《Risk Analysis》：How Can Multi-Criteria Portfolio Decision Analysis Help Mitigate Mis/Disinformation?
编辑推荐：
在本论文中，研究人员考察并阐述了多准则组合决策分析（multi-criteria portfolio decision analysis）作为应对错误/虚假信息风险的一种方法的相关性。在总结这些方法的代表性应用之后，研究人员借鉴芬兰COVID-19科学专家组（
在本论文中，研究人员考察并阐述了多准则组合决策分析（multi-criteria portfolio decision analysis）作为应对错误/虚假信息风险的一种方法的相关性。在总结这些方法的代表性应用之后，研究人员借鉴芬兰COVID-19科学专家组（Finnish COVID-19 Science Panel）开发的社会韧性框架，详细阐述了可用于缓解错误/虚假信息的一系列能力，例如通过保持警觉性、实施风险管理行动以及与利益相关方互动以提升认知。随后，研究人员展示了一个数值案例研究，该案例说明了如何将多准则组合决策分析与用于建模投票行为及错误/虚假信息传播的概率方法（probabilistic approaches）相结合，以识别由风险管理行动组合构成的成本高效策略。最后，研究人员讨论了错误/虚假信息所带来的若干挑战。
错误/虚假信息（mis/disinformation）的制造、传播、采纳和使用已成为现代社会日益严重的威胁。社交媒体平台加速了信息传播，但验证信息真伪却因缺乏透明度和可信来源而愈发困难。芬兰在21国调查中具有最高平均求真得分，其政府2025年发布的《未来报告》将错误/虚假信息视为民主与制度信任下降的主要驱动因素，并指出人工智能系统可能威胁制度独立性，信息环境已成为地缘政治竞争的核心舞台。应对这一系统性挑战需要协调监管、教育、技术和社会等多部门政策，并跨越国际、国家、区域组织及地方社区和公民个人多个层面。然而，传统风险管理方法通常聚焦于单一行动，忽略了行动之间的相互依赖关系；有效的风险缓解策略往往需要多个行动的组合。因此，研究人员提出将多准则组合决策分析与错误/虚假信息传播模型相结合的系统方法，以识别成本高效的风险管理策略组合。
研究人员采用的主要方法包括：基于多属性价值理论（multi-attribute value theory, MAVT）的加性价值函数，用于综合多个准则并评估策略的整体价值；组合决策分析（portfolio decision analysis）用于在资源约束下选择行动组合；独立级联模型（independent cascade model）模拟错误/虚假信息在网络中的传播；β分布（beta distribution）建模选民的投票行为，并通过调整似然比刻画教育行动的影响；蒙特卡洛模拟估算各策略在成本、被误导选民概率和许可否决概率三个目标上的期望后果；Pareto最优性用于筛选非支配策略。案例研究基于与芬兰当局合作开展的、为准备全国议会选举而进行的真实情景分析（来源于“Adversarial Risk Analysis for Impact Assessment”研究项目，由芬兰国防科学顾问委员会资助）。
**多准则方法**：研究人员强调了多准则决策分析（multi-criteria decision analysis, MCDA）的价值，特别是基于多属性价值理论（MAVT）的加性模型。该模型将决策者偏好量化为一组准则上的得分和权重，其中权重表示将某准则从最差水平改进到最优水平所获得的额外价值贡献。尽管该模型是补偿性的，但研究人员指出，多准则方法的主要价值并不限于产生严格排序，更在于构建系统化、透明的决策过程，提升决策质量并促进集体学习。
**应对错误/虚假信息的多准则方法应用**：研究人员综述了若干代表性工作。Komendantova等提出了评估社交媒体反误导工具的决策分析框架，发现不同文化和利益相关方偏好会影响工具选择。Abrar等通过多语言文献综述和层次分析法（analytic hierarchy process, AHP）识别假新闻检测中的可信度因素。Bajpai和Chaturvedi将MCDA与流行病扩散模型结合，扩展易感-感染-恢复（susceptible-infected-recovered, SIR）模型以建模谣言传播并选择可信节点。da Costa等设计了评估反假新闻对策的结构化框架。Ganin等提出量化网络风险三个核心组成（威胁、脆弱性、后果）的MCDA模型。这些应用表明多准则方法在系统评估行动方面具有潜力，但通常局限于单个行动，未能充分处理行动间的组合效应。
**社会韧性能力框架**：基于芬兰COVID-19科学专家组开发的框架，研究人员提出四个能力支柱：I保持前瞻警觉性（维持信息资源和弱信号检测）、II制定决策过程（将信息整合入结构化决策）、III实施风险管理行动（有效执行与动态调整）、IV与利益相关方互动（多向沟通促进参与）。这些支柱可以作为清单确保风险行动充分覆盖各维度，但该框架并非补偿性的MAVT模型，因为某些能力缺失无法由其他能力弥补；它更适合作为多准则映射工具，促进对复杂问题的共享理解。该框架与政府未来报告中的许多对策呼应，如提高公民识别能力、前瞻性监管、数据保护和媒体素养教育。
**案例研究：缓解虚假信息对投票的影响**：案例设定一个由17名选民组成的市政委员会，通过多数票决定是否发放有争议生产设施的许可。三个社交平台之一（各1/3概率）将被虚假信息攻击，可能改变投票结果。风险行动包括三级监控、二元隔离和三级教育，共构成162种策略。通过蒙特卡洛模拟估计策略后果，发现仅11种Pareto最优策略。分析表明，仅靠教育行动无法将许可否决概率降至0.5以下；必须组合监控与隔离，且同时紧密监控平台1和3并隔离被攻击平台效果显著。即使实施全部行动（成本18），否决概率也不能恢复到基线水平0.428，因为监控并非完全可靠。使用等权重加性价值函数，策略#9（紧密监控所有平台并隔离，不提供教育）具有最高整体价值，成为推荐策略。敏感性分析显示，若大幅改进教育效果并降低对“被误导选民”准则的权重，教育为主策略可被推荐。该案例展示了多准则组合决策分析如何揭示行动间的相互依赖，并支持投资规划。
**讨论**：研究人员讨论了系统性方法的优势，即认识行动组合与相互依赖。案例中仅考虑单一平台攻击，现实可扩展到多样情景，但情景数量巨大，需用多准则方法辅助筛选。模型参数可从数据分析和结构化专家判断中估计，但应避免过度复杂化。文献中许多应用忽视决策理论的理性公理（如偏好传递性和无逆序），而MAVT和多属性效用理论（multi-attribute utility theory, MAUT）具有坚实的公理基础，其参数含义明确，因此更值得推荐。
**结论**：错误/虚假信息构成复杂系统性风险，削弱证据基础的决策和民主治理。与传统物理风险不同，其传播具有递归性和行动者依赖性，且当权者可能参与传播，因此不能简单视为外部威胁。多准则方法通过提高决策过程的可追溯性、透明度和利益相关方参与，有助于促进问责制，降低浅薄或任意决策的风险。多准则组合决策分析能够纳入广泛的技术和社会准则，支持超越单一选项的平衡政策组合。研究人员呼吁进一步开展将此类方法与其他分析工具整合的方法论和应用研究。
