电商平台与消费者隐私信息保护的演化博弈研究*

王 丘

(安徽农业大学 经济管理学院，安徽 合肥 230036)

近年来，随着数字经济的到来，消费者对隐私信息的关注，以及我国《电子商务法》的实施，电商平台对消费者个人隐私的保护越来越规范。但是，在电商平台与消费者关于隐私保护的博弈过程中，双方从自身效用最大化出发，在不完全且非对称的信息环境下，难免会做出不利于他方的道德风险决策。为了使电商平台对消费者隐私的保护更加规范、有效，对电商平台与消费者隐私信息的保护进行研究重要且必要。

一、消费者隐私保护相关研究综述

“隐私是核心价值——安全的体现，没有隐私人们很难处于安全的状态和感到安全。”[1]隐私保护是指个人或集体等实体不愿意被外人知道的信息得到应有的保护[2]。与之密切相关的概念即“信息安全”，信息安全侧重于信息的机密性、完整性和可用性，而隐私保护是信息机密性的具体体现，是信息安全的重要组成部分。近年来，关于隐私保护的研究主要关注技术管理和法律监管。技术层面主要有匿名隐私保护、访问控制和差分隐私保护[3]。关于隐私保护法律监管的研究成果已较丰硕[4-5]。由于法律约束能减少个人隐私滥用和个人隐私信息侵犯，因此，大多数研究成果均暗含“法律约束与政府监管是影响个人隐私的最重要因素”的假设。然而,若直接将法律与制度因素影响置于首位,默认个人和企业都是相对被动的主体,显然是一种片面的社会化观点[6]。企业在追求利益的同时又有着保护消费者个人隐私信息的使命,这迫使企业不得不将个人隐私保护策略纳入到企业发展战略的重要位置。将博弈模型应用于隐私保护问题的研究已较多见[7-12]，但大都基于行为双方完全理性的假设，存在一定局限性。演化博弈结合经典博弈理论和生态进化理论，采用了参与人具有非完全理性的假设，认为研究的对象是有限理性的参与人群体[13]。目前演化博弈已应用于用户知识共享[14]、社交平台隐私保护[3]、网媒行为监管[15]、快递物流业个人信息隐私保护[16]等众多领域。

关于电子商务平台隐私信息保护的研究，属于隐私保护的研究范畴。朱慧等研究了两个B2C电商平台的隐私信息共享机制[17]，顾炜红在序贯博弈模型的框架上加入网络隐私保护技术并探索在电子商务市场化中的运用，认为通过降低消费者隐私信息转卖收入进而可以起到保护消费者隐私的作用[18]。但运用演化博弈模型研究电商平台消费者隐私保护的成果尚不多见。事实上，2019年1月1日我国《电子商务法》的正式实施，使电子商务参与主体在依法行使权力的同时必须履行相应的义务，电商平台对消费者隐私信息的保护行为更加规范，电商消费者也逐步从“隐私关注”[19-20]进级到“隐私保护”,且对于隐私保护的研究从技术[21]、法理领域拓展到保险[22]、伦理[23]等更多领域，也有少量研究成果[24]开始重视电商平台与消费者在隐私保护决策中的主观能动性。

综上所述，目前关于电商平台与消费者隐私信息保护的研究大都将法律与制度因素影响置于首位,默认电商参与主体的被动地位，鲜有重视电商平台与电商消费者主观能动性的研究成果，着重法理研究，少有伦理研究。关于电商消费者个人隐私信息的研究多从隐私关注角度切入，鲜有从隐私保护角度进行的研究。因此，有必要加强这方面的研究。

二、电商平台与消费者隐私信息保护演化博弈模型

(一) 电商平台与消费者隐私信息保护演化博弈的前提假设与变量描述

电商平台与消费者之间关于消费者隐私信息保护的博弈是一个长期过程，博弈者并非一次博弈即能达到最优，而是需要进行多次博弈，在不断获取新信息和调整自身状态的过程中达到相对稳定状态。演化博弈论强调的是动态均衡，本文应用演化博弈论[25]对电商平台与消费者个人隐私信息保护的策略选择进行研究。

假设1：博弈中的局中人包括电商消费者和电商平台，变量符号中i=1表示消费者，i=2表示电商平台。局中人是以自身效用最大化为唯一决策原则的相互独立的决策者。在未实施消费者隐私保护行为之前局中人均存在正常收益。实施隐私保护行为会为博弈双方带来一个总收益量，总收益量的分配取决于各自的收益系数。

在对称信息环境下，局中人对效用的判断实质上是将所获收益与所付成本及所承担风险进行比较，收益大于成本与风险之和就会采取行动，反之将不采取该行动。对称信息环境下的收益矩阵如表2所示。

表2 对称信息环境下博弈双方消费者隐私保护演化博弈效用矩阵

而现实是，由于局中人各自拥有私人信息，其所处的信息环境是非对称的[26]，在这种环境下，会滋生局中人利用私人信息优势为自己谋利，而使他人利益受损的道德风险行为。只要存在“契约”关系的局中人存在信息不对称，处于信息优势的一方即为代理人，处于信息劣势的一方即为委托人。为了尽量减少道德风险的发生，规制制定者普遍引入激励措施，以促进局中人采取有效行动。如图1所示，局中人均以效用最大化为唯一决策原则，在可供选择的策略上进行取舍，为了保障“契约”的有效实施，必须设置激励标准，可以是物质激励也可以是精神激励；可以是正向的亦可是负向的。为此，提出假设2和假设3。

图1 电商平台与消费者的博弈框架

假设2：消费者隐私保护的收益包括未实施行动前的正常收益pi、隐私保护行动实施后的总收益Qi、额外收益Si以及搭便车收益Bi。额外收益是为了鼓励主动实施一方所给予的额外“奖励”。由于主动实施方改进自身帕累托福利的同时会给未主动实施的另一方带来帕累托福利改进收益；由于道德风险等行为的发生，会出现因“搭便车”现象产生的收益，本文将其定义为“搭便车收益”。

假设3：消费者和电商平台各自有两种策略选择(保护隐私、不保护隐私)：消费者实施隐私保护的概率为x，选择不保护的概率为1-x；电商平台实施隐私保护的概率为y，选择不保护的概率为1-y。其中，0≤x≤1,0≤y≤1。为了降低局中人不积极进行消费者隐私保护的可能性，引入承诺保障机制。承诺保障规则即消费者隐私保护协议，协议明确规定双方相应的权利以及责任义务，如果没有履行义务或发生违约行为将接受处罚，本文将其受到的处罚定义为承诺成本。

(二)电商平台与消费者隐私信息保护演化博弈模型的效用矩阵

通过以上关于前提假设与模型变量的描述，得出表4所示的效用矩阵。

表3 模型相关变量设置与释义(2)

表4 非对称信息环境下博弈双方消费者隐私保护演化博弈效用矩阵

1.消费者的演化博弈模型

消费者实施隐私保护的期望收益Ex为：

Ex=y(P1+λ1α2Q2-kC-R)+(1-y)(P1+S1-kC-R)=y(λ1α2Q2-S1)+P1+S1-kC-R

(1)

不实施隐私保护的期望收益E(1-x)为：

E(1-x)=y(P1+B1-A)+(1-y)(P1-A)=yB1+P1-A

(2)

所以，平均收益E1为：

E1=xEx+(1-x)E(1-x)=

x[y(λ1α2Q2-S1-B1)+S1-kC-R+A]+yB1+P1-A

(3)

消费者的复制动态方程为：

(4)

将式(4)式两边同时对x求导，可得：

F′(x)=(1-2x)[y(λ1α2Q2-S1-B1)+S1-kC-R+A]

(5)

要求解该演化博弈模型的演化稳定策略，第一步需找到复制动态方程的稳定点，而复制动态方程的稳定策略要求稳定点x*满足两个条件：第一，F(x*)=0；第二，演化稳定策略具有一定的抗干扰性。这就要求当x向低于x*水平偏离时，F(x)大于0。x向高于x*水平偏离时，F(x)小于0。由微分方程性质得出，在x*点处的F(x)的一阶导数应满足F′(x*)<0。符合上述两个条件的稳定点x*才是演化稳定策略[27]。

令F′(x)=0，解得x=0,x=1,

当kC+R-S1-A>λ1α2Q2-S1-B1时，对于任意的y∈[0,1]都有F′(x=0)<0，此时消费者的演化稳定策略是x=0。

当kC+R-S1-A<λ1α2Q2-S1-B1时，若y>y*，则F′(x=1)<0，此时消费者的演化稳定策略是x=1；若y

2.电商平台的演化博弈模型

电商平台实施消费者隐私保护的期望收益Ey为：

Ey=x[P2+λ2α1Q1-(1-k)C-R]+(1-x)[P2+S2-(1-k)C-R]=x(λ2α1Q1-S2)+P2+S2-(1-k)C-R

(6)

电商平台不实施隐私保护的期望收益E(1-y)为：

E(1-y)=x(P2+B2-A)+(1-x)(P2-A)=xB2+P2-A

(7)

所以，电商平台的平均收益E2为：

E2=yEy+(1-y)E(1-y)=

y[x(λ2α1Q1-S2-B2)+S2-(1-k)C-R+A]+xB2+P2-A

(8)

电商平台的复制动态方程为：

(9)

将式(9)式两边同时对y求导，可得：

F′(y)=(1-2y)[x(λ2α1Q1-S2-B2)+S2-(1-k)C-R+A]

(10)

令F′(y)=0，解得y=0,y=1,

当(1-k)C+R-S2-A>λ2α1Q1-S2-B2时，对于任意的x∈[0,1]都有F′(y=0)<0，此时电商平台的演化稳定策略是y=0。

当(1-k)C+R-S2-A<λ2α1Q1-S2-B2时，若x>x*，则F′(y=1)<0，此时电商平台的演化稳定策略是y=1；若x

(三)电商平台与消费者隐私信息保护演化博弈模型的稳定性

根据方程式(5)和式(10)可知，该模型的局部平衡点有五点，分别是0(0,0)、E(0,1)、F(1,1)、G(1,0)、D(x*,y*)(其中x*=[(1-k)C+R-S2-A]/λ2α1Q1-S2-B2，y*=[kC+R-S1-A]/λ1α2Q2-S1-B1)，但并非所有的平衡点都是ESS(稳定进化策略点)，其中有两个不稳定点E(0,1)和G(1,0)，一个鞍点D(x*,y*)。

当λ1α2Q2-S1-B1>0且λ2α1Q1-S2-B2>0时，有两个ESS：0(0,0)和F(1,1)。

1.第一种情况

当kC+R-S1-A>λ1α2Q2-S1-B1,(1-k)C+R-S2-A>λ2α1Q1-S2-B2时，演化博弈收敛于点0(0,0)，此时演化稳定策略为(不保护，不保护)，如图2所示。此情况下，消费者和电商平台的起始策略都是隐私保护。在反复博弈过程中，将成本、风险之和与收益进行比较，得出消费者隐私保护的成本、风险将大于收益，未能实现自身效用最大化，此时，决策人将对自身策略做出调整，不保护策略的概率随着演化过程逐渐上升，最终收敛到点0(0,0)处。

图2 局中人都不实施隐私保护的动态演化图

2.第二种情况

局中人的一方选择不保护隐私，而另一方的演化稳定策略是一个动态过程。以消费者不保护隐私而电商平台决策动态演变为例：

当kC+R-S1-A>λ1α2Q2-S1-B1,(1-k)C+R-S2-A<λ2α1Q1-S2-B2时，演化博弈收敛于点0(0,0)，此时演化稳定策略为(不保护，不保护)，如图3(a)。此情况下，消费者的演化稳定策略是不保护，x的演化轨迹逐渐向稳定策略收敛。而电商平台的演化稳定策略是一个动态过程，在博弈初始阶段x>x*时，其演化稳定策略是保护，且选择保护策略的概率不断上升，直到x=x*时达到顶点，此后x

当kC+R-S1-A<λ1α2Q2-S1-B1,(1-k)C+R-S2-A>λ2α1Q1-S2-B2时，即电商平台选择不保护隐私，消费者决策的动态演化过程如图3(b)所示。

图3 局中人一方保护一方不保护动态演化图

3.第三种情况

当kC+R-S1-A<λ1α2Q2-S1-B1,(1-k)C+R-S2-A<λ2α1Q1-S2-B2时，有两个ESS(稳定进化策略点)：0(0,0)和F(1,1)，分别代表(不保护，不保护)和(保护，保护)，如图4所示。此时演化博弈的分界线是折线EDG，当处于图4中四边形EFGD区域内时，演化博弈收敛于点F(1,1)，所以博弈双方的演化稳定策略是(保护，保护)；当处于四边形EOGD区域内时，演化博弈收敛于点0(0,0)，所以博弈双方的演化稳定策略是(不保护，不保护)。

演化博弈结果取决于点D(x*,y*)(x*=[(1-k)C+R-S2-A]/λ2α1Q1-S2-B2，

y*=[kC+R-S1-A]/λ1α2Q2-S1-B1)的位置，点D的移动位置决定了演化博弈的收敛趋势。点D(x*,y*)越小，四边形EFGD的面积大于四边形EOGD的面积，博弈双方选择保护的概率大于不保护的概率，隐私保护发生的可能性越大。点D(x*,y*)越大，四边形EFGD的面积小于四边形EOGD的面积，博弈双方选择保护的概率小于不保护的概率，隐私保护发生的可能性越小。当x*=y*=0.5时，三角形EOG与三角形EFG的面积相等，此时博弈双方选择保护或不保护的概率相等。

图4 kC + R-S1-A<λ1α2Q2-S1-B1,(1-k)C+R-S2-A<λ2α1Q1-S2-B2同时成立的动态演化图

综上所述，演化博弈模型可能出现的三种不同情况又可归为两类：第一类，当kC+R-S1-A>λ1α2Q2-S1-B1与(1-k)C+R-S2-A>λ2α1Q1-S2-B2中只要有一个不等式成立时，博弈双方的演化稳定策略均是(不保护，不保护)。第二类，当kC+R-S1-A<λ1α2Q2-S1-B1且(1-k)C+R-S2-A<λ2α1Q1-S2-B2时，有两个ESS(稳定均衡点)：0(0,0)和(1,1)，博弈双方的选择取决于临界点D(x*,y*)的位置。

(四)电商平台与消费者隐私信息保护演化博弈模型的参数

由以上演化博弈模型的稳定分析可知，影响博弈双方选择隐私保护的因素有成本C、风险R、总收益系数λi、行动程度αi、额外收益Si、搭便车收益Bi以及承诺成本A，这些参数的变化都有可能引起博弈结果趋于不同的平衡。其中，额外收益Si既影响x*、y*的分母又影响其分子，因此Si对于隐私保护行动选择的影响无法从临界点D(x*,y*)的表达式中推导出。为了进一步分析及验证各参数对消费者隐私保护策略的影响，运用系统动力学软件Vensim PLE进行仿真。

三、电商平台与消费者隐私信息保护演化博弈模型的系统动力学仿真

(一)基于演化博弈的电商平台与消费者隐私信息保护系统动力学仿真模型

根据表1和表2，运用Vensim PLE软件，建立消费者和电商平台演化博弈的SD模型，如图5所示。采取控制变量法，研究各个变量与消费者隐私保护策略概率的关系。

图5 演化博弈系统动力学模型

该模型有4个流位变量，分别表示消费者采取隐私保护和不保护的比例、电商平台采取隐私保护和不保护的比例。同时，还有2个流率变量，分别表示消费者采取隐私保护策略的比例变化、电商平台采取隐私保护策略的比例变化。除此之外，还有16个外部变量和6个中间变量。假设INITIAL TIME=0，FINISH TIME=50，TIME STEP=1，本文着重分析额外收益、搭便车收益和承诺成本的仿真结果。

(二)电商平台与消费者隐私信息保护系统动力学的仿真结果

1.额外收益Si

假设Pi=50,Qi=60,λi=0.5,αi=0.5,C=20,k=0.5,R=0,Bi=4,A=0，主动实施隐私保护的消费者所获取的额外收益S1分别为5.5、6.5、9、10，主动实施隐私保护的电商平台所获取的额外收益S2分别为7、9、10、11，得到系统演化结果(见图6)。由图6可知，在其他参数值不变的情况下，隐私保护概率与额外收益Si呈正相关关系。

2.“搭便车”收益Bi

假设Pi=50,Qi=60,λi=0.5,αi=0.5,C=20,k=0.5,R=0,Si=10,A=0，由图7可知，在其他参数值不变的情况下，隐私保护概率与“搭便车”收益Bi呈负相关关系。

3.承诺成本A

假设Pi=50,Qi=60,λi=0.5,αi=0.5,C=20,k=0.5,R=0,Si=10,Bi=4，由图8可知，在其他参数值不变的情况下，隐私保护概率与承诺成本A呈正相关关系。

图6 Si取值变化时的消费者隐私保护概率系统演化图

图7 Bi取值变化时的消费者隐私保护概率系统演化图

图8 A取值变化时的消费者隐私保护概率系统演化图

(三)电商平台与消费者隐私信息保护系统动力学仿真结果分析与进一步的讨论

1.额外收益的激励作用与激励方式

额外收益对于隐私保护策略稳定性的影响较为复杂，无法从临界点的表达式中直接推导出，只能通过观察仿真结果来分析。由Si取值变化隐私保护概率系统演化图可知，当额外收益取值逐渐增加时，局中人选择隐私保护策略的概率随之增加。在隐私保护总收益、成本与风险预期稳定的前提下，额外收益将成为激励标准，额外收益的增加将诱使代理人显示真实的私人信息，不隐蔽私人行动。电商平台可通过增加消费者的额外收益来激励其发挥主观能动性，例如设立较高额度的隐私侵害举报奖励基金，消费者可能会因较丰厚的额外收益而主动发现并举报隐私侵害事件。额外收益作为激励标准，形式不应仅限于物质奖励，激励标准应呈现多种形式，例如对积极参与电商平台隐私保护行动的消费者给予精神奖励，大力宣传消费者积极维护隐私权益的事例，使其获得大众的支持与认同等。

2.消费者隐私保护协议的重要意义

搭便车收益的存在不利于电商平台隐私保护的有效实施，在隐私保护总收益、成本与风险预期稳定的前提下，可以通过承诺保障协议来降低因搭便车收益导致的道德风险行为的发生。

通过上述推导可知：当隐私保护总收益、总收益系数、行动程度、成本、成本系数、风险等参数相对稳定时，承诺成本与搭便车收益之间存在依存关系，承诺成本存在取值范围。消费者隐私保护协议关于应尽义务与违约处罚的条款须适度，运用得当，可有效降低搭便车收益，促进消费者和电商平台积极实施消费者隐私保护行动。

自我国的《网络安全法》和《电子商务法》这两部高屋建瓴的法律正式实施起，各大电商平台纷纷升级自家的隐私保护协议，之前就有学者对中美电商平台隐私政策进行过比较研究[24]，但至今尚未发现有学者提出消费者隐私保护协议可降低搭便车等道德风险行为发生的观点，学界对违反隐私保护协议的处罚适度性、处罚方式等研究也鲜有涉及。目前，关于消费者隐私保护的议题呈现出电商平台积极实践，学界理论研究相对滞后的现状。

四、结语

电子商务是“互联网+”赋能传统商务之后出现的新型产业，对社会经济的发展具有两面性，一方面电子商务已成为我国经济增长的新引擎，另一方面虚拟的交易环境却加深了电商平台与消费者之间的信息不对称。委托—代理理论的激励框架为信息不对称环境下的电商平台与消费者之间关于个人隐私保护的博弈论题提供了合理的研究框架，本文基于此框架构建电商平台与消费者隐私保护的演化博弈模型，并应用系统动力学软件进行模拟仿真。研究结论如下：在诸多决策影响因素中，额外收益是电商平台与消费者是否选择隐私保护策略的最复杂影响因素；在正常收益、成本与风险预期稳定的前提下，额外收益对隐私保护策略具有正向影响作用，因此，电商平台可通过提供多种形式的额外收益作为激励手段以刺激消费者主动实施隐私保护策略。随着我国政法环境的逐步完善，规制倒逼电商平台越来越重视消费者隐私保护协议对交易各方的约束作用，可通过细化隐私保护协议条款、规范隐私保护行为、降低承诺成本等在一定程度上防范搭便车行为的出现。