序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇信息安全管理論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

稅務信息是國家稅務決策、稅收計劃制定與調整的重要依據，是稅務機關稅收征管工作的必要支撐，也是納稅人信息權利的核心內容，因而其安全管理具有重要意義。稅務信息安全管理有利于維護并促進國家職能的實現。稅收是實現國家宏觀調控職能的重要手段，而這一手段必須借助和運用稅務信息才能達到。因為稅務信息管理一方面能使信息正確地反映經濟稅源和稅收進度情況，為制定國民經濟和社會發展計劃及調整國民經濟結構提供可靠依據。另一方面，可了解納稅人的經濟活動狀況，并掌握國民經濟發展變化情況，鑒定稅收政策與經濟發展需要是否相適應，以便迅速做出明智的決策，有效地發揮稅收調節經濟的作用。換言之,如果稅務信息安全無法得到保障的話，既無法實現稅收為國家籌集財政收入的職能，也將使國家以稅收進行宏觀調控經濟的政策大打折扣，影響經濟與社會的發展。稅務信息安全管理有利于稅務機關稅收征管的現代化。稅務信息安全管理是稅收征管的組成部分，正確、及時、安全的稅務信息是把握財政發展和稅務管理客觀規律的鑰匙，有利于實現稅務管理科學化、現代化，使稅務管理工作從經驗走向科學，以適應社會和經濟形勢發展對稅務管理的要求；有利于提高稅務管理水平和稅務管理效率，做到努力開發稅源，盡力足額征收，增加稅收收入；有利于提高稅務管理隊伍的素質，強化信息意識，掌握信息技術，開展稅務管理工作，適應社會主義市場經濟體制下的稅務管理需要。稅務信息安全管理有利于納稅人權利的保障。從納稅人角度而言，稅收是納稅人根據法律的規定及程序向稅務機關提供納稅申報資料并繳納稅款的過程。在此過程中，不論是納稅人提供的納稅申報資料，還是稅務機關依法定職權收集的信息，不可避免的會涉及到納稅人的商業秘密（客戶資料、銷購價格、專利技術等），正常生產經營信息（生產經營范圍、工商稅務登記證件號等），個人隱私（個人及家庭身份信息、社會關系等），涉稅負面信息（欠稅記錄、稅務處罰信息等），一旦這些信息的泄露不僅會對企業的正常經營帶來嚴重影響，而且還會給個人和家庭生活帶來惡性干擾，甚至還有可能引起詐騙和金融犯罪。因此，稅務信息安全管理是納稅人權利的重要保障。

2基層稅務信息安全管理的難題

2.1基層稅務信息安全管理存在的風險

信息技術飛速發展，尤其是大數據時代的到來，基層稅務信息安全技術管理風險與日俱增。科學技術水平日新月異，移動互聯網、虛擬化、云技術、大數據應用等新技術層出不強。此類技術的應用對于專業技術的要求較高，安全保障措施也較為嚴密，但現有的稅務信息安全管理的軟硬件、制度、頂層設計、稅務人員素質、社會要求等方面無法適應其方便、快捷、高效的特點，使得稅務信息暴露在數據的海洋，極易造成信息被盜取、被非法病毒所侵入，稅務信息安全技術管理必然風險激增。改革不斷深化，尤其是簡政放權要求逐步提高，基層稅務信息安全行政管理風險突飛猛進。全面深化改革的推進，行政管理被要求回歸理性簡政放權，實現由權力管制到權利治理，基層稅務部門必然面臨著工作重心后移及執法風險加大的交匯壓力，后續管理將成為稅務部門工作的一種常態。稅務管理信息化是保證后續管理科學、有效、規范進行的基本方式且根本保障，而稅務信息安全管理是稅務管理信息化的基礎，是故稅務信息安全管理必然成為稅收征收與管理過程的基礎和支撐。稅務管理信息化下稅務信息不論是頻率還是數量均不斷提高，數量和質量相生相克，前者的增多必然導致后者的下降，稅務信息安全行政管理風險驟升。依法治稅加強，尤其是納稅人權利意識的覺醒，基層稅務信息安全管理涉紛風險不斷提高。隨著經濟、社會以及文化的不斷發展，納稅人權利意識在不斷覺醒，私權保護、正當程序、公平正義成為了普遍訴求。納稅人信息是稅務信息安全管理的重要內容之一，包含著巨大的商業價值，稅務機關在采集、保管和使用納稅人信息過程中往往由于安全措施不到位而導致納稅人權利受到損害事件時有發生，甚至誘發違法犯罪。近些年來，由于稅務信息安全管理不善帶來的稅務糾紛呈水漲船高之勢，納稅人訴諸法律途徑的越來越多，基層稅務部門涉議、涉訴風險不斷提高。

2.2基層稅務信息安全管理面臨的困境

2.2.1稅務信息安全管理意識淡薄

稅務管理信息化在我國方興未艾，關于稅務信息安全的理解、保護方法、風險防范手段等社會所知甚微。就稅務部門而言，大部分基層稅務工作人員對于稅務信息安全管理是什么、稅務信息安全管理意義是什么、怎樣實現稅務信息安全管理等內容的認識與理解存在偏差，主觀地認為稅務信息安全與稅務部門的核心業務無關，是一種簡單的信息存儲與傳輸，意義不大。甚至是一提到稅務信息安全，不少人就當然的認為是病毒和黑客，而往往忽視內部人員的過錯或故意行為等因素。就納稅人而言，大部分納稅人抱有這樣的態度，就是只要按照法定規定和法定程序上繳完稅，其他的就與自己沒有多大干系，稅務信息安全管理也是如此，因而往往不配合稅務信息的收集等工作。由于少數人的安全意識淡薄和管理不善，會影響整個稅務信息系統的安全性。

2.2.2稅務信息安全管理方式滯后

整體上看，基層稅務信息安全管理還主要是依靠單一的技術方法，稅務信息保密措施少、身份認證未得到全面應用、缺少路由安全和防止入侵的技術措施，難以適應稅務信息安全管理的要求。首先，稅務信息技術管理方式賴以生存的硬件設施可靠性、穩定性不足，缺少日常維護及安全配套措施。其次，稅務信息技術管理核心之處的軟件設施開放性強，比如，內部網路終端信息共享范圍廣、操作系統主要是國外研發的，內外網機器存在混用現象，極大增加了稅務信息安全風險。最后，采集數據分散，不能形成有效共享，普遍存在“信息孤島”現象；業務信息不能通過計算機有效流轉，自動化管理過程隔離；尤其是信息缺乏高效的數據監控措施，沒有形成科學的內、外監督體系，不斷遭受黑客攻擊，還出現數據丟失的現象等。

2.2.3稅務信息安全管理制度不完善

稅務信息采集、整理、貯存、傳輸、反饋及應用等過程中安全管理的理念并未得到貫徹，稅務信息安全管理制度還不全面、缺乏體系性、可操作性也不強。具體來講，一是缺乏強有力的稅務信息安全管理領導制度。一般而言，基層稅務信息安全管理主要是由稅務信息中心實施，與其他內設機構之間是并列關系，信息安全管理無法滲透到稅收征管的其他環節。二是缺乏科學的稅務信息安全事故預防、報告及處理制度，各基層稅務部門普遍缺失完備的信息安全事故報告程序與預防處理方案，稅務信息安全事故的預防、處理沒有可持續的制度支撐。三是缺乏規范的稅務信息安全管理考核制度，基層稅務信息安全崗位與責任相適應的考核標準，機制不規范，致使信息安全管理深度與力度得不到有效落實。此外，信息安全責任制度還需進一步細化和完善。

2.2.4信息安全風險管理機制存在缺陷

稅務信息化下，稅務信息安全風險有來自基礎設施毀損的風險，有技術應用帶來的風險，有人為操作引發的風險，可謂無處不在、無時不有。但目前基層稅務機關并沒有形成體系化的稅務信息安全風險識別、評估、控制等管理機制。就稅務信息安全風險識別而言，稅務信息并未被確定成為一種資產，因而缺乏稅務信息必要的分類管理。同時，這種安全風險識別僅局限于技術硬件故障或錯誤、技術軟件故障或錯誤、技術淘汰等技術層面，而對于其他層面的信息安全威脅鮮有涉及。就稅務信息安全風險評估而言，由于專業技術和人才的缺乏，加之評估頻率與方法不當，很難真正分析出信息安全風險的高低，影響到控制措施的選擇。就稅務信息安全風險控制而言，由于識別與評估分析中的不健全，使得風險控制策略選擇失去了可信基礎，致使避免、轉移、緩解及接受等風險控制策略無從選擇。

3基層稅務信息安全管理的應對

3.1加大信息安全管理教育培訓，更新稅務信息安全管理理念

應當認識到，稅務信息安全管理既是國家信息安全管理的有機構成，也是基層稅務工作的重要組成部分，它涵蓋稅收信息的采集、整理、存儲、傳輸、反饋、開發及應用等全過程，不僅可以加強稅收收入的規劃性，有效發揮稅收促進生產，調節、監督經濟的作用，還能衡量稅收分配是否合理，稅負負擔是否平衡，保障納稅人的權利。因此，基層稅務部門要摒棄稅務信息安全管理不重要的觀念，提高對稅務信息安全的認識，充分了解稅務信息安全管理的內容、作用及方法，以此更新稅務信息安全管理理念。稅務信息安全管理意識之所以淡薄，原因在于信息安全管理教育與培訓少，稅務信息安全管理專業人才匱乏。對此，一方面要靈活多樣地培訓學習形式，綜合平衡信息安全相關項目，提高稅務工作人員的信息安全意識與能力水平；另一方面，要建立稅務信息安全管理培訓機制，通過組織開展多層次、多方位的信息安全培訓，提高安全員信息安全防范技能，培養稅務信息安全管理骨干。此外，稅收普法宣傳教育中還要強化納稅人信息安全意識。

3.2綜合內外部控制手段，實現稅務信息安全管理方式多元化

稅務信息安全管理是一個系統工程，涉及信息技術體系、信息風險管理及組織管理框架等諸多方面，面對終端規模大、地域分布廣、技術類型多的現實，單純的依靠外部技術手段無法實現稅務信息安全管理，需要內部控制措施予以協同，多元化的管理方法才能更好地、更有效地保障稅務工作人員完成信息安全管理工作。首先，完善稅務信息安全技術手段，做好信息安全防護體系建設和運行管理。不論是采取何種技術手段進行稅務信息管理，都要建立完備的病毒防范、身份鑒別與訪問控制、入侵檢測及信息加密等信息安全管理技術體系，定時檢查并更新硬件設備以確保其可靠性與穩定性。其次，要克服“唯技術論”的傾向，稅務部門要建立統一的信息安全保障中心，保證稅務信息安全集中和集成管理，努力形成完整的數據安全與備份體系。最后，完善稅務信息安全管理內部控制手段，以減輕由于內部人員道德風險、系統資源風險所造成的信息危害。主要是采用人機聯控的控制方式，通過實施一系列的控制活動和保護措施，以實現對與稅務信息安全相關的人與物的管理，并最大限度地保障稅務信息安全。

3.3完善稅務信息安全管理框架，健全稅務信息安全管理制度

借鑒信息安全管理一般理論，完整的稅務信息安全管理框架包括定義稅務信息安全政策、定義稅務信息安全管理范圍、進行稅務信息安全風險評估、確定管理目標和選擇管理措施、準備稅務信息安全適用性聲明、建立相關文檔、文檔的嚴格管理及安全事件記錄回饋。針對目前稅務信息安全管理框架的不完善，稅務部門應嚴格按照信息安全管理框架，制定完善的信息安全規章、明確管理范圍、風險、目標、措施等予以完善。與此同時，還要健全稅務信息安全管理相關制度。一是建議基層稅務機關應成立信息安全領導小組，各區局、科室、所都應明確專人負責稅務信息安全的管理，以健全稅務信息安全管理領導制度；二是建議明確安全事故預防任務、報告時限與程序、處理方法與措施，以健全稅務信息安全事故預防、報告及處理制度；三是建議制定規范、可行的信息安全管理考核機制，明確規定每個稅務工作人員在信息安全方面應承擔的責任、保密要求以及違約責任，以健全稅務信息安全管理責任制度?？傊?，就是要建立安全管理機構，確定安全管理人員，建立安全管理制度，建立責任和監督機制，切實保障稅務信息安全管理有效開展。

3.4實施稅務信息分類管理，健全稅務信息安全風險管理機制

篇(2)

關鍵詞：網絡信息污染 拉開檔次法 模糊語言評價 12321中心 社會調查

分類號：G203

引用格式：萬曉榆， 王在宇， 蔣婷. 基于“ 拉開檔次” 法的網絡信息污染狀況模糊語言評價研究[J/OL]. 知識管理論壇， 2017， 2（2）： 145-155[ 引用日期]. http：///p/1/121/.

互聯網是一把雙刃劍，在帶給人們便利的同時也帶來了網絡信息污染現象，如垃圾短信、騷擾電話、垃圾郵件等，造成了許多負面的影響。12321互聯網不良與垃圾信息舉報中心（以下簡稱12321中心）數據顯示，最近一年我國網民因為網絡信息污染所遭受的經濟損失高達915億元人民幣，幾乎接近2015年地區全年的GDP總和（2015年地區GDP總和為1 026億元）；給全體網民造成的時間損失相當于3 822人的生命（2015年世界衛生組織報告中國人均壽命，男性74歲，女性77歲，按平均壽命75歲計算）。那么，當前網絡信息污染狀況到底呈現怎樣的狀態？公眾對網絡信息污染的認知與中心統計數據是否一致？如何對網絡空間中的信息污染狀況進行科學評價？通過回答這些問題，并將網絡信息污染問題置于公眾的監督之下，有助于營造“天氣清朗、生態良好”的網絡空間環境。

信息污染一詞由德國學者拉斐爾普羅在論文《信息生態學進展》中首次提出[1]。信息污染主要包含兩類：一是媒介信息中混入的有害、有毒、具有欺_性和誤導性的信息；二是過載信息[2]，這些污染信息可能會導致人們隱私的泄漏以及時間、金錢和精神層面的損失。隨著大數據、云計算、移動互聯網等新興信息技術的應用，信息污染已經成為網絡治理和輿論引導研究領域的熱點問題[3]?，F有研究主要從以下兩個方面展開。

一方面是對信息過載問題及其解決方案的研究。信息過載是指人們接受了過多信息，但卻無法有效整合、組織及內化成自己需要的信息，以致影響到工作、學習和人際關系[4]。M. J. Eppler等將信息過載產生的原因分為個人因素、信息特質、任務及過程因素、組織設計及信息科技五大類別[5]。何仲等認為信息過載問題在網絡購物環境中會讓消費者選擇困難，造成消費者時間和心理上的成本浪費[6]。王娜和鄭巧偉研究微信訂閱服務中出現的信息過載現象，發現當前微信訂閱服務的內容存在重復、低質等問題[7]。那么信息過載問題如何解決呢？大多數學者選擇從技術角度降低數據維度，幫助用戶獲取有用信息，主要包括個性化推薦算法和搜索引擎技術。梁勞慧從信息組織者出發，認為圖書館應該通過對用戶開展信息素質教育、制訂咨詢手冊等措施幫助用戶避免信息過載現象[8]。王娜等對泛在網絡中的信息過載問題進行了抽樣調查和分析，并提出了在移動社交網站中建立個性化推薦的機制[9， 10]。王娜和田曉蒙研究了豆瓣社區中信息的組織設計對信息過載產生的影響，并針對豆瓣平臺提出了大眾分類法優化方案[11]。王又然基于加權小世界網絡理論，發現以人人網為代表的社交網絡站點中單個社群內成員之間特征關系長度過短是造成該類平臺出現重復率高、同質化高的原因[12]。高錫榮等通過從知網搜索關鍵詞，建立信息價值評估指標體系[13]。趙靜嫻將在線評論分為非垃圾評論、欺騙性評論、干擾性評論和低效用評論4個類別，建立了垃圾評論特征屬性表，并基于神經網絡和決策樹方法設計了在線評論文本分類方法[14]。

另一個方面是對網絡信息安全和個人隱私風險評估方面的研究。夏日首次提出了信息污染指數（information pollution index， IPI）的概念[15]，并建立了一套指標體系[16-17]，但他對信息污染源的劃分包括實物型、文獻型、電子型和網絡型，指標包含過多冗余信息，已經不符合網絡社會的實際情況。程艷林提出了網絡信息污染檢測的7個維度[18]，但沒有給出具體的量化方法。謝友寧和鈕欽調研了農民生活中存在的生活型和生產型信息污染[19]，但存在主觀性過強的缺點。陳桂香則調研了大學生遭遇信息污染現狀及態度[20]，但僅限于對結果的統計描述。T. H. HSU等運用ANP方法對旅游網站進行了評估，發現“安全”是人們最關注的問題[21]。朱光等基于信息系統的安全模型[22]，將隱私風險因素分為平臺脆弱因素、用戶行為脆弱因素和外部威脅因素，構建了社交網絡隱私風險評估體系，并用模糊評價方法進行評價[23]。

通過對信息污染相關研究的總結，發現當前的研究主要聚焦于技術層面。實際上信息污染的源頭是人類自身。隨著移動互聯網的普及，信息污染的影響范圍也逐步擴大，但互聯網信息污染防治是一個社會軟系統問題，具有模糊性、復雜性、系統性等特點[24]，因此從技術角度無法從本質上解決問題。社會學研究表明，將問題置于公眾的評價之下有助于提升人們解決問題的效率，故從公眾角度研究信息污染的負面影響，對于警醒人類反思自身的信息行為，提升信息素養，共同維護一個良好的網絡空間環境具有重要意義。在信息污染及其影響評估方面，少數學者進行了一定程度的探索，但存在指標體系過于寬泛，不符合當前網絡社會實際等問題。

筆者結合12321中心提供的信息污染及垃圾信息統計數據和公眾遭遇信息污染的態度調查問卷，運用基于模糊區間可能度算法構建對稱矩陣，并基于該對稱矩陣獲取主觀權重，再運用“拉開檔次”法進行二次加權處理，對傳統“拉開檔次”法“毫無主觀色彩”的權重結果進行修正。從結果對比來看，筆者設計的方法可以較為全面地評價網絡信息污染狀況。

1 網絡信息污染狀況評價指標體系構建

信息污染包含兩大類污染源，但考慮到信息過載具有主觀性強的特點，不同的人有不同的感受，目前也缺乏相應的統計支撐。故筆者主要針對第一種類型污染信息進行研究，暫不考慮第二類信息污染。

基于前期研究成果[2]，筆者將12321中心統計類目作為網絡信息污染的7類衡量指標，即垃圾郵件、不良網站、垃圾類短信、涉嫌違法類短信、垃圾彩信、騷擾電話和手機應用安全問題（APP），這是目前為止對網絡污染信息的最為詳細和準確的統計。

同時，在前期調研發現，12321中心的統計數據與公眾的感知存在較大的差別，例如惡意APP在統計數據中大量存在，甚至超過了垃圾短信和騷擾電話的舉報數量，但公眾反映的情況卻剛好相反。因此，為了彌補統計數據的片面性缺點，借鑒故障檢測領域失效模式及影響分析（failure mode and effects analysis，FMEA）方法[25-26]中采用發生度、嚴重度和檢出度對失效模式進行風險評估，筆者針對現有統計的7種污染信息類型，設計了《公眾遭遇信息污染的態度調查》問卷，從公眾遭遇信息污染的頻率（是否經常遇到）、已對公眾造成的危害程度（心理傷害、時間浪費或錢財損失）以及公眾對各類污染信息的厭惡程度這3個角度進行公眾認知態度調查。以此綜合考慮統計數據和公眾認知態度，全面評價網絡信息污染狀況。

2 網絡信息污染狀況評價模型與方法

在建立評價指標體系之后，就是獲取指標權重和選擇信息集結方法。研究路線如圖1所示。

2.1 基于模糊區間可能度的互補矩陣權重獲取方法

由于人們更喜歡使用語言對事物進行評判，如“優”“良”“中”“差”，而人類語言具有模糊性和復雜性的特點，所以學者們基于模糊數學提出了相應的權重獲取方法。徐澤水提出了模糊語言標度的區間可能度方法[27]，可以從原始數據中獲取權重。筆者將這種方法應用于評估矩陣是模糊語言的情形。

2.1.1 模糊語言標度的區間可能度

定義1 設矩陣，若有， 則稱矩陣是模糊矩陣。

定義2 設模糊矩陣，若有，則稱矩陣A是模糊互補矩陣。

定義3[28-30]設區間數，， 定義區間數的運算法則：

1）間數的加法：；

2）數與區間數的乘法：，其中；

3）若，則稱。

定義4[27] 設區間數， 且記，記的可能度公式如公式（1）所示：

公式（1）

具有互補性，即： 。

2.1.2 基于模糊區間標度可能度的互補判斷矩陣權重獲取方法

設被調研對象，其中對污染信息類型在屬性Gj∈G={遭遇信息污染的頻率，已受到的危害程度，對信息污染的厭惡程度}下的模糊語言評估值構成的矩陣，且，其中

S={非常低，有點低，一般，比較高，非常高}

為模糊語言標度，與其對應的區間數表達式進行轉換[27]：

非常低=[0，0.2]， 有點低[0.2，0.4]， 一般=[0.4，0.6]， 有點高=[0.6，0.8]， 非常高=[0.8，1]基于模糊區間標度可能度的主觀權重的過程如下：

2.2 運用“拉開檔次”法進行二次加權

在郭亞軍提出的“拉開檔次”法中，評價指標的權重不再體現指標間的相對重要程度，而是將各指標以同等“地位參與”評價過程，該方法“毫無主觀色彩”[32]。但事實上，各項指標相對于評價目標的重要性程度往往不相等。因此，首先利用2.1部分得出的主觀權重原始數據進行加權，然后再采用“拉開檔次法”二次加權。計算步驟如下：

分別為樣本均值和標準差；

步驟2：使用公式（3）得到的各指標權重對無量綱化后的進行加權[33]。為表達方便，稱加權后的數據仍為；

步驟3：運用“拉開檔次法”進行二次加權。

然后，取為的最大特征值所對應的標準特征向量，即為所求權重向量[34]。

2.3 運用TOPSIS方法M行信息集結

3 網絡信息污染狀況評價

3.1 公眾遭遇信息污染的態度調查

問卷發放前期，對問卷內容經過反復討論，修改問卷題目描述。在此基礎上，經過30人的小樣本發放，進一步調整問卷表達，確保問卷題目清晰明了。問卷共包含三部分：①基本信息，包括性別、年齡、職業、周上網時長、手機系統類型；②主體部分，共21個題項；③設置開放式問題1個，即“您認為還有哪些信息也屬于信息污染？它們對您造成了什么樣的危害？”。在2016年11月至12月期間，問卷通過“問卷星”平臺和重慶地區人群最為集中的解放碑商圈進行隨機發放。

線下問卷發放前對調查員進行了必要的培訓。在問卷發放過程中，采取一對一的形式，對問卷填寫過程進行指導，使其能按照自身真實情況填寫，保證結果的可靠性。在專家指導下，共發放438份，收回有效問卷417份，有效率95.2%。本次調查涉及的被調查對象中，男性為189名，占比45.3%，女性為228名，占比54.7%。被調研對象的職業、年齡、周上網時長、手機系統類型如圖2-圖5所示：

在線問卷結果由問卷星自動統計，無缺失數據；線下問卷由兩名研究員使用EpiData3.1軟件背對背錄入，以降低錄入錯誤率，此部分問卷存在部分缺失數據且小于5%，在SPSS中采用最大期望值（expectation maximization，EM）方法進行補齊。

3.2 問卷信度和效度分析

3.2.1 信度即可靠度

經SPSS計算分析，417份問卷的信度水平較高（大于0.7為高信度），滿足探索性研究的要求。各題項的信度系數如表1所示。

3.2.2 效度即有效性

常見的問卷效度可以分為內容效度和結構效度，本研究所使用問卷的內容效度經5名專家討論通過。結構效度要求各維度下因子具有一致性，而本研究中所使用的問卷是要測量出公眾對不同類型污染信息的認知態度，因此結構效度不適用于本研究目的，故無需作結構效度檢驗。

3.3 權重計算與比較分析

從12321中心獲取到的2014年2月至2016年10月各類污染信息的統計數據（如表2所示），然后計算3種權重。

3.3.1 客觀權重的計算

先將附表中的數據按照公式（4）進行標準化處理，然后運用公式（5）構造的實對稱矩陣H（見表3），求實對稱矩陣H最大特征值對應的向量得客觀權重，見表4中第2列。

在7類染污信息中，“垃圾彩信”權重最大為0.174，而騷擾電話權重最小為0.109，這正好與公眾對各類污染信息的反感程度呈反比――對越討厭的污染分配越小的權重，使其得分越低。這也和我們的直觀感受一致，即人們通常會給不喜歡的事物較低的評價，例如人們網購時，如果對收到的網購物品不滿意，通常會就給予差評。

客觀權重在“垃圾彩信”這類污染信息上賦值較大，而在“惡意APP”上的賦值較小。這是由于這兩類污染信息的舉報數量與其他類型的污染信息存在數量級上的差異，為了讓各指標地位均等地參與評價，“拉開檔次法”對舉報數量最多的“惡意APP”指標分配了較小的權重，而對舉報數量最少的“垃圾彩信”分配了較大的權重。

3.3.2 公眾主觀權重的計算

對問卷信息集結后計算出的可能度矩陣P（見表5）。再由公式（3）計算出公眾主觀權重，如表4中第4列所示。

3.3.3 綜合權重的計算

將公眾主觀權重與標準化矩陣A加權后，再利用“拉開檔次”法二次加權，得綜合權重，如表4中第6列所示。與傳統“拉開檔次”法相比，基于統計數據得出的客觀權重得到了修

正，使得公眾最討厭的騷擾電話和垃圾短信權重略有增加，公眾詬病較少的污染信息類型的權重略有降低。除“垃圾短信”和“惡意APP”的權重分配差異較大外，其余類型的污染信息所分得的權重比較接近。即公眾對這些污染信息的直觀感受和12321中心的統計數據較為一致。而權重差異較大的兩類污染信息是垃圾短信和惡意APP。對于垃圾短信，公眾反感程度很強烈，而在統計數據上可能還存在未統計到的部分。通過訪談得知，超過五成的公眾在對垃圾信息的處理方式是直接刪除，而未選擇舉報。有些被調查者的手機上雖然安裝了手機衛士，具備攔截功能，但是垃圾短信在被攔截時，因為擔心可能有短信被誤操作，所以仍然會選擇查看，查看后也一般選擇刪除相關短信。對于惡意APP，權重分配差異較大的原因仍然是公眾的直觀感受和統計數據之間的差異。目前各類手機應用商店都和12321中心有合作，用戶在下載APP以前，大量惡意APP已經被過濾掉了，所以公眾對此類污染信息感知較少，而在12321中心的統計數據中卻大量存在。因此，在7類污染信息上的權重分配是合理的。

3.4 評價信息集結

由于參與評價的指標均為負向指標（指標值越小越好，表示污染信息越少，也稱成本型指標），故設置正理想系統為各指標標準化后的最小值，設置負理想系統為各指標標準化后的最大值。最后，用2.3節中的TOPSIS方法集結評價信息，并將其放大100倍，使得分在區間[0，100]內，更加符合日常習慣。得分越高表示網絡信息污染越少，反之，網絡信息污染越嚴重。基于改進后的“拉開檔次”法的最K結果與運用傳統“拉開檔次”法計算客觀權重得出的評價結果對比如表6所示：

表6左側是基于改進后“拉開檔次”法所得出的評價結果。在評價時間段內，從整體上看，多數時段網絡信息污染狀況評分集中在80分左右，情況不是十分理想。2016年1月和2016年8月評分較高，網絡信息污染相對較少，網絡信息環境較好；得分最低的是2015年3、4月，得分僅14.84分，其原因主要是在這一時段內的信息污染可能較為集中，而非時間跨度較大。這是因為2016年5、6月和2015年6、7月同樣時間跨度是兩個月，得分卻也與平均水平相差不大，反倒是2015年3、4月得分明顯偏低。

表6右側是基于傳統“拉開檔次”法對統計數據進行最終排名的結果。從兩種評價結果的對比可以發現，改進后的方法得出的結果評分區間范圍由[19， 96]擴大到[15，99]。整體排名差異不大，而2014年2月和2014年3月的信息污染狀況排名剛好交換了順序。好的愈好，差的愈差，改進后的方法相當于對被評價單元作了極化處理，這樣能夠更加明顯地展現出各時間段內的信息污染狀況?？梢?，改進后的算法對被評價單元具有更好的區分能力。

4 結論與展望

本文設計了公眾遭遇信息污染的態度調查問卷，基于模糊區間標度可能度對稱矩陣計算公眾主觀權重，再運用“拉開檔次”法進行二次加權，可以實現對由統計數據計算出的客觀權重的修正。運用改進后的“拉開檔次”法對2014年2月至2016年10月間的信息污染狀況進行了評價。與傳統方法相比，改進的方法擴大了評分區間，而且2014年2月和3月的評分表現剛好交換了位置。據此可以認為改進后的方法對評價單元具有更好的區分能力，更好地體現“拉開檔次”的特點。

相較以往研究，本文將公眾態度調查與統計數據相結合，更加全面地衡量了當前的信息污染狀況。整體而言，信息污染形勢相當嚴峻。運用改進后的“拉開檔次”法，多數時間段的評分在80分左右，而以2015年3、4月的信息污染最為嚴重。同時，問卷調查結果發現，公眾對7類污染信息的感知與中心的統計數據間存在較大差異。如中心統計數據顯示，“惡意APP”舉報數量顯著高于其他類型的污染信息，但我們在社會調查的過程中發現，公眾對“垃圾短信”和“騷擾電話”最為反感，遭遇惡意APP的頻率和因其而受到的損失則相對較低。造成這一現象的原因，是公眾感知與統計數據間存在差異。在“惡意APP”方面，可能是手機安全衛士軟件以及各大應用商店的相關審核措施起到了效果；而在垃圾短信方面，近五成公眾接收到垃圾信息后存在直接刪除的情況，導致部分垃圾短信無法進入12321中心統計數據；而公眾對騷擾電話最為反感的原因，可能是因為電話屬于媒介豐富度較高的溝通形式，因此騷擾電話給公眾造成的主觀印象最深，通過回答問卷的形式得到了反映。此外，“垃圾彩信”在中心統計數據和公眾反映中都處于較低水平。隨著QQ、微信等即時通訊的發展，彩信正在成為歷史，因此建議將彩信與短信類污染信息合并統計即可。

本文也存在不足之處。首先，本文主要針對第一類網絡信息污染狀況進行了評價，但在問卷調查過程中發現以微信為代表的社交工具中的信息過載問題嚴重，公眾反映較為強烈。其次，在問卷調查時，為了能夠提高問卷的可靠性，本文選擇線上和線下兩種渠道回收問卷，其中線上問卷受眾涉及全國。但由于資源限制，通過兩種渠道所獲得的樣本中，重慶地區的人群比例較大，地區特征均較為明顯。在有條件的情況下，可以考慮在全國范圍內進行分層抽樣，使人群覆蓋更廣，更具代表性。最后，在研究中僅對2016年11月至12月期間公眾遭遇信息污染的態度進行了調查。雖然從心理學的角度來說，人們對負面信息的印象更深，持續的時間更長，仍建議后續研究可以每年展開一次社會調研，以反映公眾認知的動態變化，使評價結果更加具有實效性。

參考文獻：

[1] 周慶山， 李瀚瀛， 朱建榮， 等. 信息生態學研究的概況與術語界定初探[J]. 圖書與情報， 2006（6）：24-29.

[2] 劉雪艷， 王在宇， 袁野. 基于內容分析法的網絡信息污染演變研究[J]. 現代情報， 2016（7）：45-50.

[3] 申楠， 楊琳. 復雜背景下網絡輿論引導與網絡環境治理探析[J]. 西安交通大學學報（社會科學版）， 2014（4）：96-101.

[4] 藺豐奇， 劉益. 信息過載問題研究述評[J]. 情報理論與實踐， 2007，30（5）：710-714.

[5] LIN C. Online stickiness： its antecedents and effect on purchasing intention[J]. Behaviour & information technology， 2007， 26（6）：507-516.

[6] 何仲， 張念照， 呂廷杰. 信息過載環境下網絡消費者購買意愿的形成研究[J]. 價格理論與實踐， 2013（4）：95-96.

[7] 王娜， 鄭巧偉. 微信訂閱服務中信息過載的調查與防控機制研究[J]. 現代情報， 2016（10）：47-53.

[8] 梁勞慧. 信息焦慮與信息超載下的圖書館作用分析[J]. 圖書館學研究， 2011（1）：27-29.

[9] 王娜， 任婷. 移動社交網站中的信息過載與個性化推薦機制研究[J]. 情報雜志， 2015（8）：190-194.

[10] 王娜， 陳會敏. 泛在網絡中信息過載危害及原因的調查分析[J]. 情報理論與實踐， 2014（11）：20-25.

[11] 王娜， 田曉蒙. 大眾分類法對信息過載的影響及優化策略研究――以豆瓣網為例[J]. 現代情報， 2016（9）：74-81.

[12] 王又然. 社交網絡站點社群信息過載的影響因素研究――加權小世界網絡視角的分析[J]. 情報科學， 2015（9）：76-80.

[13] 高錫榮， 張紅超. 海量文本信息的價值評估模型及算法――以新浪微博為例[J]. 情報雜志， 2016（6）：151-155.

[14] w靜嫻. 網絡交易垃圾評論智能識別研究[J]. 現代情報， 2016（4）：57-61.

[15] 夏日， 程剛. 信息污染指標體系的構建研究[J]. 情報理論與實踐， 2005（6）：34-37.

[16] 夏日. 信息污染測度指標體系的構建研究[J]. 情報理論與實踐， 2009（11）：42-45.

[17] 夏日，程剛.信息污染源樣本數據采集方法研究[J]. 情報理論與實踐， 2008（2）：275-278.

[18] 程艷林. 網絡信息污染程度檢測模型初探[J]. 新聞愛好者， 2009（18）：119-120.

[19] 謝友寧， 鈕欽. 農村信息化背景下的信息污染災害風險評估[J]. 浙江農業科學， 2013（1）：109-112.

[20] 陳桂香. 大學生遭遇信息污染的現狀調查研究[J]. 教育教學論壇， 2014（53）：103-104.

[21] HSU T H， HUNG L C， TANG J W. A hybrid ANP evaluation model for electronic service quality[J]. Applied soft computing， 2012， 12（1）：72-81.

[22] WU Y， FENG G， WANG N， et al. Game of information security investment： impact of attack types and network vulnerability[J]. Expert systems with applications， 2015，42（15）：6132-6146.

[23] 朱光， 豐米寧， 陳葉， 等. 大數據環境下社交網絡隱私風險的模糊評估研究[J]. 情報科學， 2016（9）：94-98.

[24] 郭海濱， 鄭丕諤. 防治互聯網信息污染的知識管理概念模型研究[J]. 情報雜志， 2006（10）：84-87.

[25] 張悅， 石超， 方來華. 基于FMEA和HAZOP的綜合分析方法及應用研究[J]. 中國安全生產科學技術， 2011（7）：146-150.

[26] 王沙婷， 梁工謙. 面向產品再制造的改進QFD和FMEA的集成研究[J]. 軟科學， 2011（5）：61-64.

[27] 徐澤水， 達慶利. 基于模糊語言評估的多屬性決策方法[J]. 東南大學學報（自然科學版）， 2002（4）：656-658.

[28] 白先春， R晉. 一種基于模糊語言評估的多屬性決策方法[J]. 運籌與管理， 2006（2） ：50-52.

[29] XU Z S， Da Q L. The uncertain OWA operator[J]. International Journal of Intelligent Systems， 2002， 17（6）：569-575.

[30] SENGUPTA A， PAL T K. On comparing interval numbers[J]. European journal of operational research， 2000， 127（1）：28-43.

[31] 徐澤水. 模糊互補判斷矩陣排序的一種算法[J]. 系統工程學報， 2001（4）：311-314.

[32] 郭亞軍. 一種新的動態綜合評價方法[J]. 管理科學學報， 2002（2）： 49-54.

[33] 王蕾， 楊力. 基于粗糙集和拉開檔次法的煤礦本質安全管理評價模型[J]. 中國礦業， 2015（11）：16-20.

[34] 郭亞軍. 綜合評價理論、方法及應用[M]. 北京： 科學出版社， 2007.

作者貢獻說明：

萬曉榆：擬定論文框架，修改論文；

王在宇：論文撰寫，數據建模與分析；

蔣 婷：問卷發放，數據采集。

Research on the Evaluation Model for Network Pollution Status Based on Fuzzy Linguistic Assessments and the Scatter Degree Method

Wan Xiaoyu， Wang Zaiyu， Jiang Ting

School of Economics & Management， Chongqing University of Posts and Telecommunications， Chongqing 400065