区块链信息服务监管的博弈仿真分析

刘 骅，王 璨

(1.南京审计大学金融学院，江苏南京 211815；2.中国工商银行江苏省分行，江苏南京 210006)

区块链起源于社会学，具有去中介化、信息透明等特点，由于其发展属于颠覆性技术创新，因此其隐蔽性、时间戳、分布广、匿名性和智能合约等特征给现有信息监管体系提出了前所未有的挑战。我国目前区块链领域的整体监管理念仍是被动型监管，信息安全维护措施呈现出碎片化态势。为落实习近平总书记“加快区块链应用”指示精神，政府部门出台了多项区块链技术的政策指导文件，并将其明确规划为促进国家发展的战略性技术。为进一步规范区块链信息服务活动，促进区块链信息服务健康有序发展，保护公民、法人和其他组织的合法权益，维护国家安全和公共利益，2018年10月国家互联网信息办公室发布《区块链信息服务管理规定(征求意见稿)》，并于2019年1月审议通过，自2019年2月15日起开始执行。在区块链风口阶段，如何把控信息服务监管程度，寻找创新与监管间的平衡点，即在保证区块链快速发展的同时不扼杀其革新的空间，是新时代背景下维护国家信息安全，实现经济可持续发展的重要议题。

1 文献综述

在区块链研究领域，底层是基础数学，中层是法律规制，上层是经济行为。在底层基础研究领域，Nakamoto[1]首次提出区块链技术模型，研究问题主要集中于中心化、效率和隐私安全3个方面，且存在区块链的“不可能三角”，即无法同时实现去中心化、高效低耗与隐私安全。在中心化方面，沈鑫等[2]指出，区块链上任意获得半数以上支持的提案都能通过，去中心化就会因算力集中而被打破；在效率方面，梅海涛等[3]认为在区块链上节点增多、交易频率增高的情况下，效率反而降低，成本也会提升；在隐私安全方面，尹冠乔[4]研究表明，区块链技术即使能保证信息的可追溯，但是不能保证上链信息本身的真实性，同时无法确保用户的身份信息不被盗用。

在区块链中层法律规制研究领域，董慧等[5]研究发现，区块链的匿名性规则及无政府主义造成了监管困难，在应用过程中很可能出现许多违规、违法的行为。赵岳[6]基于区块链技术的优势及面临的挑战，分析了其对金融法律的影响，并提出对区块链发展的规制建设与监管建议。戚学祥[7]研究认为，亟需政府创新监管机制并健全制度体系，以面对区块链技术给政府数据治理的管理权威、安全监管和法律秩序等方面带来的挑战。

在区块链经济与社会应用领域，国外学者较为重视区块链在金融方面的应用，Ranjit等[8]，Ghassan[9]研究了区块链在比特币加密、存储内容演变与抵抗安全攻击等方面的影响与限制。国内学者韩锋[10]认为，将区块链技术与大数据结合，可以使每个人掌握自己的数据产权，同时达到信息共享，降低获取信用资源的成本，而且区块链3.0模式将渗透到人类生活的各方面，实现基于信任机制的全世界范围内的信息共享。此外，赵丹等[11]基于信息传播和区块链理论，提出区块链环境下的网络舆情信息传播概念模型，并指出虽然区块链舆情传播效率有所降低，但虚假舆情传播能够得以遏制。

近年来，国内学者逐渐开始运用博弈理论分析金融科技的监管问题，例如，刘伟等[12]运用演化博弈理论研究了互联网金融平台行为及监管策略的博弈演化过程，系统考察了互联网金融平台行为及监管博弈过程的影响因素。而计算实验方法依托于现代计算机科学技术，在特定制度与市场环境下，设置微观主体具体的学习模式与行为机制，将微观主体之间的交流互动作用包括其中，在此基础上揭示经济社会宏观运行规律的一种模拟方法[13-14]。张维等[15]最早将该系统论方法引入国内，并将其基本概念、基础理论和研究内容应用于我国的经济社会实践。

综上所述，区块链是近年来理论与实务界关注的焦点问题，国内外研究集中于基础技术、法律规制与应用行为等方面，但各领域研究均处于起步探索阶段，相关工作仍需进一步深入。此外，虽然部分学者已经根据我国国情对区块链安全监管模型进行了设计与优化，但由于相关数据资料的缺乏，对区块链信息服务监管的系统性量化分析仍然不充分。据此本文采用计算实验方法，对区块链信息服务监管进行演化博弈分析；基于计算实验“情景——应对”思想，模拟仿真区块链信息服务监管过程中，政府部门、信息服务提供者与使用者采用不同策略的初始概率，以及处罚力度、赔偿额度与损失程度因素变化对演化博弈结果的影响。

2 区块链信息服务监管三方博弈模型构建与求解

2.1 演化博弈模型适用性分析

区块链信息监管存在“读不懂、读不出、看不懂、管不住”的问题，且参与主体间信息非对称现象较为明显。由于区块链发展对实体经济的冲击以及不同业务带来的风险隐患，必要的监管不可缺少。但如果监管过于严厉，不仅会降低区块链发展速度，还会扼杀其革新的发展空间。因此基于区块链信息服务监管主体构建适合的、动态的监管框架，并且制定弹性的、可调整的监管法规，是平衡其发展创新与信息风险隐患控制的保证。本文采取演化博弈理论，认定区块链信息服务监管博弈主体为有限理性的“经济人”，其每一个策略选择都是在一定概率下完成，且具有相应的策略损益。在多重动态博弈过程中，博弈主体行为可模型化为具有学习能力且具备适应性的渐进演化过程，具体表现为每一次博弈中高收益策略均会取代低收益策略，并经过重复最终形成稳定的演化均衡策略。

2.2 基本假设与参数设置

《区块链信息服务管理规定》中明确区块链信息服务提供者是指，向社会公众提供区块链信息服务的主体或者节点，以及为区块链信息服务的主体提供技术支持的机构或者组织；而区块链信息服务使用者是指，使用区块链信息服务的组织或者个人。因此，假设区块链信息服务监管博弈三方参与主体为政府部门、信息服务提供者与使用者，且均为有限理性的“经济人”。

其中，政府部门涉及的参数包括：政府部门严格监管成本Cg1，严格监管发现违规问题后的奖励性收益Rg1；政府部门宽松监管成本Cg2，宽松监管未发现违规问题遭受的社会公共损失Rg2。信息服务提供者涉及的参数包括：信息服务提供者运营收益R2，合规运营成本Ci1，违规运营成本Ci2；当政府部门严格监管时，信息服务提供者合规运营将给予奖励r2，违规运营将给予处罚T。信息服务使用者涉及的参数包括：信息服务使用者使用合规信息的收益R3，使用信息服务成本C3；当政府部门严格监管条件下，信息服务使用者使用了违规运营的信息服务，将遭受损失D，但可追偿一定的信息服务损失费用W。

令政府部门严格监管的概率为x(0≤x≤1)，信息服务提供者合规运营的概率为y(0≤y≤1)，信息服务使用者选择使用信息服务的概率为z(0≤z≤1)。此外，政府部门严格监管成本大于宽松监管成本，即Cg1>Cg2，宽松监管出现问题造成的社会公共损失大于严格监管发现问题的社会公共收益，即Rg2>Rg1；信息服务提供者合规运营成本大于违规运营成本，即Ci1>Ci2，运营收益大于其合规运营给予的奖励，即R2>r2。

2.3 演化博弈支付矩阵与策略求解

根据以上假设，构建政府部门、信息服务提供者与使用者的演化博弈支付矩阵，如表1～表4所示。

表1 信息服务使用者选择使用行为(z)下信息服务提供者合规运营(y)的三方博弈支付矩阵

表2 信息服务使用者选择使用行为(z)下信息服务提供者违规运营(1y)的三方博弈支付矩阵

表3 信息服务使用者选择不使用行为(1z)下信息服务提供者合规运营(y)的三方博弈支付矩阵

表4 信息服务使用者选择不使用行为(1z)下信息服务提供者违规运营(1y)的三方博弈支付矩阵

根据表1～表4，设政府部门“严格监管”的收益为u1，“宽松监管”的收益为u2，且政府部门平均收益为u，具体表达式如式(1)，(2)和(3)所示。

由式(1)、(2)和(3)可得政府部门的复制动态方程为：

设信息服务提供者选择“合规运营”策略时，其效用为v1，选择“违规运营”策略时，其效用为v2，且信息服务提供者的平均效用为v，具体表达如式(5)、(6)和(7)所示。

由式(5)、(6)和(7)可得信息服务提供者的复制动态方程为：

设信息服务使用者选择“使用”策略时，其效用为w1，选择“不使用”策略时，其效用为w2，且信息服务使用者的平均效用为w，具体表达如式(9)、(10)和(11)所示。

由式(9)、(10)和(11)可得信息服务使用者的复制动态方程为：

3 区块链信息服务监管三方博弈模型均衡点与稳定性分析

3.1 演化博弈均衡点分析

联立式(4)、(8)和(12)，可得区块链信息服务监管博弈系统的复制动态方程组，并令：

求解式(13)可得，在E={(x，y，z) 0≤x≤1，0≤y≤1，0≤z≤1}区域内存在8个纯策略均衡点，E1(0,0,0)，E2(0,0,1)，E3(0,1,0)，E4(0,1,1)，E5(1,0,0)，E6(1,0,1)，E7(1,1,0)，E8(1,1,1)。对式(13)依次求出x，y，z的偏导数，可得到与之相对应的雅克比矩阵(Jokobian)，上述均衡点的稳定性可由相对应的雅克比矩阵J局部稳定性判别得到，且仅当det(J)>0，tr(J)<0时，均衡点会趋近局部渐进稳定状态[16]，结果如表5所示。

表5 区块链信息服务监管演化博弈均衡点的局部稳定性

依据表5可知，由于8个纯策略均衡点det(J)和tr(J)的值取决于各个参数值大小，并不能确定该类均衡点的稳定性。此外，还存在E*(x*，y*，z*)在上述解域内，且满足式(14)：

(14)

3.2 演化博弈稳定性分析

3.2.1 政府部门渐进稳定性分析

图1 政府部门稳定性演化相位图

分析结果表明，政府部门决策行为受多方因素的影响，而在决策选择过程中，除了收益与成本因素外，在严格监管情景下对信息服务提供者违规运营给予的处罚是其重点衡量的因素。

3.2.2 信息服务提供者渐进稳定性分析

图2 信息服务提供者稳定性演化相位图

分析结果表明，信息服务提供者决策行为受多方因素的影响，除了相关的成本因素外，在政府部门严格监管情境下，其违规运营的处罚及为信息服务使用者提供的损失赔偿，将直接影响信息服务提供者最终的决策意愿。

3.2.3 信息服务使用者渐进稳定性分析

图3 信息服务使用者稳定性演化相位图

分析结果表明，多方因素共同影响信息服务使用者的决策行为，除去各类收益与成本因素外，在政府部门严格监管条件下，其使用信息服务遭受的损失，及其可获得的损失赔偿将对信息服务使用者最后的决策行为造成直接影响。

综上分析，区块链信息服务监管演化博弈三方参与主体可以得到不同的均衡状态，其稳定性的演化相位图取决于各稳定状态分界线的形态；同时，各方决策行为均受多方因素的影响，其中政府部门严格监管情景下，对信息服务提供者违规运营的处罚，信息服务使用者遭受的损失，及其可获得的损失赔偿是重要的共性影响因素。

4 数值模拟与系统仿真

通过区块链信息服务监管演化博弈均衡分析可知，影响三方主体达到演化均衡的因素较多，但其实现均衡过程并不明确，也不能确定该均衡是否唯一和稳定，而且即使在某一种情境下达到均衡状态，系统也可能会受到来自外界各种不确定因素的影响，从而打破均衡状态。针对该问题本文采用数值模拟与仿真分析以刻画区块链信息服务监管三方演化博弈模型中各主体决策选择的演化过程。

2018年，南京审计大学金融学院与中国工商银行江苏省分行合作开展金融科技项目研究，其中针对区块链信息监管问题对江苏省区块链发展实际情况进行了调研，本文采用课题组调研后预设的原始数据为博弈模型的初始值进行设定：Cg1=1.5，Rg1=2，Cg2=0.5，Rg2=3，R2=8，Ci1=2，Ci2=1，r2=0.5，T=2，R3=3，C3=1，D=2，W=1。基于系统仿真平台，根据演化博弈模型分析结果(假设INITIAL TIME=0，FINAL TIME=20 000，TIME STEP=1)，对相关影响因素进行仿真计算。

当政府部门、信息服务提供者和使用者的决策初始值均为某种纯策略时，他们的策略选择有0和1两种。考虑政府部门对区块链技术风险治理的决心，以及对区块链信息服务管理的政策要求，因此本文主要针对(1,0,0)策略组合，重点模拟仿真在政府部门严格监管情境下，信息服务提供者与使用者决策行为的演化趋势。通过模拟计算发现，当博弈三方初始状态均为纯策略时，系统中没有任何一方愿意改变当前状态来突破均衡点，而一旦三者中的任何一方做出微小改变，均衡状态就将被打破。为了把握三方博弈演化状态，本文让各方策略选择做出微小变化，以策略(1,0,0)为例，令其模拟初始值调整为(0.99,0.01,0.01)。

4.1 政府部门对信息服务提供者的处罚力度

在演化博弈仿真系统中引入政府部门对信息服务提供者的处罚力度系数a，通过调整该系数的取值，进而影响政府部门对信息服务提供者违规运营的处罚程度，即政府部门严格监管情景下，如果信息服务提供者违规运营，则对其进行处罚为aT。保持其他变量假设不变，设a1=0.2,a2=0.5,a3=0.8，模拟仿真三种处罚力度下，政府部门、信息服务提供者与使用者策略选择概率的演化结果，如图4(a)、(b)和(c)所示。

图4 不同处罚力度下三方博弈行为演化轨迹

由图5可以看到，在政府部门对信息服务提供者不同处罚力度下，即使稍微调整政府部门初始策略选择概率，也不会妨碍其迅速向严格监管策略收敛的演化趋势；在低处罚力度下，信息服务提供者的策略选择将维持“违规运营”，而随着处罚力度的增大，其采取“合规运营”策略的演化轨迹收敛于1的速度也在加快；当处罚力度维持在低水平时，信息服务使用者的决策选择将稳定于“不使用”策略，而随着政府部门加大处罚力度，则会改变其策略选择向“使用”信息服务策略逼近。

4.2 信息服务提供者对使用者的赔偿额度

在演化博弈仿真系统中引入信息服务提供者对使用者的赔偿额度系数b，通过调整该系数的取值，进而影响信息服务提供者违规运营后对信息服务使用者的赔偿额度，即政府部门严格监管情景下，如果信息服务提供者违规运营对信息服务使用者造成经济损失时，需对其进行赔偿为bW。保持其他变量假设不变，设b1=0.2,b2=0.5,b3=0.8，模拟仿真3种赔偿额度下，政府部门、信息服务提供者与使用者策略选择概率的演化结果，如图5(a)、(b)和(c)所示。

图5 不同赔偿额度下三方博弈行为演化轨迹

由图5可以看到，在政府部门严格监管，信息服务提供者对使用者不同赔偿额度情景下，即使稍微调整政府部门初始策略选择概率，也不会妨碍其迅速向严格监管策略收敛的演化趋势；同时，随着赔偿额度的提升，信息服务使用者采取使用信息策略的演化轨迹收敛于1的速度也在加快；而赔偿额度系数b的变化并未对信息服务提供者的策略选择产生影响，其策略选择概率均快速向1收敛。

4.3 信息服务使用者的损失程度

在演化博弈仿真系统中引入信息服务使用者损失程度系数c，通过调整该系数的取值，进而影响由于信息服务提供者违规运营，造成信息服务使用者的损失程度，即政府部门严格监管情景下，如果信息服务提供者违规运营而给使用者造成的损失为cD。保持其他变量假设不变，设c1=0.2,c2=0.5,c3=0.8，模拟仿真三种损失程度下，政府部门、信息服务提供者与使用者策略选择概率的演化结果，如图6(a)和(b)所示。

由图6可以看到，在信息服务使用者不同损失程度系数下，政府部门与信息服务提供者的行为演化轨迹并未受到影响，均快速向1收敛；而随着损失程度系数c值的提升，信息服务使用者选择使用服务策略的速度在放缓。

图6 不同损失程度下三方博弈行为演化轨迹

4.4 研究结论

综上数值模拟与系统仿真分析可以发现，在政府部门采取严格监管策略的情景下，通过引入不同行为系数而改变信息服务提供者与使用者的博弈损益值，均会影响博弈参与主体行为轨迹的演化，但影响的效果与程度却存在着一定的差异。一方面，如果政府部门采取“命令——控制”机制，通过处罚措施以规避信息服务违规风险，不仅对信息服务提供与使用者的作用存在时滞性，而且处罚力度的把控存在较大难度，力度较小不利于控制信息服务提供者的违规行为，力度过大又可能成为阻碍信息服务创新发展的桎梏。另一方面，为维护信息使用者合法权益，维持信息服务运营秩序，建立信息服务供求双方“损失——赔偿”动态调试性监管规制，能在保证信息服务提供者合规运营的前提下，提升信息服务的使用效率。

5 小结与政策建议

本文基于《区块链信息服务管理规定》，结合以有限理性假设为前提的演化博弈模型，通过对政府部门、信息服务提供者和使用者博弈策略演化稳定性的分析，甄别影响博弈主体决策行为的关键因素，并置入计算实验方法“情景——应对”思想进行数值模拟与仿真计算。从而通过计算机技术与计算实验方法，检验不能在真实区块链信息服务监管中实验的相关措施的有效性，并展现策略更替导致区块链信息服务监管中行为因素随之演化，进而对其参与主体损失利得的影响，从而达成“‘实验’不可实验”，与“‘计算’不可计算”(收益与损失在现实区块链信息服务监管过程中难以计量)的效果。依据数值模拟与系统仿真分析结论，从推动“沙箱监管”模式，建立动态监管机制两个层面提出区块链信息服务管理的政策组合。

第一，推动平衡技术创新与监管的“沙箱监管”模式。从政府部门对信息服务提供者处罚力度的模拟仿真结果可以看到，不同的监管处罚力度对信息服务提供者最终决策选择具有直接的影响，但处罚力度的大小难以把控。因此，可采用“沙箱监管”模式测度监管处罚力度，在试验区内对区块链创新产品进行模拟测试，考察其实用性和安全性。通过“监管沙箱”营造出的“安全区域”为参与实验的创新产品和服务提供一个相对宽松的虚拟环境，从而激发产品研发者与服务提供者的创新动力。同时还应参考借鉴国外“监管沙箱”的新理念和新工具，在做好消费者保护和维护市场稳定的前提下，研究建立能够试错、容错、查错、纠错的包容性创新监管机制，从而给真正有价值的区块链创新留有一定空间和合适的观察期。

第二，建立以行为监管和消费者保护为核心的动态监管机制。从信息服务提供者对使用者的赔偿额度，及信息服务使用者损失程度的模拟仿真结果可以看到，在提升区块链信息服务使用效率过程中，信息服务供求双方损失与赔偿的动态监管机制发挥着重要作用，因此应采取主动型监管理念应对区块链的发展变化。区块链的发展增加了信息传递与获取的复杂性、多变性以及不确定性，应理解并紧跟最新技术的发展脉络，最大程度地减少信息服务存在的模糊边界，将网络安全、数据安全和隐私保护作为信息使用者权益保护的主要内容并且贯穿始终，提高信息服务基础设施的效率和效能。同时，政府部门在监管过程中不能依赖仅凭牌照的简单方式，还应增加管理透明度，建立政策协调统一的动态调适性监管机制。