社交网络虚假信息传播控制方法研究

储文韬，赵惠群

（安徽艺术学院，安徽合肥，230033）

随着互联网和现代信息科技的迅速发展，社交网络已经成为人们获取信息的主要渠道，与此同时，在社交网络中虚假信息盛行，虚假信息是指故意传播以误导或欺骗为目的的虚假或不准确的信息，虚假信息分为基于事实的虚假信息和基于观点的虚假信息两类，例如假新闻和网络谣言，属于基于事实的虚假信息，而一些媒体人以引导舆论为目的发表的主观言论则是基于观点的虚假信息。虚假信息的肆意传播，破坏了良好的网络环境，由于社交网络的传播性较快，导致舆论对社会发展产生了一定影响。根据《中国互联网络发展状况统计报告》，截至2022 年6 月，我国网民数量为10.51 亿，总域名3 380 万个，网络新闻用户规模为7.88 亿，这使得社交网络中的信息极易受到影响，形成社会舆论。实践调查显示，相较于真实信息，虚假信息的传播度更加深远，而新媒体环境和社交网络为虚假信息的传播提供了便利。因此，结合虚假信息的属性和虚假信息传播的方式，从虚假信息的源头和虚假信息传播的过程着手，研究社交网络中虚假信息的传播控制方法。

一、社交网络虚假信息的特征与传播机制

（一）社交网络虚假信息的特征

1.虚假信息的内容特征

虚假信息分为基于事实的虚假信息以及基于观点的虚假信息，这两种虚假信息在表现形式上与真实信息相比都更加流畅易懂，因为虚假信息鲜少使用技术性词汇，为了使信息能够简单易懂，虚假信息多减少了名词的使用。并且，在内容的呈现上，虚假信息的标题通常更加引人注目，但是在社交网络的环境下，虚假信息中所包含的图像、视频模糊，其目的是混淆视听，使得读者能够相信信息的真实性。

2.虚假信息的语境特征

虚假信息按照形式分类可以分为标题党、假新闻、阴谋论、伪科学四种，其中最常见的是标题党和假新闻。标题党即内容与标题之间为不相关的信息；假新闻即捏造、篡改事实的新闻，这两种虚假信息，都以夸大原本的事实和夸张的语气、用词来博取读者的眼球和热度。并且，标题党和假新闻都以标题为主进行造势，其主要以社会热点为主，在标题上表明热点内容，通常标题以疑问句的形式呈现。

3.虚假信息的用户特征

虚假信息的广泛传播，一方面基于现代媒体的传播速度快，另一方面是基于用户的自主传播。社交网络用户通常对尚未证实的新闻和信息具有浓厚的兴趣，用户在看到虚假信息后，会自主进行转发和讨论。讨论量的不断增加会促进虚假信息进一步传播。虚假信息的创造者和传播者通常是社交网络中新注册的账号或不为人知的账号，即“一次性”账号。相较于其他用户，创造和传播虚假信息的用户，其关注人数、浏览量、用户互动都较低。

（二）社交网络虚假信息的传播机制

1.虚假信息的传播方法

社交网络中的虚假信息呈现出散布型网状传播结构，这种传播结构会使得任何一个网站都能够产生和发布信息，加深虚假信息的传播深度，将所有网站的信息以非线性的方式流入网络中，这也是社交网络虚假信息传播速度快的原因之一。荷兰学者范·戴克在其所著的《平台社会：连接世界中的公共价值》一书中提出了“平台社会”的概念，“用以强调在线平台和社会结构之间千丝万缕的关系”［1］。在信息不断传播的过程中，用户与用户之间形成了网际关系，在动态发展的过程中促进网络社会系统形式形成，进一步推动虚假信息的传播。

2.虚假信息传播的助推机制

社交网络中虚假信息传播的助推机制是社交网络中的社交平台，社交平台具有数据化机制、商品机制和选择机制，社交平台会根据用户之间的互动和关注点进行精准投放，为用户挑选、过滤信息。并且，网络信息浏览量、用户关注度和话题度与社交平台的经济收益息息相关，社交媒体平台自身的盈利属性就会成为虚假信息传播的内在驱动。而话题度的增加，使得用户的评论和转发增加，从而引发用户之间的讨论，增加虚假信息留存的时间，因此社交网络中的社交平台是虚假信息传播的助推机制（如图1）。

图1

3.虚假信息的传播模型

SIR 模型可以表征社交网络中虚假信息的传播模型（如图2），如图所示，SIR 模型代表社交网络中的三个节点，S 代表未接受信息、不具备传播能力的节点，I 代表接受信息、具有传播能力的节点，R 代表接受信息、退出传播过程的节点。根据这三个节点，传播模型也可以分为SI、SIR、SIRS、SIS 四类（如图3）。在这类传播模型中，受到信息内容、节点间关系强度、时间、网络结构的影响，会导致节点之间的转换，SIS 模型便是受到节点间关系强度较强以及网络结构稳定的影响，其传播力极强的表现。

图2

图3

二、社交网络虚假信息传播的治理路径

（一）技术治理虚假信息传播

社交网络的虚假信息传播，主要通过社交平台和用户进行，通过社交平台的精准推送和用户的讨论度延长虚假信息的留存时间，扩大虚假信息传播的覆盖面，因此可以通过区块链技术，抑制和治理社交网络虚假信息的传播。有学者认为用区块链的“技术把关”取代传统的“价值把关”，可以避免人工把关存在的信任、权威、情感的负面影响，使把关机制更为客观、更具理性，进而减少社交平台虚假信息的传播［2］。区块链技术是一种互联网数据库技术，特点是公开、透明。武汉大学教授蔡恒进也指出，区块链技术就是推动数字世界变得更加规范和公平的重要技术手段。因此，可以以区块链技术为基础，建立社交网络和社交平台严格的审核机制，识别和控制虚假信息的制造与传播。具体而言，区块链技术可以准确跟踪虚假信息内容流向，对其进行跟踪治理，纠正新闻风向；对社交平台而言，运用区块链技术，虚假信息基于其去中心化的特征，可以帮助转变社交平台的角色和职能，使得社交平台的内部结构呈扁平化，将信息的传播过程透明化，以此抑制虚假信息的传播。

（二）法律治理虚假信息传播

关于社交网络虚假信息传播，我国已有相关法律规定。近年来对于在网络散布谣言、诱导公众的情形，我国按照《中华人民共和国刑法》规定，根据情节的轻重，给予谣言散布者刑事强制措施，第二百九十一条之一第二款规定了“编造、故意传播虚假信息罪”［3］，但是我国的法律规定并没有涵盖和规制所有虚假信息传播的情形。因此可以完善社交网络虚假信息的法律制度，对《中华人民共和国刑法》第二百九十一条、《网络安全法》《治安管理处罚法》进行细化，增加适用情形或司法解释，同时改善虚假信息传播治理的分散性条款，实现法律体系的内部整合，条件成熟时出台专门的防范和惩治网络传播虚假信息条例以提升权威性。具体而言，根据细化的法律规定，按照虚假信息制造者、传播者、社交平台三类进行分类归责，根据事实情况的差异和三者责任的轻重给予不同的处罚，例如在虚假信息传播的过程中，虚假信息的传播者在多个社交平台广泛传播了虚假信息，则其应适用《中华人民共和国刑法》第二百九十条，按照故意传播虚假信息罪定罪，而虚假信息的制造者应按照编造虚假信息罪定罪，社交平台也应当就没有及时管控和监督虚假信息的传播等问题被罚款。

（三）社交平台自治模式

社交网络虚假信息的传播主要集中在社交平台当中，社交平台的用户量也决定了虚假信息传播的深度和广度。因此控制和治理虚假信息的传播，除了需要技术治理和法律治理外，还需要加强社交平台的自治。具体而言，应当加强社交平台对虚假信息发布和传播的监督，设置行业自治规则和相关的奖罚机制，鼓励用户对虚假信息进行举报，对传递真实消息、弘扬社会正能量的用户给予鼓励，对屡教不改和产生严重不良影响的用户直接做封号处理。与此同时，可以运用人工智能和区块链技术，将社交机器人运用至社交平台虚假信息传播的自治中，构建社交机器人治理共同体。除此之外，运用社交机器人监督社交平台虚假信息的制造和传播，设置机器人审核模式，通过算法的设定，阻止虚假信息的发布，重塑网络环境。在社交平台自治的过程中，不仅要加强自身的审核机制和奖罚机制，还要明确虚假信息制造和传播用户的责任，因为社交平台自行治理虚假信息的受众是社交平台的用户，通过对用户进行封号、禁言的处罚，可以加强用户的辨别意识。社交平台自治的方式相较于通过技术治理和法律治理，其效果更加长远，一方面可以提升社交平台用户的素质，减少虚假信息的制造，另一方面可以完善社交平台自身制度和体系，抑制虚假信息的传播。

三、社交网络虚假信息传播的控制方法与模型

（一）社交网络虚假信息传播控制的理论基础

网络传播技术水平的提升在很大程度上造就了复杂指数飙升的社会治理环境，但与此同时也刺激了社会治理领域的新思路、新布局和新动能。社交网络虚假信息的传播控制，以网络社交平台为基础，通过对信息制造源头和信息传播过程进行拦截，可以起到控制信息传播的效果。在网络传播领域，信息主要通过以5G 通信技术、区块链技术、人工智能技术、各类终端APP 应用技术为代表的现代技术进行传播，通过现代社会信息的高度渗透性和交互性，进一步加快和扩大信息的传播。因此，对传播行为和传播策略的高度精准运用和布局能够在一定程度上削减甚至消弭传播风险对社会治理的消极影响［4］。

（二）社交网络虚假信息的检测方法

1.基于深度学习的检测方法

深度学习是2006年提出的一种人工智能算法，最早应用于人工神经网络［5］，深度学习属于机器学习的一种，相比机器学习，深度学习具有更高的准确率。利用深度学习进行社交网络虚假信息检测，大致可分为两个步骤：第一，提取社交网络媒体信息中的文本和图片数据，提取其语义特征；第二，在多模态融合网络中对第一步骤提取的文本和图片的语义特征进行真实性检测。但是基于深度学习的检测方法，需要收集足够强大、丰富和可靠的标记数据集，以便在其上进行训练和测试算法或模型。

2.传统检测方法

社交网络虚假信息的传统检测方法，即基于内容的检测方法，这一检测方法主要是聚焦在一个新闻或信息的内容特征上，因此需要根据虚假信息的写作特征、风格、用词进行分析。社交网络的虚假信息通常在内容表达上具有强烈的情感煽动性，并且其配图具有视觉冲击性，在虚假信息中，配图的视觉冲击性是为了吸引用户的注意，而在文字表述上的情感煽动性是为了使得用户相信该虚假信息。但是这种传统检测方法更适用于虚假信息传播的初级阶段。

（三）社交网络虚假信息传播的控制方法

控制社交网络虚假信息的传播有两种方法，一种是在传播的源头对虚假信息传播进行控制，另一种是在虚假信息传播的过程中，对其进行控制。第一种方法，在源头控制虚假信息的传播，其需要依靠区块链技术，使得虚假信息的传播实现透明性和可追溯性，追踪虚假信息的来源，从而删除社交网络中的虚假信息，阻止其进一步传播。第二种，在传播过程中控制虚假信息的传播，这一种方法主要是阻断虚假信息的传播和扩散，可以阻塞或删除网络中的一组节点，最小化虚假信息的传播规模及影响。阻塞节点即将该节点免疫，使它不受周围节点的影响，或删除节点即将传播虚假信息的节点删除。以2022 年上海疫情舆论的传播为例，2022 年3月上海疫情相关虚假信息在各大网络社交平台传播，信息阅读量和传播量剧增，该信息传播场域的信息源呈现多点、散发的碎片化特征，传播主体和传播客体两个层面均呈现移动化、多样化、差异化的多重特征。对于2022 年上海疫情舆论的控制，可以在源头上控制该虚假信息的传播，运用区块链技术找寻“上海疫情”虚假信息制造的源头，删除该信息；也可以在“上海疫情”虚假信息不断传播的过程中删除网络中的某一组节点，阻断该虚假信息的传播。另外，还可以通过切断网络中用户之间传播某条虚假信息的链接，阻断虚假信息的传播［6］。从现实层面出发，阻断或删除虚假信息可以起到控制虚假信息传播，阻断舆论的作用，但是破除虚假信息传播对网络生态和社会的影响，也需要不断传播真实信息，扩大真实信息的传播覆盖面，与虚假信息进行抗衡。

（四）社交网络虚假信息传播的控制模型

基于检测和控制虚假信息的方法，从检测到控制的流程图如下（如图4）。因此，可以运用MVNN模型+EANN 模型+attRNN 模型（如图5），构建多模态控制模型，明确虚假信息的形式，从图片、文本、语义特征等多方面鉴别虚假信息，追踪虚假信息的源头，阻断虚假信息的传播。以2022 上海疫情舆论为例，可以以文本明确虚假信息的形式，锁定2022 年3 至4 月的时间点，在主流网络社交平台微博对2022 上海疫情进行关键词检索，运用attRNN模型先对“上海疫情”这一文本进行虚假信息锁定，再从语义特征鉴别虚假信息，最终找寻虚假信息的源头和传播路径，阻断虚假信息。

图4

图5

大数据、人工智能、互联网的发展，促使社交网络成为人们生活中不可或缺的一部分，进而虚假信息层出不穷，其传播力和影响力远超真实信息和新闻。社交网络中虚假信息的传播误导了用户，形成了网络舆论，破坏了网络生态环境，影响了社会稳定。社交网络信息发布和传播乱象，需要从技术层面、法律层面和行业自治层面三个方面进行治理，控制虚假信息的发布和传播，破除社交网络虚假信息及其传播对社会的影响，重塑网络生态，营造良好网络氛围。社交网络虚假信息传播的控制，可以从信息源头和传播过程中对其进行阻断和删除，但是从技术层面对虚假信息进行阻断或控制，仍然存在一定局限性，随着技术的发展，虚假信息的传播方法也在不断升级。因此，要杜绝社交网络虚假信息，还需要不断提升用户素质，提升用户对虚假信息的辨别能力，促进用户自觉举报虚假信息，阻断虚假信息的传播，并从扩大真实信息的传播覆盖面，促进真实信息的传播和流通，从而治理网络乱象。