脆弱性评价及其在食品欺诈中的应用研究进展

宋华欣，张星联，陆柏益,*

（1.浙江大学生物系统工程与食品科学学院，农业农村部农产品贮藏保鲜质量安全风险评估实验室，浙江 杭州 310058；2.中国农业科学院农业质量标准与检测技术研究所，农业农村部农产品质量标准研究中心，北京 100081）

“脆弱性”一词可被追溯至罗马帝国时期，指战场上受伤的士兵易受进一步进攻。因此，脆弱性是来源于先前或现在正承受的压力，是指个人或群体目前的状态或应对压力的能力，而不是未来状态[1]。脆弱性评价研究已有30多年的历史，应用范围广，包括气候变化[2]、自然灾害[3]、社会系统[4-5]、生态环境[6]等多种学科和领域，但在食品欺诈中的应用较少。脆弱性在广泛的应用过程中衍生出了复杂的知识体系、概念及评估体系纷杂。根据不同的应用领域，脆弱性评价的概念以及评价方法的选取有所不同，本文对脆弱性评价的概念和方法、在食品欺诈中的应用及问题进行了总结讨论。

1 脆弱性的概念

脆弱性研究最早被应用于自然灾害领域，随后逐渐延伸到生态、社会经济等多个方向，Wolf等[7]发现脆弱性的定义有超过20 种，美国国土安全部（the Department of Homeland Security，DHS）认为脆弱性是一种会使实体易受特定危害或损失的物理特征或操作属性[8-9]；美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）认为脆弱性是指可能被威胁源利用的信息系统、系统安全程序、内部控制或实施中的弱点[10-11]；联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）认为脆弱性是气候变化的特征、程度和速度以及系统暴露的变化、敏感性和适应能力的函数[12]；薛莹莹等[13]认为在自然灾害领域，脆弱性指某区域对自然灾害的承受能力；颜世伟等[14]认为在生态环境领域，脆弱性是指生态系统及其组成要素面对内外扰动时易受损、自身恢复与再生能力的情况。

基于多种不同的脆弱性定义，Khazai等[15]提出一个可用于比较不同领域脆弱性评价的参考系统——VuWiki，同时，作为一个共享知识平台，VuWiki为用户提供了一个简单条理的脆弱性评价知识获取途径；Abedi等[16]通过对多种脆弱性定义进行分析，发现多数研究集中于物理脆弱性和系统脆弱性，物理脆弱性是指易受外部压力影响的特征，系统脆弱性是指由于某要素或相关联系统的变化导致系统受影响的程度。Gibb[1]发现多数脆弱性评价集中于分析结构脆弱性，分析范围可缩减至导致系统脆弱性的最基本因素，包括暴露于危机、压力、冲击中的可能性或程度，应对能力以及恢复或最小化损害的能力。

2 脆弱性研究的方法

2.1 脆弱性评价方法

随着概念及评价体系的发展和完善，脆弱性评价已逐渐由定性评价演变为半定量或者定量评价[17]，根据不同的评价背景和评价思路，有不同的脆弱性评价方法。表1中列出了常见的几种方法并对其进行了简要描述。

不同的脆弱性评价方法有不同的适用范围和领域，目前在生态环境及自然灾害等领域的脆弱性评价中应用较多，在食品中的应用处于初步发展阶段，Spink等[9]根据归纳分析法提出食品欺诈初步筛选模型，用于识别特定风险及可疑情况，为定量分析工具提供更加有效、详细的评价指标；Moragues-Faus等[20]以芬兰为背景，采用综合指标法，通过对45 名专家进行问卷调查确定指标权重，应用雷达图分析直观反映欧洲的食品安全管理情况。此外，国外研究常将矩阵形式用于评估食品产业中的脆弱性因素，如Gramdo等[29]于2016年提出了用于评价欧洲食品和营养状况的脆弱性判断矩阵——TRANSMANGO脆弱性矩阵，包括16 行（即16 个脆弱性因子）和5 列（即5 个脆弱性区域），使得与食品营养安全相关的敏感问题可视化，方便进行“脆弱性检查”；在此矩阵基础上，Paloviita等[30]结合VuWiki，提出一个包含13 个脆弱性驱动因素和5 个易受攻击的系统（具体划分为30 个易受攻击的子类）的食品系统脆弱性评估矩阵用于发现影响脆弱性的关键因素。

表1 常见的脆弱性评价方法Table 1 Common vulnerability assessment methods

2.2 权重计算方法

权重计算作为脆弱性评价的一个重要环节，各指标的权重值直接关系到评价结果的科学性和合理性[31]，也可修正指标体系主观性过强的不足。权重值的确定方法通常有3 种：主观赋权法、客观赋权法及综合赋权法。主观赋权法是根据决策者对各项评价指标的主观重视程度，客观赋权法是指利用各项实际评价指标值所反映的客观信息，综合赋权法则综合了主、客观赋权法的优势，既能反映决策人员的主观意志，又能反映决策问题的客观实际，具体如表2所示。

权重计算关系到评价结果的客观性和科学性，根据不同的研究目的和数据来源，可选择不同的权重计算方法。楼甜甜等[34]以双孢蘑菇为例，采用层次分析法分析供应链的生产、采收、贮藏、运输、销售环节的脆弱因素权重，建立了我国农产品质量安全风险评估脆弱性评价模型，这也是我国首次将脆弱性评价应用于食品安全领域；国外对食品领域的脆弱性评价多属于定性分析，或通过问卷调查得到影响评估目标脆弱性的要素，并不注重权重计算的应用。出现这一差别的原因是由于国外研究倾向于发现并解决影响脆弱性的因素，而国内研究多是通过量化计算，在诸多影响因素中找到最关键、最亟待解决的因素。

表2 常用权重确定方法Table 2 Common weight determination methods

3 脆弱性评价在食品欺诈中的应用

食品欺诈是指食品造假和欺骗，多是出于经济目的故意为之的食品违法行为[38]。全球食品安全倡议（Global Food Safety Initiative，GFSI）将食品欺诈定义为涵盖范围广泛的事件，包括掺假（尤其是替代、稀释、隐瞒、未经许可的加强）、标签不明、灰色市场（包括转移、平行贸易等）、走私、盗窃和假冒[39]。其中，经济利益驱动型掺假（economically motivated adulteration，EMA）是发生频次最高的食品欺诈行为[38,40]。目前已有多种应对食品欺诈的方法，如构建食品欺诈数据库[43-47]、颁布相关法律法规[40]、理化性质检测[41-44]、溯源及区块链技术[45]等，但都存在不同程度的技术问题及实施难度。食品欺诈是相对于传统食品安全事件来说更难以预测、检测的蓄意行为，基于风险的传统食品安全防控体系并不完全适用于控制食品欺诈行为。为了解决欺诈发生的根本问题，食品科学和技术研究应该扩展到社会科学、犯罪学和商业决策等方面，控制食品欺诈有必要从“风险”“缓解”向“脆弱性”“预防”转变[11]。

3.1 食品欺诈脆弱性评价工具的研究

现有的食品欺诈脆弱性评价（food fraud vulnerability assessment，FFVA）工具有GFSI委托SSAFE（Safe Supply of Affordable Food Everywhere）与荷兰瓦赫宁根大学研究中心、阿姆斯特丹自由大学共同研发的FFVA工具、脆弱性分析和关键控制点系统（vulnerability analysis and critical control point system，VACCP）4、Campden威胁分析和关键控制点系统（Campden threat analysis and critical control point system，TACCP）、美国药典提出的《食品欺诈控制指南》及食品欺诈初步筛选模型（food fraud initial screening model，FFISM）4 个体系，具体如表3所示。

表3 FFVA工具Table 3 Food fraud vulnerability assessment tools

现有的FFVA工具都来自于国外研究，其中，FFISM是一种定性分析工具，可用于识别特定风险及可疑情况，为SSAFE FFVA等工具提供更加有效、详细的评价指标[8]。在应用过程中，FFISM也可将风险较低的指标或已有的控制措施指标从后续脆弱性评价中暂时删除，以便能够专注于解决脆弱性更高的部分[50]。部分研究将VACCP和TACCP视作相互关联的过程，用于判断食品供应链中的每一个点对于蓄意犯罪或恶意行为的脆弱程度[51]； GFSI将VACCP、TACCP与HACCP视作3 个相互独立的体系，认为VACCP是专门针对食品欺诈的评价体系[39]，提出FFVA概念，并委托SSAFE等机构开发了SSAFE FFVA工具，提供产业链中可能影响脆弱性的50 个具体指标，在实际应用中可进行调整。美国食品欺诈控制指南将脆弱性评价作为控制食品欺诈行为的基础环节，从供应链、监管策略、供应关系、监管历史、评估方法及规范的敏感性、监管频率、地缘政治因素、欺诈历史和经济异常9 个大方面进行了食品欺诈脆弱性影响因素评价，从食品安全和经济利益两方面评估了食品欺诈会造成的影响，并通过构造影响因素-影响力矩阵得到全面的性评价结果，评价框架固定[52-53]。

3.2 FFVA工具的应用

根据已有报道，SSAFE FFVA工具和TACCP应用研究较多，van Ruth等[54]使用SSAFE FFVA工具对鱼类、肉类、牛奶、橄榄油、有机香蕉和香料供应链进行了FFVA，通过对各行业专家及参与人员的问卷调查，对各脆弱性指标进行打分，并对不同供应链脆弱性的差异和相似性进行了比较，结果显示机会因素比驱动力因素得分更高，但驱动力因素更敏感，控制措施因素在不同供应链之间差异明显。在香料供应链脆弱性研究中，研究人员采用问卷调查法进行评价，问卷涉及50 个问题，包括机会、驱动力、控制措施三大因素，调查对象为企业相关人员，对问卷结果进行雷达图分析，结果显示香料供应链为中等脆弱程度[55]；在牛奶供应链脆弱性的评估中，问卷包括48 个问题，调查对象拓展为农民、加工商及零售商，并对有机和非有机两种生产模式进行了对比研究，结果显示牛奶供应链为中低脆弱度，且有机模式脆弱度低于非有机模式[56]。

Soon等[50]对英国19 家企业进行了调查，其中有超过半数企业使用了FFVA工具，5 家企业采用了TACCP工具，2 家公司使用了SSAFE FFVA工具。没有企业报告使用原始的《食品欺诈控制指南》中的脆弱性评价工具或FFISM，但有企业对该指南中的工具进行改编后再应用。这可能是因为接受调查的公司是以英国为基础的，因此缺乏对美国开发的工具的接触。此外，还有两家企业内部制定了评估工具，其中一家根据国家情报模型开发了自己的模型，数据来源于历史数据、外部资源信息及专家评估结果；另一家熟肉和鱼制品生产公司根据他们自己的经验和行业专家的建议，并利用食品标准局（Food Standards Agency，FSA）和英国环境食品和农村事务部（UK Department for Environment Food and Rural Affairs，DEFRA）网站的信息进行评估。

以上FFVA工具应用的目的在于发现产业链中存在的脆弱性因素并进行解决，因此，并不强调权重计算及脆弱性排序，相对来说，国内现有的其他领域的脆弱性研究更注重通过计算得到最关键、最脆弱的因素，但鲜有食品欺诈方面的脆弱性研究，脆弱性评价在食品领域的应用仅有楼甜甜等[34]提出的双孢蘑菇质量安全脆弱性评价模型，FFVA有待进一步发展。

4 FFVA研究总结

FFVA主要包括定义食品欺诈脆弱性的概念、构建评价指标体系、问卷调查及脆弱度计算等步骤，具体如图1所示。由于国内该研究处于起步阶段，现有研究多是套用其他领域及国外研究经验，鲜有系统的总结分析，仍存在指标筛选原则不明确、评价结果主观性过强等问题。

图1 食品欺诈脆弱性评价流程Fig. 1 Food fraud vulnerability assessment process

4.1 FVA 指标的确定

食品欺诈脆弱性同其他领域一样，包括多个要素，如风险、易损性、适应能力、弹性等，各要素没有明确的概念，易出现概念的重叠或遗漏，脆弱性评价指标的确定也会因此出现重复或缺失。国内食品领域的脆弱性研究多从产业环节出发，根据产业自身特点及各个环节组成筛选影响脆弱性的指标。国外进行食品欺诈脆弱性指标筛选的角度更为多样，包括横向空间和纵向时间比对，此外，“人”的影响也作为一个重要因素加以考虑，如FFVA，其指标体系相对细致、完整，但各指标间部分概念重叠，界限不够明确。总体来说，FFVA指标的选择可基于各产业环节，从供应链和各级供应关系、市场监管、食品自身属性、质量安全问题历史、检测评估方法、地缘政治因素及产业参与人员的经济状况、道德准则等方面考虑，同时，还应考虑食品欺诈事件对消费者健康及市场经济造成的影响程度。

4.2 食品欺诈脆弱性计算方法的选择

现有FFVA方法未结合过多计算内容，传统的脆弱性评价多采用加权求和法计算评价目标的脆弱程度，计算简单、易于理解，但容易忽略指标之间的相互作用机制，导致评价结果只是各指标脆弱度的简单叠加[57]。指标选取过程主要依据人的主观意志，加权求和法无法对指标的主观性进行较好修正，因为无法得出客观、科学的评价结果。合适的计算方法可降低评价结果的主观性，如层次分析法-熵权法，将主、客观评价相结合，既可修正主观性，又可消除极值的影响。随着人工智能及数学模型的多样发展，评估方法趋于多样化、精细化、综合化，如人工神经网络[58]、支持向量机[5]等机器学习方法逐渐被用于脆弱性评价，适于解决复杂、非线性问题，解决未知样本的脆弱性定量评价[58]。一般可通过随机模拟生成足够的训练样本和验证样本，但由于模型选择及参数的复杂性，机器学习大多易出现过拟合现象，因此需保证足够的样本数，在迭代过程中进行交叉验证等方法也可避免过拟合现象。此外，还需探究更多计算方法的应用价值及不同方法的适用情况。

5 结 语

脆弱性概念从提出后即得到迅速发展，目前已成为一门成功应用于多种领域的新兴学科。脆弱性评价也向着指标和方法多元化，分析角度多样化，评价精细化、综合化发展。由于食品欺诈行为具有隐蔽性、广泛性及难检测性，传统食品安全控制方法难以适用，而脆弱性评价可操作性强、灵活度高且成本低，是一种控制食品欺诈行为的新思路。但目前脆弱性评价还存在指标体系不规范、评价结果主观性过强等问题，现有的FFVA研究忽视了客观数据分析的必要性，各评价体系差异大，未形成统一规范，也无法适用于我国庞大、分散、竞争性强的食品行业。

因此，应根据我国实际情况，首先统一食品欺诈脆弱性概念，再对已发食品欺诈案件进行搜集分析，结合产业特点（如生产环节、产品的特殊价值属性等），建立专门、科学、完善的FFVA指标筛选原则或框架，通过定性分析构建脆弱性评价体系。结合多种计算方法对评估目标的脆弱性进行科学、客观的评价，还可结合实验分析或产业调查对脆弱性评价的结果进行对比验证，以降低主观性及特殊情况对结果造成的影响，获得更加贴合实际的脆弱性评价结果。