平台企业数据滥用行为的治理机制研究
——基于多主体演化博弈视角

卢 超， 王璇璇， 周 迪， 王倩倩

（1.上海大学 管理学院，上海 200444；2.同济大学 经济与管理学院，上海 200092）

1 引言

数据作为数字经济发展的核心生产要素，在为平台企业带来经济价值、为公众带来社会便利的同时，也往往存在被平台企业滥用的问题。如2020年，携程违规收集大量的用户特征和行为数据，并据此通过用户画像进行区别定价的“大数据杀熟”；2021年，滴滴APP严重违规收集使用个人信息问题；淘宝淘友圈在用户不知情的情况下分享用户的购物记录等。平台企业数据滥用行为不仅在消费端带来用户的隐私泄露问题，也会在供给侧通过创新研发、智能制造等工程技术活动诱发深度危机［1，2］，进而对国家安全和社会稳定带来严重隐患。

2021年11月1日起，《中华人民共和国个人信息保护法》正式施行，明确平台不得过度收集个人信息、大数据杀熟，对人脸信息等敏感个人信息的处理作出规制［3］。与此同时，工业和信息化部发布《关于开展信息通信服务感知提升行动的通知》，要求包括腾讯、字节跳动等39家试点互联网企业建立已收集个人信息清单和与第三方共享个人信息清单（即“双清单”），明确说明用户数据收集和使用的范围，以防止平台企业的数据滥用行为。2021年12月12日，国务院印发《“十四五”数字经济发展规划》，要求实施数字经济治理能力提升工程和多元协同治理能力提升工程，强化平台治理，完善消费者和群众等社会参与机制和举报监督机制，有效监测和防范大数据等技术滥用可能引发的经济、社会和道德风险，构建数字服务监管体系。可见，国家有关部门已高度重视平台企业的数据滥用监管和多元协同治理；学者研究也发现，要想实现数字经济长治久安，还需要企业、社会公众等不同主体广泛参与到数据治理工作中来，形成多元主体治理机制［4，5］。因此，本文提出如下研究问题：如何界定各主体应该承担的责任、如何促进各主体积极参与平台企业数据滥用的治理，进而设计平台企业数据滥用行为的治理机制？

针对上述问题，本文聚焦平台企业自身的数据滥用行为，综合考虑数据要素的负外部性、规模报酬递增特性、用户举报公正度等特点和影响因素，构建涵盖平台企业、用户和政府的三方演化博弈模型，设计平台企业自身数据滥用行为的治理机制，探究各主体对数据安全治理的作用效果，进而为政府完善平台监管、促进平台经济发展提出相关启示与建议。

本文基于多主体演化博弈对平台企业数据滥用行为的治理机制进行研究，将多主体协同治理理论应用到平台治理，主要有三个理论贡献。第一，本文在已有关于数据确权、数据流通等研究［6，7］的基础上，专门针对平台企业的数据滥用问题进行监管机制的分析，有助于深化数据要素市场的体系设计与监管。第二，当前平台治理既注重对互补者的治理［8］，也注重互补者在治理过程中的参与［9］。在平台企业数据滥用行为的治理问题上，本文发现用户和政府这两大平台互补者同样能在合理的治理机制下发挥重要作用。第三，以往关于多主体治理的研究多停留在多元协同治理理念或策略层面［4，10］，本文基于演化博弈进一步设计了多主体协同治理机制。同时，本文的结论具有较强的实践指导意义，为用户、政府等多主体参与平台企业数据滥用行为的治理提供了参考，有利于数据进一步在研发创新、智能制造等工程管理领域发挥作用，有利于推动《“十四五”数字经济发展规划》提出的数字经济治理能力提升工程和多元协同治理能力提升工程，有利于我国进一步构建数据要素市场体系，并促进平台经济的健康蓬勃发展。

2 文献综述

2.1 数据滥用与平台治理

数据的规模报酬递增、非竞争等属性，是促使其成为数字经济核心生产要素的关键［11］；但与此同时，数据利用过程中也会带来用户隐私泄露等负外部性问题［6，12］。平台企业作为数据收集和使用的关键主体［13］，在利用数据创造巨大经济价值的同时，极易产生数据滥用行为，对数据要素市场带来潜在风险。李琳［14］认为大数据在促进经济发展的同时引发了“大数据杀熟”等数据滥用问题，需要通过多元协同、多管齐下等方式对平台进行治理。

平台企业由于联接了大量产生网络效应的互补者［15，16］，对其治理需要考虑平衡好这些互补者之间的利益关系［8，17，18］。如Zhang等［8］发现严格的平台访问控制可以促进互补者之间的互动。Kretschmer等［9］认为平台治理需要多个参与者之间的协调，如互补者、用户、平台企业、政府部门［19］。Jiang等［20］发现平台声誉、政府规制、管理层回应和网络投诉对平台治理具有显著的积极影响。同时，针对平台的奖励［21］、平台之间的竞争与交流［22］、平台的开放度［23］等均能在平台治理中起到积极作用，对平台非法内容进行监控［24］、利用区块链技术［25］等可以有效保护数据安全。

2.2 平台数据的治理机制

相关治理机制的构建能帮助解决平台数据的负外部性问题，建构一个合理、有效的数据要素市场分级授权机制可以提升社会福利及其中的用户福利份额［6］。同时，平台企业的治理关乎多个主体的利益，应该构建多元协同治理机制。如林伟［4］通过对人工智能数据安全风险成因进行分析，提出构建人工智能数据安全多元主体治理模式。Hassan等［10］认为政策制定者和监管者应该与各主体进行合作，采用协同治理的监管框架，确保个人数据的安全。彭海艳和何振［5］认为政府部门要引导企业、社会公众等不同主体广泛参与到数据安全治理工作中来，发挥不同主体在数据安全治理中的作用。

进一步，由于消费者／用户是行业治理的重要主体，部分学者聚焦消费者／用户参与／监督开展了相关治理机制的探索。已有学者发现数据泄露导致的用户损失增加［26］、企业进行折扣和免费信用监控补偿［27］等可以促使用户在平台治理中付出更多的安全努力。此外，部分学者发现公众参与对平台数据治理具有一定的影响。如万晓榆等［28］针对移动应用安全治理问题，建立了社会公众参与下的“政府部门—应用平台”支付矩阵，发现公众参与度维持在一定阈值之上可以促进博弈系统向移动应用安全治理的理想状态演化。以上学者主要考虑消费者的真实反馈，但在平台数据滥用的治理中，由于数据的虚拟特性，且公众辨别违法行为的能力有限，容易受到不良舆论的错误诱导，公众可能将平台企业的合法行为错误地认定为违规行为，从而向政府部门虚假举报，影响平台治理的效果［29］。数据“取之于民，用之于民”，关于用户举报公正度的研究应该引起平台治理的重视，从而进一步细化平台治理机制的设计。

2.3 三方演化博弈

在研究多元治理问题时，演化博弈方法得到了较多的应用和认可。如朱立龙等［30］通过构建演化博弈模型，探究政府奖惩、第三方药品检测机构寻租等对各博弈方选择的影响。刘人境等［31］针对网络舆论问题，通过演化博弈探究政府应对网络群体事件的治理模式。卢超等［32］以新冠疫苗研发为例，探索企业、消费者和政府三方在实施责任式创新行为中的演化博弈规律。在平台企业数据滥用的治理过程中，平台企业、用户与政府的行为策略选择相互影响，三者之间存在较强的博弈关系。因此，本文将使用演化博弈方法建构模型，支撑多元治理机制设计。

本文的创新点有：第一，将数据要素的负外部性和规模报酬递增特性考虑在内，探讨政府、平台企业和用户在有限理性下交互行为的演化规律与演化稳定策略，为多主体参与平台治理提供参考依据。第二，系统分析用户和政府对平台企业数据滥用行为的治理机制，考虑用户举报公正度和政府监管力度，构建一个更符合我国数据监管实践的分析框架。

3 模型假设与构建

本文构建平台企业数据滥用行为治理的三方演化博弈模型，各主体之间的逻辑关系如图1所示。

图1 三方演化博弈模型逻辑关系图

3.1 模型假设

假设1数据安全治理主要涉及平台企业、用户和政府三个关键主体，三个主体均为有限理性，为追求利益最大化不断调整策略选择。其中平台企业特指基于用户数据为用户提供数字服务的平台［6］，比如支付宝、淘宝、微信、京东等都需要用户授权的数据才能为用户提供相应的服务，平台企业的策略选择空间S1=（不滥用，滥用）。用户的策略选择空间S2=（举报，忽视）；由于数据具有虚拟性，且用户辨别违法行为能力有限、容易受到不良舆论错误诱导等多种因素的影响，可能将平台企业的合规行为错误地认定为违规行为，并向政府监管部门举报，从而产生虚假举报，假设用户举报的公正度为φ，φ越大，用户将平台企业的合规行为错认为违规行为的可能性越小。政府的策略选择空间S3=（严格监管，宽松监管）；其中严格监管界定为政府对不滥用用户数据的平台企业和进行真实举报的用户给予一定的奖励，对滥用用户数据的平台企业给予一定的惩罚；宽松监管策略界定为政府对平台企业和用户不作奖惩［30］。

假设2平台企业不滥用用户数据的概率为x（0≤x≤1），滥用用户数据的概率为1-x；用户举报的概率为y（0≤y≤1），忽视的概率为1-y；政府严格监管的概率为z（0≤z≤1），宽松监管的概率为1-z。

假设3平台企业不滥用用户数据时，自身的收益为Re；平台企业不滥用用户数据有利于平台经济发展和社会稳定，为政府带来社会福利为Ag［30］。平台企业滥用用户数据的成本为Ce，滥用用户数据获得的额外规模报酬为He；由于数据具有规模报酬递增的特性［11］，He可能会很大。用户向政府举报的成本是Cu。政府严格监管时成本为Cg，宽松监管时成本为0。

假设4当平台企业滥用用户数据时，由于数据具有负外部性的特征［33］，会给用户带来负外部性Bu；若用户进行举报，用户将获得平台企业的赔偿为Nu，用户举报给平台企业带来的声誉损失为Be，用户曝光平台企业违规行为给政府带来的声誉损失为Bg［29］。当平台企业不滥用用户数据时，会有1-φ的用户进行举报，此时用户举报给平台企业带来的声誉损失为（1-φ）Be，给政府带来的声誉损失为（1-φ）Bg；由于此时用户将平台企业的合规行为错认为违规行为，故平台企业对举报用户不进行补偿。

假设5当政府严格监管时，若平台企业不滥用用户数据会获得政府奖励Se，若平台企业滥用用户数据会被处以罚款Ke。平台企业滥用用户数据时，进行举报的用户会获得政府奖励Su；平台企业不滥用用户数据时，会有1-φ的用户选择举报，但此时用户不会获得政府奖励。

所构建模型的主要参数如表1所示。

表1 变量及其含义

3.2 模型构建

根据以上假设，构建平台企业、用户与政府的三方演化博弈矩阵，如表2所示。

表2 平台企业、用户与政府的三方演化博弈矩阵

4 模型分析

4.1 平台企业的策略稳定性分析

平台企业不滥用用户数据的期望收益为Ex，滥用用户数据的期望收益为E1-x，平均期望收益为。

因此，平台企业的复制动态方程可以表示为

推论1平台企业不滥用用户数据的概率随着用户举报的概率和政府严格监管概率的增大而上升。

证明由于d（Q（y））／dy＜0，故Q（y）为关于y的减函数。当为平台企业的演化稳定策略；反之，则x=1为演化稳定策略。

构建平台企业策略演化相位图，令平台企业滥用用户数据的概率为VA1，不滥用用户数据的概率为VA2，计算得

推论2平台企业不滥用用户数据的概率与政府奖惩力度正相关，与平台企业滥用用户数据获得的额外利润负相关，与用户举报公正度、用户举报给平台企业带来的声誉损失、平台企业对举报用户赔偿额的关系，受平台企业滥用用户数据获得的额外利润的影响。当额外利润超过政府对平台企业奖惩之和的一半时，平台企业不滥用用户数据的概率与用户举报公正度、用户举报给平台企业带来的声誉损失、滥用用户数据的平台企业对举报用户的赔偿额正相关；当额外利润小于政府对平台企业奖惩之和的一半时，反之。

证明对VA2分别求各要素的一阶偏导数，得当时当时

4.2 用户的策略稳定性分析

用户选择举报的期望收益为Cy，选择忽视的期望收益为C1-y，平均期望收益为。

因此，用户的复制动态方程可以表示为

令J（z）=0，可得当z=（（xφ-1）Cu-（x-1）Nu）／（（x-1）Su）=z*时，d（F（y））／dy≡0。

推论3用户举报的概率随着平台企业不滥用用户数据概率的增加而减小，随着政府严格监管概率的增加而上升。

证明由于关于z为减函数。当为用户的演化稳定策略；当为演化稳定策略。

构建用户策略演化相位图，令用户选择忽视的概率为VB1，选择举报的概率为VB2，计算得

推论4用户选择举报的概率与用户举报公正度、滥用用户数据的平台企业对举报用户的赔偿额、政府对真实举报用户的奖励正相关，与用户举报的成本负相关。

证明与推论1证明类似，对VB2分别求各要素的一阶偏导数，可得

4.3 政府的策略稳定性分析

政府严格监管的预期收益为Gz，宽松监管的预期收益为G1-z，平均期望收益为。

因此，政府的复制动态方程可以表示为

令T（y）=0，当y=（Cg+（-1+x）Ke+xSe）／（（-1+x）Su）=y**时，d（F（z））／dz≡0。

推论5政府严格监管的概率随着平台企业不滥用用户数据的概率、用户举报概率的增大而减小。

证明由于故T（y）关于y为增函数。当为演化稳定策略；当为政府的演化稳定策略。

4.4 均衡点的稳定性分析

在多方演化博弈中，如果博弈均衡解是演化稳定状态，则该均衡解是严格纳什均衡，即纯策略均衡。因此，分析系统中8个纯策略均衡点的渐近稳定性即可［34］。由F（x）=0，F（y）=0，F（z）=0，可得8个纯策略均衡点：E1（0，0，0），E2（1，0，0），E3（0，0，1），E4（0，1，0），E5（1，1，0），E6（1，0，1），E7（0，1，1），E8（1，1，1）。

构建三方演化博弈系统的雅克比矩阵，利用李雅普诺夫（Lyapunov）间接法分析各均衡点的稳定性，如表3所示。

表3 均衡点稳定性分析

推论6当Nu+Su＜Cu，Ke+Se＜He-Ce时，复制动态系统存在稳定点E3（0，0，1）；当Cu＜Nu，Nu+φBe＜He-Ce，Ke＜Su+Cg时，稳定点为E4（0，1，0）；当Cu＜Nu+Su，Cg+Su＜Ke，Ke+Nu+Se+φBe＜He-Ce时，稳定点为E7（0，1，1）。

推论6表明，当用户的举报成本超过平台企业给予举报用户的赔偿额和政府对真实举报用户的奖励之和、平台企业滥用用户数据获得的额外利润高于政府对平台企业的奖惩之和时，策略组合演化稳定于E3（0，0，1）稳定点（滥用，忽视，严格监管）。当用户的举报成本低于平台企业给予举报用户的赔偿额、平台企业滥用用户数据获得的额外利润高于平台企业给予举报用户的赔偿额和用户真实举报给平台带来的声誉损失之和、政府对滥用用户数据的平台企业施以较小惩罚时，策略组合演化稳定于E4（0，1，0）稳定点（滥用，举报，宽松监管）。当政府对真实举报用户的奖励和平台企业对举报用户的赔偿额之和高于用户举报成本、政府对滥用用户数据的平台企业的惩罚较大、平台企业滥用用户数据获得的额外利润较大时，策略组合演化稳定于E7（0，1，1）稳定点（滥用，举报，严格监管）。同时，根据假设3可知，由于平台企业滥用用户数据获得的额外利润很大，这就使得平台企业产生较强的数据滥用动机，因此3个稳定点中平台企业的策略均为“滥用”。

5 仿真分析

针对上述三种稳定策略组合，接下来利用MATLAB进行数值仿真分析，以验证演化稳定性的有效性及分析各主体对参数的敏感程度。

5.1 演化稳定策略

如表3所示，设置满足条件①的数组1：φ=0.5，Be=14，Nu=10，Cu=21，Ke=12，Cg=9，Se=8，Ce=10，He=60，Su=5；设置满足条件②的数组2：φ=0.5，Be=14，Nu=12，Cu=10，Ke=23，Cg=25，Se=8，Ce=10，He=60，Su=5；设置满足条件③的数组3：φ=0.5，Be=14，Nu=12，Cu=10，Ke=15，Cg=9，Se=8，Ce=10，He=60，Su=5。将三组数值分别从不同初始策略组合出发随时间演化50次，可以得到：当满足条件①时，系统的演化稳定策略组合为（滥用，忽视，严格监管）；当满足条件②时，系统的演化稳定策略组合为（滥用，举报，宽松监管）；当满足条件③时，系统的演化稳定策略组合为（滥用，举报，严格监管）。可见，仿真分析的结论与推论6结论保持一致，说明结论有效。

5.2 参数分析

由于（0，1，1）是比较符合现实情况的选择，接下来以数组3为基础，分别分析平台企业滥用用户数据获得的额外规模报酬、用户举报公正度、政府对不滥用用户数据的平台企业的奖励、政府对滥用用户数据的平台企业的惩罚对演化博弈过程和结果的影响。

5.2.1 平台企业滥用用户数据获得的额外规模报酬分析

本节赋以平台企业滥用用户数据获得的额外规模报酬He=60，80，100，仿真结果如图2所示。

图2 平台企业滥用用户数据获得的额外规模报酬的敏感性分析

图2表明，随着平台企业滥用用户数据获得的额外规模报酬不断增大，平台企业收敛于滥用策略的速度大大加快，用户选择举报的概率不断增大，政府严格监管的概率不断增大。可见，平台企业滥用用户数据获得的额外规模报酬对平台企业的策略具有显著的影响；当平台企业滥用用户数据获得的额外规模报酬足够大时，其必然会滥用用户数据。

5.2.2 用户举报的公正度分析

本节赋以用户举报公正度φ=0.3，0.5，0.7，仿真结果如图3所示。

图3 用户举报公正度的敏感性分析

图3表明，随着用户举报公正度的增大，平台企业滥用用户数据的概率会减小，用户举报的概率不断增大，政府严格监管的概率会下降。

5.2.3 政府对平台企业的奖励和惩罚分析

（1）政府对不滥用用户数据的平台企业的奖励分析

本节赋以政府对不滥用用户数据的平台企业的奖励Se=5，10，15，仿真结果如图4所示。

图4 政府对不滥用用户数据平台企业奖励的敏感性分析

图4表明，随着政府加大对不滥用用户数据的平台企业的奖励，平台企业收敛于滥用策略的速度减缓，用户收敛于举报策略的速度减缓，政府收敛于严格监管策略的速度也减缓。

（2）政府对滥用用户数据的平台企业的惩罚分析

本节赋以政府对滥用用户数据的平台企业的惩罚Ke=10，15，20，仿真结果如图5所示。

图5 政府对滥用用户数据平台企业惩罚的敏感性分析

图5表明，随着政府加大惩罚滥用用户数据的平台企业，平台企业收敛于滥用策略的速度减缓，用户收敛于举报策略的速度大大加快，政府逐渐从宽松监管演化为严格监管。

对比图4和5可以发现：对平台企业而言，相较于政府加大惩罚滥用用户数据的平台企业，政府加大奖励不滥用用户数据的平台企业的影响更显著，后者更有利于平台企业降低滥用用户数据的概率。对用户而言，相较于政府加大奖励不滥用用户数据的平台企业，政府加大惩罚滥用用户数据的平台企业的影响更显著，后者更有利于提高用户举报的积极性。

6 结论与启示

针对平台企业自身的数据滥用问题，本文通过构建涵盖平台企业、用户和政府的三方演化博弈模型，分析了各博弈主体策略选择的稳定性、博弈系统均衡策略组合的稳定性，并通过数值仿真对参数敏感性进行了分析。主要结论与管理启示如下：

（1）平台企业滥用用户数据获得的额外规模报酬的增大对平台企业数据滥用行为的治理具有双重影响。一方面，其会增大平台企业数据滥用行为的概率；另一方面，其有利于增大政府对平台企业数据滥用行为的监管、增大用户对平台企业数据滥用行为的举报。但由于平台企业滥用用户数据获得的额外规模报酬的增大对平台企业策略的影响更为显著，特别是当其足够大的时候，平台企业无法抵挡高额收益的诱惑，这对平台企业数据滥用行为的治理带来严峻挑战。

（2）用户举报公正度对平台企业数据滥用行为的治理具有正向促进作用。用户举报公正度的增大会降低平台企业滥用用户数据的概率，增加用户参与平台企业数据滥用行为治理的积极性。因此，第一，用户要增强对平台企业滥用数据行为的辨别能力，增强诚信意识和社会责任感，提高举报公正度，充分发挥其在平台治理中的监管作用。第二，平台企业应该将数据获取、使用等过程对用户公开透明，从而减少用户将平台合法行为错认为违规行为的概率，减少用户的虚假举报。第三，政府要加大对平台企业的监管力度，积极履行监管职责；同时通过开展平台治理科普宣传、数据安全治理违规案例分享等方式，提高用户的维权意识、诚信意识以及对平台违法行为的辨别能力，提高用户举报公正度，积极引导用户参与平台治理。

（3）政府的奖惩机制是影响各博弈主体决策的重要因素，但对平台企业和用户的作用机理恰好相反。对平台企业而言，相较于政府加大惩罚滥用用户数据的平台企业，政府加大奖励不滥用用户数据的平台企业的影响更显著，后者更有利于平台企业降低滥用用户数据的概率。因此，政府对平台企业应更多采用积极的奖励举措，即加大对不滥用用户数据的平台企业的奖励力度，帮助提升平台企业的美誉度，进而促使企业收益的提升。对用户而言，相较于政府加大奖励不滥用用户数据的平台企业，政府加大惩罚滥用用户数据的平台企业的影响更显著，后者更有利于提高用户举报的积极性。因此，政府对用户应更多采用重罚滥用用户数据的企业的方式予以引导，通过给用户传递政府对违规企业严格监管的信号，从而提高用户举报的积极性。