關鍵步驟，為進一步確定算法審計的方向和范圍、評估算法審計風險奠定基礎。鄭石橋（2024）基于委托代理關系視角，將受托執行管理職責并運用算法的代理人定義為“算法使用者”，將承擔算法開發任務的單位界定為“算法開發者”，負責運營算法的機構則被命名為\"算法營運者”。

算法金融風險與責任主體密不可分，梳理這些主體是識別相關風險并針對不同主體提出審計建議的首要環節。本文將算法金融責任主體劃分為三類：算法金融系統使用者（簡稱\"使用者”）、算法金融系統開發者（簡稱“開發者\"）和算法金融系統營運者（簡稱\"營運者\"）。其中：使用者指運用算法系統開展金融業務的單位；開發者指設計、開發算法金融系統的科技公司；營運者指對算法金融系統進行運營投入、應用部署和提供安全保障的機構。本文聚焦于組織層面的審計風險，故對責任主體的定義不包含個人。

算法在金融活動中的廣泛應用會帶來數據、技術、安全和經營等方面的風險，這些風險主要來源于開發者，以營運者為中介傳播擴散，最終由使用者承擔。本文以開發者、營運者和使用者三類最基本的算法金融責任主體為研究對象，構建網絡模型以考察這三類主體之間的風險傳導機制，并據此制定更具針對性的算法金融審計治理策略。

2.算法金融風險類型。風險評估程序是風險導向審計的核心環節，貫穿審計全過程，審計主體需要對多維度風險要素進行綜合考量，在此基礎上實施進一步審計程序。算法金融風險具有隱蔽性、關聯性、不可控性、責任主體風險差異性及整體復雜性等特征，其與責任主體的對應關系使得風險識別成為一項系統工程。通過梳理相關文獻，本文將算法金融風險歸納為四個維度：算法金融數據風險、算法金融技術風險、算法金融安全風險和算法金融經營風險。

四、社會網絡視角下的算法金融風險研究設計

社會網絡視角下算法金融風險的研究步驟如下：首先，確定與算法金融責任主體對應的風險節點并評估節點間的聯系強度；然后，通過可視化技術呈現網絡關系并量化風險間的傳播路徑；接著，運用網絡指標分析方法識別出關鍵的風險要素（具體見第五部分“算法金融風險的網絡特征分析”）；最后，根據分析結果提出有針對性的審計治理意見（具體見第六部分“社會網絡視角下算法金融風險的審計治理策略”）。

1.數據來源。數據采集工作分為兩個階段：第一階段是設計涵蓋風險因素及責任主體的調查問卷，借助郵件和電話訪談渠道獲取相關領域專家的反饋意見，經過多輪論證最終確定44種算法金融風險類型（具體風險類型及責任主體詳見表1），在與不同責任主體對應后得到72個風險節點；第二階段是組織專家開展矩陣式評估，針對風險間的作用強度按五級量表（由弱到強依次賦分1～5 0進行量化標定，形成包含1844條關系數據的 72×72 矩陣（算法金融風險關聯打分表略）。

2.社會網絡可視化。針對采集的數據，本文運用社會網絡分析軟件Ucinet6.0，對算法金融風險網絡進行系統性建模與可視化研究，構建一個具有72個關鍵節點和1844條關系邊的復雜網絡模型G（72，1844）。該模型的每個節點代表算法金融風險體系中一個與責任主體相對應的風險，每條邊則反映它的兩個端點之間的關聯關系，可直觀地展現風險在不同主體之間的傳播路徑和強度。

五、算法金融風險的網絡特征分析

本文基于社會網絡分析方法，采用多維度指標體系，系統性地考察算法金融風險在各責任主體間的傳播機制及其重點風險類型。

1.算法金融風險的網絡密度分析。在社會網絡分析框架下，網絡密度是衡量網絡中各節點間關系緊密程度的重要指標。根據計算結果，算法金融風險的網絡密度為0.3607，表明該網絡結構呈現出一定的松散性。從可視化結果可以看出，該網絡呈現明顯的層級化特征：位于網絡中心位置的節點表現出較強的連接強度和較高的風險傳染能力；處于網絡邊緣位置的節點則相反。值得注意的是，在此網絡中，每個算法金融責任主體都有對應風險位于網絡的核心區域。這表明三個責任主體之間的風險關系呈現高度集中化特征，彼此的影響顯著。

2.算法金融風險網絡因素的關聯性分析。節點度指的是網絡中某一個節點與其他所有節點之間存在的直接連接數量。其中：節點的出度表示某節點向其他節點輸出的關系邊的數量，反映該節點對其他節點的影響能力；而節點的人度表示某節點接收來自其他節點的關系邊的數量，反映該節點受到其他節點影響的程度。由表2可知：開發者和營運者對應的風險類型具有較高的出度，表明在整個風險網絡中這兩個責任主體是主要的風險來源，扮演著“風險傳播者\"的角色；相比之下，使用者對應的風險類型具有較高的入度，是屬于處于弱勢地位的風險承擔方。這意味著當其他責任主體涉及的風險變大時，此類風險將受到更大影響。

表1 算法金融風險類型及責任主體

表2重要風險因素的節點出入度

對算法金融風險網絡節點出入度的分析顯示，開發者帶來的算法設計、算法開發、開發端運維安全風險和營運者帶來的算法金融行為合規性、算法金融應用安全、運營端運維安全風險在網絡中有較大的影響力，因此上述風險容易引起整體網絡中其他風險的產生。從風險傳播途徑來看，開發者和營運者涉及的風險處于傳播鏈條前端，針對這兩類責任主體進行風險管理能從源頭上控制算法金融風險傳染。審計主體需要針對上述算法金融風險獲取審計證據，并根據其特征采取相應的審計措施。

3.算法金融風險因素的控制地位分析。在社會網絡分析中，中介中心度是衡量一個節點在網絡中作為橋梁的重要性的一種指標，表示一個節點在多大程度上位于其他節點之間連接的最短路徑上。高中介中心度意味著該節點在多個風險傳遞路徑中充當關鍵橋梁，能夠顯著影響通過它的關系流動。

由表3可知，S2R28的中介中心度最大，S2R20次之。這兩個最重要的中介風險因素都屬于營運者，說明該責任主體在整個風險網絡中處于重要控制地位。營運者是整個系統運轉的核心，若營運者在運維安全或行為合規性方面出現問題，會影響整個系統的穩定性和安全性，并波及其他責任主體。這種廣泛的連接使營運者在風險網絡中的中介作用顯著。同時，排在第一、三、四位的風險類型都是運維安全風險，說明它不僅是三類責任主體都要面對的風險，而且廣泛連接了網絡中的其他風險。此外，中介中心度較高的節點還包括營運者產生的算法金融應用安全風險，以及使用者產生的算法金融應用安全和算法金融的數據管理風險。審計主體應著重評估表3中營運者面臨的風險，通過制定相應的審計對策來強化其風險管理能力。這一舉措有助于切斷算法金融風險傳導路徑，防止金融活動中算法風險的蔓延。

表3 重要風險因素的中介中心度

4.算法金融風險因素的代理能力分析。網絡中存在但未被連接的間隙會形成信息流動的“空洞區域”，這種非冗余關系形成的空隙即為結構洞。結構洞中間人是指那些位于社會網絡中的結構洞并起到關鍵連接作用的個體或節點。因此，如果消除了作為中間人的風險節點，就能切斷它連接的兩個風險節點的關系。中間人可被劃分為協調人、守門人、代理人、顧問以及聯絡人五類。

由表4可知，營運者和使用者是具有代理特性的責任主體，涉及的運營端運維安全、算法金融應用安全及算法金融的數據管理等風險類型在風險網絡中擔任重要中間人。其中S2R28最具代理性，它扮演了許多次協調人的角色，承擔多次協調職責，在化解與其他責任主體間的矛盾方面具有顯著優勢，并與另外兩個責任主體涉及風險的聯系緊密，是風險控制的核心。

表4 重要風險因素的中間人分析

注：表中數值表示該風險類型在網絡中扮演中間人角色的次數。數值越高，說明該風險類型在這一角色上的代理能力越強，即在風險傳播或控制中起到的作用越關鍵。

六、社會網絡視角下算法金融風險的審計治理策略

算法金融審計是算法金融監督治理體系的組成部分，其職能是審計主體依法依規對算法在金融領域的應用進行全方位、多層次的審計監督。審計主體應當根據不同的責任主體特性和風險類型制定差異化的治理策略，推動被審計單位完善算法金融風險治理體系，從而保障金融市場的穩定性和消費者權益。

1.針對開發者的審計治理。在算法金融風險網絡中，開發者是風險傳播中重要的一環。由表2可知，開發者涉及的算法設計、算法開發、開發端運維安全風險在整個風險網絡中出度較高，對其進行審計是從源頭上管控算法金融風險的關鍵舉措。因此，審計工作需著重從開發者產生的以下風險展開：

（1）算法設計風險。算法設計風險主要包括算法模型缺陷、算法運行邏輯和算法設計者價值觀風險。對于算法模型缺陷，審計主體應關注模型是否存在過擬合或欠擬合問題、模型的解釋性與透明度是否符合要求。同時，要求開發者對模型進行壓力測試，在極端市場條件下檢驗其穩定性和魯棒性。對于算法運行邏輯，審計主體應要求開發者提供詳細的算法設計文檔，并通過靜態分析和動態測試等手段，對算法的邏輯結構和執行路徑進行深人審查。對于算法設計者價值觀，審計主體需關注開發者的倫理意識與價值取向，包括審查開發者是否將短期利益置于長期穩定之上、是否存在過度追求收益而忽視風險的傾向。同時，要求開發者提供詳細的算法設計背景和決策依據，以驗證其是否偏離既定價值準則。

（2）算法開發風險。算法開發風險主要包括算法代碼缺陷和算法軟件架構合理性風險。對于算法代碼缺陷，審計主體應對代碼進行嚴格的語法檢查。建議引入自動化代碼審查工具，對代碼的可維護性、可測試性和安全性進行全面評估。對于算法軟件架構合理性，如果開發不合理，可能導致功能模塊耦合度過高、性能瓶頸等問題。審計主體應審查軟件架構是否具備清晰的模塊劃分和層次結構；確保軟件架構遵循“高內聚、松耦合\"的原則，各個功能模塊之間職責明確，交互簡單。同時，審查代碼實現是否與架構設計一致。此外，還需審查軟件架構是否具備合理的安全邊界和數據流向設計。

（3）開發端運維安全風險。開發端運維安全風險指在算法金融系統開發階段，由代碼漏洞、配置錯誤、訪問控制不嚴、日志管理不足及第三方依賴等因素導致的系統運行維護安全隱患。審計主體應審查如下方面：一是代碼漏洞與配置錯誤審查。在開發階段，應重點檢查是否存在邏輯漏洞，同時審計開發環境中的配置設置，確保沒有默認賬戶或敏感配置信息暴露在外。二是訪問控制與身份驗證機制審查。應審查系統的訪問控制策略，確保其遵循最小權限原則并測試身份驗證機制的有效性。三是日志記錄與監控能力審查。應檢查系統是否具備完善的日志記錄功能，并確保日志數據的完整性和不可篡改性。此外，還應檢查開發者是否建立了實時監控機制。四是第三方依賴與供應鏈審查。應要求開發者提供第三方依賴清單，包括所有開源組件、庫和云服務等，并要求開發者采取供應鏈安全管理措施。

2.針對營運者的審計治理。營運者不僅是算法金融風險的產生源頭之一，而且在風險傳導鏈條中承擔著關鍵的中介職能。由表3、表4可知，營運者涉及的運營端運維安全、算法金融應用安全和算法金融行為合規性風險在整個風險網絡的中介中心度較高，且扮演了多次協調人，對其開展審計旨在遏制算法金融風險的擴散。因此，審計工作應重點針對營運者產生的以下風險展開：

（1）運營端運維安全風險。運營端運維安全風險指在算法金融系統部署運行階段，由基礎設施不可靠、配置管理不佳、應急響應機制不健全等因素導致的系統運行維護安全隱患，審計主體應關注這幾個方面。具體來說：第一，基礎設施可靠性審查是保障運維安全的基礎，直接影響金融業務的連續性，包括檢查數據中心、服務器機房、網絡設備等物理設施的安全性。第二，系統配置管理是運維安全的重要環節，系統配置包括操作系統、應用程序和網絡設備的各項參數設置。審計主體需要檢查這些配置是否符合安全標準，并定期更新以應對新的安全威脅。第三，應急響應機制是運維安全不可或缺的一部分，審計主體需要評估企業是否有完善的應急預案并定期進行演練，以提高應對能力。

（2）算法金融應用安全風險。算法金融應用安全風險主要包括應用部署安全、應用軟件安全和應用服務安全風險。對于應用部署安全，應推動營運者建立嚴格的部署安全標準，確保應用程序在生產環境中的安全性。審計重點包括：部署環境是否與測試、開發等非生產環境邏輯隔離；是否配置了嚴格的網絡防火墻規則和安全組。對于應用軟件安全，應關注應用程序代碼及依賴組件的安全性。審計內容包括：源代碼是否經過靜態分析和動態測試；第三方庫和開源組件是否存在安全漏洞、是否及時更新補丁。對于應用服務安全，應推動營運者提升實時監控能力，確保應用程序在運行時的安全性。審計重點包括：是否定期進行滲透測試和漏洞掃描以發現新的安全隱患；數據隔離是否有效，用戶數據是否采取加密存儲等措施防止未經授權的訪問。

（3）算法金融行為合規性風險。營運者的人為操作失誤或惡意行為會帶來嚴重后果，不僅侵害利益相關者的權益，還可能擾亂金融市場秩序。因此，應推動營運者建立健全合規管理體系。一是法律和行業規范遵循。審計主體應審查算法交易策略是否符合《證券法》《反壟斷法》等相關法律規定，防正營運者利用算法進行市場操縱或內幕交易。二是金融行為透明化。審計主體應要求營運者建立完善的操作行為監控機制，并確保數據的完整性和可追溯性，防止營運者利用算法優勢地位謀取不正當利益。三是合規文化建設。審計主體應檢查營運者是否制定詳細的合規手冊和操作指南，明確各崗位的合規責任和義務，以及營運者是否具備相應的專業資質。

3.針對使用者的審計治理。使用者在算法金融風險網絡中是處于風險承接終端的責任主體。雖然該主體面臨的風險對其他風險的影響較小且不是風險傳導樞紐，但對其實施審計可以確保使用者在利用算法開展金融業務時有效識別與應對潛在風險。由表2可知，算法金融智能客服、智能推薦、智能交易、智能投顧和智能風控風險在整個風險網絡中人度較高。因此，審計工作需著重針對使用者面臨的以下風險展開：

（1）算法金融智能客服風險。在算法金融智能客服風險的審計規制中，應關注如下方面：一是合規管理。審計主體應審查智能客服應答的合規性和公平性，同時關注是否明確告知用戶正在與智能客服交互，保障用戶權益。二是風險控制。審計主體應關注智能客服在推薦產品時是否自動彈出風險提示，并確保對話原始數據可追溯。三是服務質量。審計主體應審查智能客服系統的人機協同和人工復核機制，并關注智能客服應答話術的定期更新動態。

（2）算法金融智能推薦風險。在算法金融智能推薦風險的審計規制中，應關注如下方面：一是數據來源。審計主體應關注智能推薦系統的數據采集是否合法合規，同時審查數據供應商的資質和信譽，確保輸入算法數據的完整性和真實性。二是算法模型。審計主體應關注智能推薦系統的算法設計是否透明、公平且可解釋。三是推薦機制。審計主體應關注智能推薦系統的推薦機制是否符合金融業務的基本原則，并評估推薦結果的多樣性與平衡性。

（3）算法金融智能交易風險。在算法金融智能交易風險的審計規制中，應關注如下方面：一是算法設計與執行。審計主體需評估智能交易算法是否存在不合理的設計邏輯。同時，還需監督算法的執行過程，確保其在實際運行中不會因技術缺陷導致異常交易行為。二是交易機制。審計主體應關注智能交易系統的交易策略是否符合金融市場規則和監管要求。三是交易透明度與可追溯性。算法的黑箱特性可能導致交易行為難以被監管機構追蹤和理解，審計主體可以要求使用者提供詳細的交易記錄、算法邏輯說明及實時監控數據。

（4）算法金融智能投顧風險。在算法金融智能投顧風險的審計規制中，應關注如下方面：一是利益沖突與不當激勵。智能投顧的推薦邏輯可能受開發者或金融機構的利益驅動，審計主體可以審查智能投顧算法的收益分配機制，以確保客戶利益。二是匹配缺陷與準入歧視。由于算法模型的局限性和數據偏差，審計主體可以對智能投顧系統進行模型驗證，評估系統的公平性、準確性和多樣性。三是信息披露與投資者教育。由于智能投顧的自動化特性，審計主體可以推動建立統一的信息披露標準，要求智能投顧系統向用戶提供清晰的風險提示和產品說明，并鼓勵對投資者的教育。

（5）算法金融智能風控風險。在算法金融智能風控風險的審計規制中，應關注如下方面：一是數據質量。審計主體應加強對輸入數據的管理和驗證，確保數據的可靠性，并定期檢查數據清洗和預處理過程，防止數據質量問題導致的錯誤風險評估結果。二是算法風險漏判。某些模型可能因過度依賴歷史數據而忽視市場的動態變化。審計主體可以通過驗證智能風控系統在不同市場環境下的表現來確保其能夠適應市場的變化。三是風險管理。審計主體應關注使用者在依賴智能風控系統的同時是否結合人工判斷，降低對單一技術手段的過度依賴。

七、結束語

本文基于社會網絡分析視角，系統探討了算法金融風險的類型、傳染路徑及審計治理策略，構建了“開發者一營運者一使用者\"三位一體的算法金融責任主體風險網絡模型，通過量化分析風險節點的出入度、中介中心度及結構洞中間人特征，識別出開發者的算法設計、算法開發與開發端運維安全風險，營運者的運營端運維安全、算法金融應用安全與算法金融行為合規性風險，以及使用者的算法金融經營風險等關鍵風險節點，明確了不同責任主體在風險網絡中的角色差異。在此基礎上，提出“分主體、分風險、分階段\"的精準化審計治理框架，為阻斷算法金融風險傳染鏈條、提升系統性風險防控能力提供了理論依據與實踐路徑。

【主要參考文獻】

劉國城，楊麗麗.人工智能時代算法審計的研究態勢、運行機制和實踐策略[J].蘭州學刊，2024（12）：77～90.劉輝.大數據金融算法的法律規制[J].財經理論與實踐，2021（2）：148～154.馬海群，張濤.國內外算法風險研究：框架、特征及展望[J].情報理論與實踐，2025（1）：1～10.王懷勇，鄧若翰.算法時代金融公平的實現困境與法律應對[J」.中南大學學報（社會科學版），2021（3）：1～14.王敬勇，張高高，夏曉雪.社會網絡視角下云安全風險的審計研究[J」.會計之友，2024（1）：14～22.

王玉鳳.模型算法審計：理論內涵、國際經驗與審計框架[J].審計研究，2023（3）：11～18.楊超，朱靖翔，胡筱臻等·基于社會網絡的審計對象關聯方關系發現[J].財會月刊，2022（22）：110～115.張永忠，張寶山.算法規制的路徑創新：論我國算法審計制度的構建[J].電子政務，2022（10）：48～61.鄭石橋.算法審計客體論[J].財會月刊 ·

（責任編輯·校對：陳晶喻晨）