K8凯发(中国)天生赢家·一触即发

辽宁社科院陈东冬
栏目:k8凯发集团 发布时间:2026-03-10
 随着“数字中国”战略的深入推进,大数据算法作为一种新型权力载体,已深度嵌入政治安全治理全过程。算法重塑政治安全的内涵与形态,政治安全疆域从物理空间拓展至数字主权空间,安全内容从政权安全深化至认知安全,安全主体从国家主导扩展至多元协同,安全形态从静态防御转型为动态治理。算法通过数据驱动、智能决策与协同治理等运行机理,赋能政治安全治理的精准感知、科学施策与多元共治,推动其从传统经验驱动向现代技术赋

  随着“数字中国”战略的深入推进,大数据算法作为一种新型权力载体,已深度嵌入政治安全治理全过程。算法重塑政治安全的内涵与形态,政治安全疆域从物理空间拓展至数字主权空间,安全内容从政权安全深化至认知安全,安全主体从国家主导扩展至多元协同,安全形态从静态防御转型为动态治理。算法通过数据驱动、智能决策与协同治理等运行机理,赋能政治安全治理的精准感知、科学施策与多元共治,推动其从传统经验驱动向现代技术赋能转型。然而,算法亦诱发多重政治安全风险:数字主权层面,算法霸权通过技术垄断与规则压制侵蚀国家数字主权;意识形态层面,算法操纵引发认知异化,动摇社会共识基础;社会政治稳定层面,算法歧视、权力滥用等问题会激化社会矛盾;技术自主性层面,算法黑箱与伦理失序现象会导致治理失灵甚至技术反噬。为此,亟须构建融制度规制、技术攻坚、伦理内嵌与多元协同于一体的综合性治理体系,精准防范化解算法时代的政治安全风险,为数字时代国家安全筑牢坚实屏障。

  政治安全是新时代国家安全的生命线,习深刻指出:“要把维护国家政治安全特别是政权安全、制度安全放在第一位。”这一重要论述不仅确立了政治安全在整个国家安全体系中的核心地位和最高层次,更从战略层面为数字时代政治安全治理工作提供了根本遵循与行动指南。随着“数字中国”战略的深入推进,大数据、人工智能、云计算等数字技术加速迭代,深刻重塑社会结构、权力关系与治理模式,推动人类社会加速步入以数据驱动为关键特征的数字文明新阶段。在此进程中,算法作为数据采集、分析、处理与应用的核心引擎,已从传统的辅助性技术工具,跃升为数字社会运行的基础性架构与重要支配力量,成为影响政治安全的关键变量,对主权安全、政权安全、制度安全和意识形态安全产生系统性影响。

  算法是“智能社会科技发展的核心驱动力,作为一种精确而有序的计算方法,可以用来处理数据、执行计算、解决逻辑问题,推动人工智能、大数据分析、机器学习等领域的发展”。随着我国数字政府建设与治理数字化转型的深入推进,算法在政治系统中的嵌入程度将进一步加深。一方面,算法赋能的智慧治理能够快速响应社会诉求、高效处置风险事件,为巩固政治秩序与社会稳定提供技术支撑,“在提升社会经济运转效率和国家治理效能的同时,也重构着市场秩序与治理体系,深刻地影响着国家与社会、技术与社群之关系的演变”;另一方面,算法的异化应用也催生了新型政治安全风险,呈现显著的“双刃剑”效应。技术优势国家借算法主导的平台垄断推行数字霸权,通过跨境数据流动利用“数据欺骗”干扰政治决策;算法推荐机制引发的“信息茧房”与“认知极化”,加剧社会共识困境与群体对立;深度伪造、算法造谣等技术被用于干扰政治进程,通过长期的舆论引导从内部侵蚀甚至瓦解他国的执政基础。这些现象表明,算法已深度嵌入政治安全的各个环节,其影响不再局限于技术层面,而是渗透至权力运行、制度运作与价值建构的核心领域。

  在这种背景下,如何统筹技术赋能与安全风险,构建兼具安全性与发展性的算法治理体系,成为亟待破解的重大时代课题。这就需要深入剖析算法环境下政治安全的内涵拓展与形态演变,厘清算法作用于政治安全的关键路径与作用机制,识别不同层次的风险类型与发生逻辑,进而提出系统性、针对性的治理方案。既有研究对算法与政治安全的关联已开展多视角的探索,部分研究聚焦算法技术风险,如算法偏见、算法黑箱等对社会公平与公共利益的影响;另有研究关注算法在单一领域的安全影响,如算法对意识形态传播、网络政治参与的作用等。总体而言,既有研究对算法作用于政治安全的内在机理缺乏系统性解构,尤其在技术赋能与风险传导的逻辑链条、多主体协同治理路径等方面存在研究缺口。基于此,本文立足总体国家安全观,系统剖析大数据算法对政治安全的多维影响机理,着力厘清算法赋能与政治安全风险之间的内在张力,进而探索适配数字时代特征的治理路径。

  在数字文明加速演进的背景下,政治安全的传统边界与内在逻辑正在被算法技术深度重塑。算法不仅作为工具嵌入政治系统运行的各环节,更通过重构信息传播格局、权力作用方式与社会互动模式,推动政治安全的疆域、内容、主体与形态发生系统性拓展。这并非对传统政治安全的颠覆,而是在数字技术赋能与风险的双重作用下形成包含物理空间与数字空间、实体安全与认知安全、国家主导与多元协同、静态防御与动态治理的复合型安全体系。厘清这一拓展逻辑,是理解算法时代政治安全本质特征、识别新型政治安全风险的前提与基础。

  传统政治安全的疆域界定以物理领土为核心,聚焦于维护国家主权在地理边界内的完整性与排他性,防御对象多为领土主权侵犯、政权颠覆、军事干预等有形威胁。算法技术的突破性发展,驱动数字空间崛起并催生出“数字主权”这一新型安全疆域。从概念内涵来看,数字主权是指“国家对数字空间的最高统治权,数字主权安全指国家数字主权不受侵害,以国家在数字领域的管辖权、独立权、平等权及防卫权不受侵害为标志,由数字事务管辖能力、数字规则主导能力及数字防卫能力来保障”。在这一新型安全疆域中,国家成为数字规则制定的主导者、管辖权的行使者与安全责任的承担者,构建出一个具有排他性治理结构的虚拟主权空间。算法作为数字空间的核心运行载体,承载着数据资源配置、信息传播逻辑与社会认知建构等关键要素,其控制权直接关系到数字主权的稳固程度,成为国家主权行使的重要新场域。算法时代,政治安全形成“物理领土+数字主权空间”的双重格局,维护政治安全需在坚守传统物理疆域主权的基础上,高度重视数字空间的主权维护和能力建设,构建以数据主权和算法自主为核心的数字疆域保障体系,防范算法霸权对国家主权的隐性侵蚀。

  传统政治安全聚焦于政权稳定、制度安全、军事防御和领土完整等实体性安全要素,重点保障国家政权的合法性、稳定性与政治制度的存续性。随着算法技术渗透社会认知领域,政治安全内容边界持续拓展,认知安全成为政治安全体系的重要维度。所谓认知安全,是指“国家认知主权、认知资源、认知秩序等要素相对处于没有危险和不受内外威胁的客观状态,以及保障持续安全状态的能力”。算法通过个性化信息推送、精准内容传播等机制,参与社会认知的建构过程,使认知领域的稳定成为政权与制度安全的重要支撑。研究指出,“借助生成式AI并运用‘算法+情感’技术,调动敌方情感以影响其认知决策已成为现实可行的认知对抗方法”,这反映出算法不仅重塑信息环境,更已成为国家间认知博弈的重要工具。在此背景下,政治安全的防御重心从单纯保障政治实体的物质存在,扩展到维护社会共识、价值认同和意识形态安全等层面的系统性维护。认知安全的核心在于确保社会成员对国家政治体系的理解和认同保持相对稳定,防范算法偏见引发的认知扭曲、共识瓦解与意识形态渗透,认知领域的安全防御成为算法时代政治安全不可缺失的重要维度。

  传统政治安全的维护主体结构建立在国家中心主义范式基础上,以各级政府机构为核心行动者,通过行政管控、法律规制和军事防御等制度化手段实施安全保障,社会力量多处于被动参与或配合地位。算法技术的普及与应用,打破了国家对政治安全维护的单一主导格局,使政治安全主体从国家主导的一元结构,转变为由国家、市场与社会力量共同构成的多元互动主体结构,不同主体在政治安全治理中承担差异化且互补的角色。国家仍是政治安全的主导者,制定算法安全战略、完善算法规制体系,承担数字主权维护与整体安全统筹的核心责任;市场层面的科技企业作为算法技术研发与应用主体,通过技术赋能提升国家治理效能,是政治安全维护的重要协同力量;社会层面的公民个体与社会组织,借助算法平台获取信息与表达渠道,成为政治安全感知与参与的基础力量。多元主体通过优势互补和协同配合,构建起更立体、全面的安全防护网络,推动共建共治共享治理格局的形成。

  传统政治安全多呈相对静态的防御形态,侧重于通过制度约束、物理边界和层级化管控来构建安全防线。随着算法技术的深度介入,政治安全形态从静态防御转向强调实时监测、敏捷响应与前瞻预判的动态治理。这一转型体现在3个方面:一是风险识别的实时化与精准化。治理主体可借助大数据算法对海量信息进行动态扫描,实现对潜在政治安全风险的早期发现、智能研判与趋势预测,推动安全应对从被动响应转为主动预警。二是决策执行更注重敏捷适应与动态优化。面对算法迭代催生的风险形态变化,在治理实践中需构建弹性规制框架,及时调整政策参数、技术标准与行为准则,弥补传统规则修订的滞后性问题。三是体系构建强调多元协同与系统韧性。通过构建多元主体协同、线上线下联动、国内国际协调的治理网络,形成持续完善、自我调整并有效抵御不确定性风险的韧性结构。

  算法对政治安全的赋能,本质上是将技术逻辑系统性嵌入国家治理逻辑的过程,通过数据驱动、智能决策与协同治理三大核心机理,重构政治安全的认知模式、响应机制与治理结构,形成一个从“精准感知”到“科学施策”、再到“多元共治”的闭环赋能体系,最终推动政治安全治理从传统经验驱动向现代技术赋能转型。

  数据驱动机理的核心在于,通过算法对多源异构数据的采集、融合与深度挖掘,将原本分散、模糊、滞后的安全信息,转化为整体、清晰、实时的安全态势,从而破解传统政治安全风险识别中“信息碎片化”“响应滞后化”的困境,实现治理从被动处置向主动预警的根本性转变。

  第一,全维度数据采集与安全态势画像构建。算法依托物联网、社交媒体、政务信息系统以及跨境数据通道等多源接口,可实时采集、清洗和关联海量结构化与非结构化数据。后者涵盖网络舆情、经济运行指标、社会情绪动态、跨境数据流动轨迹等诸多方面。这一过程通过跨部门、跨层级、跨地域的数据融合分析,构建起全景式的政治安全数据图谱,不仅能够从宏观层面反映国家政治安全的整体态势与结构特征,还能在微观层面捕捉特定区域、群体或事件中的异常信号、风险传导路径与潜在联动效应。通过对多维数据的持续挖掘与智能研判,大数据算法可以为决策者提供从早期识别、趋势预测到制定策略的全链条数据支撑,从而提升政治安全治理的预见性、精准性与系统性。

  第二,隐性风险关联的深度识别与分析。传统政治安全风险识别多依赖经验判断,难以有效识别复杂系统中的隐性关联,而算法通过模式识别、自然语言处理、情感分析等技术手段,能够从海量数据中辨识风险要素之间的潜在联系,实现对潜在安全风险的早期发现与精准诊断。如通过时序分析,算法追踪敏感议题的传播轨迹,预判其演变为件的可能;运用聚类算法对网络言论进行分类,识别境外势力利用社交机器人散布虚假信息的传播模式;借助风险预测模型整合经济、社会、舆情等多维数据,评估政策调整可能引发的政治稳定风险。这种基于数据关联与模式挖掘的分析方式,突破了传统依赖个案经验判断的局限性,显著增强了政治安全风险感知的敏锐度。

  第三,实时数据反馈与安全决策优化。算法通过构建实时数据反馈闭环,对政治安全风险的演化趋势进行模拟推演与概率预测,并以可视化方式呈现安全态势,实施分级预警。当监测到某一地区舆情热度异常上升时,将自动触发预警机制并推送至相关部门;在政策执行过程中,通过分析公众反馈数据及时优化政策细节,避免因政策偏差引发社会不满情绪;针对跨境数据流动中的主权风险,利用实时监测算法识别数据异常传输,防范核心政治数据被非法窃取,为决策者提供实时、立体、动态的安全形势判断依据。这种基于实时数据流的动态反馈机制,极大提升了政治安全治理的响应效率与精准度。

  算法通过对治理方案的模拟、推演与优化将数据优势转化为决策支持,辅助决策者突破有限理性的局限,推动政治安全治理从经验驱动向数据驱动转型。这一机理聚焦于解决传统政治安全决策中“信息不对称”“资源错配”等问题,系统提升政治安全治理的科学性与精准性。

  其一,多场景仿真推演降低决策试错成本。算法依托大数据构建政治安全决策的仿真模型,在虚拟环境中模拟不同治理方案的实施路径与效果,为实际决策提供风险评估依据。面对可能诱发政治安全风险的重大突发公共事件,可通过系统动力学算法模拟不同防控策略对政治稳定、社会秩序、国际舆论的多方面影响,筛选出最优方案。此类仿真推演拓展了决策的预见能力,有助于在现实决策前识别并排除高风险方案,有效降低决策试错成本,避免因决策不当引发的政治安全风险。

  其二,多目标优化算法平衡安全与发展诉求。政治安全治理往往需要在安全、发展、效率、权力等多重价值目标间进行权衡。算法通过多目标优化模型,能够将抽象的价值冲突转化为具有可操作性的约束条件与目标函数。如在数据跨境监管中利用帕累托优化算法,制定分级分类的数据出境规则,既确保核心政治数据的安全底线,也为合规数据的跨境流动预留制度空间。算法的多目标优化能力是实现“向善治理”的技术基础,推动政治安全治理从单向管控向协同共治转型。

  其三,分布式决策算法增强治理响应的适配能力。算法通过分布式决策模型,将部分决策权限下沉至基层治理单元,同时保持整体治理的协同性。在基层社会治理中,利用联邦学习算法使社区治理平台在不共享原始数据的前提下,协同分析辖区内的政治安全风险,实现“分布式预警、集中式处置”;在网络意识形态治理中,通过边缘计算算法使地方舆情监测节点实时处理本地数据,快速响应区域性风险,同时将重大风险信息上传至省级或国家级平台,形成“基层响应—上级统筹”的分级决策体系。算法的分布式决策能力增强了政治安全治理的纵向适配能力,实现全域统筹与区域自主的有效结合。

  协同治理机理以算法为技术纽带,通过重塑信息流动与行动协调模式,破解“主体分散”“社会参与不足”等问题,推动构建国家主导、市场协同、社会参与的治理共同体,凝聚最广泛的国家安全共识。

  首先,算法促进治理主体间的信息共享与行动协同。借助区块链、联邦学习等隐私增强技术,算法能够在保障数据安全与主权的前提下,打通政府部门、平台企业、社会组织之间的数据壁垒,构建安全可信的信息共享机制。基于共享数据池,算法可协助不同主体清晰界定自身在风险防控链条中的责任与角色,并为其提供协同行动的指令建议或接口标准,在反制网络认知攻击时,实现权威部门、媒体平台与民间辟谣力量的同步响应与行动协同,形成治理合力。

  其次,算法助力治理资源的精准配置与调度。面对治理资源的有限性,算法能够通过需求预测与优化分析模型,实现对不同区域、不同领域间治理资源的科学调配,破解传统资源分配中的主观性与分散性问题。通过分析评估各地区的政治安全风险指数与社会脆弱性,算法能够为治理主体提供数据驱动的决策支持,将监测、宣传、干预等治理资源优先投向高风险领域与薄弱环节,从而在整体上提升治理资源的利用效率与应对能力。

  最后,算法搭建社会力量的参与渠道,凝聚安全共识。算法平台为公众提供了风险信息上报、政策意见反馈、安全知识学习等功能接口,帮助其将分散的社会感知力转化为系统性的政治安全预警能力。借助算法的可视化呈现与互动机制,公众对政治安全复杂性的认知得以深化,辨识与抵御风险的能力获得提升。这不仅是一个技术赋权过程,更是一种有效的社会动员方式,有助于强化全社会维护政治安全的共同责任与集体认同,巩固政治安全的社会基础。

  算法在通过数据驱动、智能决策与协同治理等机理赋能政治安全治理的同时,其内在的技术逻辑、资本属性与权力特征之间存在结构性张力:当数据采集突破合规边界、技术理性压制价值判断、多元协同缺乏有效制衡时,原有的赋能机理便会发生异化,并通过“数据—算法—应用”的传导链条催生新型风险。这些风险具有系统性、耦合性与动态传导性特征,主要呈现为数字主权风险、意识形态风险、社会政治稳定风险与技术自主性风险等样态,共同构成了算法时代政治安全面临的系统性挑战。

  在算法主导的数字时代,国家主权的行使范围与实现方式被深刻重塑,算法霸权凭借技术垄断与规则主导权,对传统主权边界与新兴数字主权构成双重侵蚀,形成兼具显性干预与隐性渗透的主权风险。这种风险的本质,是技术优势国家或跨国科技巨头通过算法控制将自身意志转化为数字空间的准规则,挤压他国主权行使空间,甚至动摇国家主权的核心根基。

  第一,算法技术依赖危及国家技术主权安全。当前全球算法核心技术体系呈现高度不对称的“中心—边缘”结构,关键技术如深度学习框架与高端芯片被少数国家与平台垄断,通过科技巨头在全球算法服务市场形成支配地位。这种技术差距导致发展中国家陷入路径依赖困境,面临双重风险。一是安全可控性缺失。目前ChatGPT等新型人工智能得以运行的大模型多被在算法、数据、算力、场景应用等方面占据优势的少数超级平台所垄断,行业进入门槛高,在相关技术壁垒的辅助下容易形成相对封闭的技术生态或技术霸权,并容易侵蚀其他国家的政治伦理、政治话语偏好,进而可能导致国家主权安全问题。2013年“斯诺登事件”已揭示美国情报机构利用技术优势通过算法后门、数据截留、远程干预等手段大规模监控他国的事实,直接威胁他国政权与制度安全。二是发展自主性受制。掌握算法优势的国家或跨国科技巨头能够通过平台垄断、数据跨境等手段,推行数字殖民、掠夺数据资源,不惜将自身拥有的先进数字技术军事武器化,开启了数字帝国主义在各国网络虚拟空间的“数字圈地”和数字殖民,更通过输出内置的价值观与政治偏好,潜移默化地影响他国的政治伦理与决策自主性。

  第二,数据跨境流动挑战国家数据管辖能力。算法的高效运行依赖于大规模数据训练和全球化数据流动,这不可避免地会与一国数据主权发生冲突。在算法驱动的跨境数据洪流中,数据跨境流动所蕴含的风险贯穿于数据收集、传输、再利用的全环节,数据资源的跨境流动会使数据被泄露的风险呈指数增加。一是政治数据泄露风险。发达国家通过算法平台的全球化布局,大规模采集、分析甚至垄断发展中国家的战略性数据资源,其中涉及国家政治决策、意识形态等敏感数据,经算法加工后转化为“战略资产”,解构出国家机密信息并传输至境外,危及其他国家政治安全。二是数据管辖权冲突风险。各国数据管辖规则存在显著差异,算法企业的跨境数据行为常陷入合规困境,也为他国以“数据合规”为由干涉内政提供借口。

  第三,规则主导权争夺挤压国家治理自主空间。全球算法治理规则制定已成为大国战略竞争的新焦点,掌握算法优势的国家往往将自身利益嵌入国际规则制定之中,通过“长臂管辖”“标准输出”等方式将算法监管规则转化为地缘政治工具,侵蚀他国立法主权与监管自主权。例如,欧盟通过《人工智能法案》确立了基于风险分级的监管模式,美国则依托“印太经济框架”“芯片四方联盟”等技术联盟推广其算法标准。这种“规则霸权”使发展中国家面临严峻的规则适配困境,由于技术和话语能力不足,难以深度参与核心规则制定;被迫接受的规则常与本国政治制度、文化传统和发展阶段不相容,导致治理效能下降。规则主权一旦丧失,国家将在数字空间治理中陷入结构性被动,其政治安全保障能力被削弱。

  意识形态安全是政治安全的核心组成部分,它不仅关乎国家价值体系与思想观念的稳定存续,更对政权安全具有根本性、基础性的支撑作用。哈贝马斯指出科学技术就是意识形态,原因在于科学技术正发挥着超越技术本身的意识形态功能,蕴含在科学技术中的合理性成了新的意识形态的灵魂。算法借助技术中立的伪装,通过重构信息传播格局与公众认知模式,将特定价值倾向嵌入信息生产、分发与交互全过程,引发认知异化、共识瓦解与主流价值观边缘化的深层危机。

  首先,信息茧房加剧社会认知分裂。算法推荐系统基于用户偏好进行个性化内容推送,在提升信息匹配效率的同时,极易将个体封闭于同质化的“信息茧房”之中。“算法精准化和公式化的信息推送加剧了同质化信息的链接与用户固有价值观的偏执,社会群体之间的价值分化和价值区隔日趋明显,这为凝聚社会价值共识带来了前所未有的挑战。”长期沉浸于定制化的信息环境中,社会成员接触多元观点和事实全貌的机会锐减,不同群体陷入“认知孤岛”,对话基础被瓦解。长此以往,主流意识形态的整合功能被削弱,社会将面临碎片化与认知极化的风险,全社会共同的思想基础可能会受到冲击。

  其次,深度伪造技术冲击意识形态信任基础。算法驱动的深度伪造技术可低成本生成虚假的图像、音频、视频等内容,其风险已从娱乐领域延伸至政治领域。“部分利益主体将深度伪造等人工智能技术运用到诸多灰色产业之中,以用更隐蔽、成本更小的方式来规避可能需要承担的政治责任,进而试图在敏感领域达到他国社会分裂、政局动荡等政权打击效果。”例如,通过深度伪造技术制作他国领导人不当言论的视频并在网络传播,引发公众对政治人物的质疑;伪造“政策失误导致民生问题”的虚假新闻来动摇公众对政权的信任。此类技术的泛滥会使公众陷入“真实性危机”,一旦蔓延,将直接侵蚀公众对政治人物、政府机构乃至整个政治系统的信任根基,从源头上冲击意识形态安全的思想防线。

  最后,算法操纵干预意识形态传播与政治叙事。大数据算法通过隐蔽地设置政治议程、放大特定情绪、重构政治叙事框架等方式,引导舆论走向,形成一种新型的、难以察觉的意识形态干预工具,影响公众的政治认知与价值判断。西方国家将算法作为意识形态渗透工具,通过贬低社会主义意识形态、宣扬资本主义意识形态,将“西式民主”描绘为“救世良方”,把西方价值标准说成是“普世价值”,强行向他国灌输推销资产阶级思想、文化与制度。他们还通过算法技术大肆推送“意识形态终结论”“意识形态中立论”等错误价值观,对我国主流意识形态造成极大冲击。这种算法驱动的操纵具有隐蔽性、精准性特征,使意识形态渗透更难防范,直接威胁国家政治安全。

  社会政治稳定是政治安全的基础,核心是维护社会秩序与政治系统的平稳运行。算法技术有助于优化资源配置、提升治理效率,但倘若其内在的技术逻辑与资本逻辑交织,可能引发社会资源分配失衡、公共权力异化与社会秩序震荡,对社会政治稳定构成直接威胁。这种风险的核心在于,算法的工具理性过度膨胀,挤压价值理性空间,导致社会公平正义受损、公众获得感下降,进而削弱政治秩序的社会基础。

  其一,算法歧视加剧社会结构性矛盾。算法并非价值中立的技术工具,其训练数据中潜藏的历史偏见、开发者的主观倾向以及资本逐利逻辑的嵌入,可能导致算法输出带有歧视性结果,固化甚至放大社会结构性矛盾。在资源分配领域,算法决策被广泛应用于就业招聘、信贷审批、公共服务供给等场景,若算法模型中隐含性别、种族、地域或阶层偏见,可能导致特定群体被系统性排斥;在政治参与领域,算法对特定群体、区域的数字排斥,如老年人因不熟悉智能算法平台而无法便捷参与政务互动、偏远地区因算法资源匮乏难以有效表达政治诉求,会削弱部分公众对政治系统的认同感与信任感,动摇政治稳定的社会根基。这种“算法偏见”不仅直接侵害个体权利,更会固化和加剧原有的社会结构性矛盾,导致被歧视群体产生相对剥夺感和对政治系统的不满,侵蚀政治稳定的社会根基。

  第二,算法权力滥用激化社会矛盾。大数据平台凭借对数据与算法的垄断,形成超越传统市场权力的私人治理权力,且这种权力呈现“非对称性”,平台掌握算法规则制定权与数据控制权,用户与劳动者处于弱势地位。为追求利润最大化,平台可能滥用算法权力,通过算法实施“大数据杀熟”、压制劳动者权益或进行不正当竞争。这些行为直接激化了平台与用户、劳动者及社会公众之间的矛盾,由此引发的经济社会冲突极易向政治领域传导,公众可能将矛盾归咎于政府监管不力,进而质疑现行制度的合理性,削弱政治系统的社会支持基础。

  第三,算法煽动加速风险舆情跨域传导。算法的热点发现、流量推送和情感放大机制,加速了政治舆情的传播速度和烈度,使局部、微小的事件迅速演变为全国性舆情风暴,甚至诱发线下件。其风险传导具有三大特征:一是内容偏向性。算法平台为追求流量,会优先推送冲突性、情绪化内容,极端言论、仇恨情绪因而更容易获得广泛传播,刺激公众情绪极化。二是主体工具化。网络水军、社交机器人通过算法批量生成、传播虚假信息与煽动性言论,人为制造舆论热点,操纵公众认知。三是地域突破力。算法的跨境传播能力使局部风险突破地域限制,演变为区域性甚至全域性政治危机。这种“算法+舆论”的风险传导模式,大幅缩短了风险爆发的窗口期,增加了政府风险处置的难度,如果处置不当,由此引发的政治决策失败或政治失灵,常会导致社会秩序紊乱并诱发政治流言、政治谣言,加剧政治安全风险。

  随着算法自主性与复杂度的不断提升,其运行逻辑的不可解释性、决策结果的不确定性以及伦理边界的模糊性日益凸显,形成“算法失控”风险。这种风险已超越纯粹的技术范畴,深入影响公共治理的合法性、责任性与价值正当性,对政治安全的制度基础构成结构性威胁。

  首先,算法黑箱引发决策可信性危机。复杂算法模型的决策过程往往不具备可解释性,其内在逻辑隐藏于多层参数与非线性关系中,形成“算法黑箱”。随着算法被广泛应用于税收征管、公共安全、司法裁判等治理场景中,这种不透明性对程序正义和决策透明度构成严峻挑战。公众往往通过算法决策结果与实际场景的偏差感知到算法黑箱的存在,而算法开发者与应用者对决策逻辑的解释缺位,进一步强化了“技术不透明”的公共认知。当公众无法理解决策的形成机制,且缺乏申诉与纠偏渠道时,可能会对算法决策的公正性产生质疑。这种不信任感会从具体决策延伸至运用算法的政府机构,进而削弱政策执行的合法性基础。更关键的是,算法黑箱导致责任主体模糊,当出现重大决策失误时,难以追溯开发者、运营者与政府机构之间的责任链条,最终将技术信任危机引向对治理体系的公共信任危机。

  其次,算法迭代加剧治理适应性困境。算法具有持续学习与迭代优化的能力,在与海量数据交互过程中,其运行逻辑可能逐渐偏离预设目标,产生不可预测的失控行为。当前,算法迭代速度已远超传统监管体系的响应能力,部分生成式算法通过强大的自主学习能力,能够在短时间内重构模型逻辑。监管者既难以实时监测算法迭代的内在逻辑变化,也无法精准预测其衍生风险,往往只能在产生负面影响后采取被动补救措施,大幅增加了治理成本与安全风险。随着生成式人工智能技术的发展,当算法具备自主调整核心决策参数的能力时,可能出现 “目标漂移”,如舆情监测算法从“识别风险”异化为“激化矛盾”,若缺乏有效的技术约束与伦理规制,这种局部性技术失控可能通过风险传导链条扩散,演变为危及政治安全的系统性风险。

  最后,算法伦理失序冲击政治价值根基。算法的工具理性若脱离伦理约束与价值引导,将侵蚀政治系统的价值共识,瓦解政治安全的伦理支撑。一是算法对个人隐私进行无边界挖掘与关联分析,与“以人民为中心”的政治伦理相悖。算法通过多源数据关联分析、用户画像等技术,可挖掘出用户的政治倾向、健康状况、社交关系等敏感信息,甚至用于行为预测并进行预防性管控,这种“数字监控”不仅侵犯公民基本权利,更可能异化为人身控制工具,削弱公众对政权的信任基础。二是算法的“价值中立”表象掩盖其伦理偏好,挑战公平正义原则。部分算法在设计中嵌入“效率至上”“资本优先”的隐性逻辑,可能在公共资源分配、社会保障政策执行中导致资源向少数群体集中,加剧贫富分化与社会矛盾,侵蚀社会公平正义的制度根基。三是算法的工具理性扩张挤压价值理性空间,导致政治伦理中的人文关怀缺失。在社会救助、医疗资源分配等领域,若单纯依靠算法评分进行决策,忽视人的主体性与复杂需求性,会导致被边缘化。

  面对大数据算法带来的政治安全风险,必须以总体国家安全观为根本遵循,构建以维护国家政治安全为核心目标,以技术自主可控为基础,以制度规范为保障,以伦理约束为导向,以多元协同为支撑的系统性治理框架,形成全方位、多层次、前瞻性的政治安全风险防护体系。

  习强调:“只有把关键核心技术掌握在自己手中,才能从根本上保障国家经济安全、国防安全和其他安全。”核心技术自主可控是抵御算法霸权、防范技术依赖风险的根本前提,需通过核心技术突破、产业链安全以及数据资源保护等方面,夯实政治安全的技术根基,避免因技术受制于人、数据泄露导致的主权侵蚀与安全漏洞。

  第一,突破算法核心技术瓶颈,掌握技术主导权。一是重点攻克政治安全领域“卡脖子”的技术难题。依托国家级科研平台组建联合攻关团队,重点突破政务专用大模型、意识形态渗透识别算法、深度伪造检测技术、敏感信息脱敏模型等关键技术,研发具有自主知识产权的核心算法,从源头上杜绝境外模型植入意识形态偏见、泄露政治敏感信息、操控政治议题等风险。二是强化政治安全导向的价值嵌入技术研发。“作为社会秩序的重要塑造者和社会变革的关键驱动力,应当用主流价值导向驾驭算法,推动主流价值对算法研究、应用、管理、调适、优化、升级等各个环节进行全过程内在规约。”推动开发符合国家意识形态导向的内容生成与识别技术,引导高校科研院所、企业集中攻关,以算法技术支撑意识形态建设,将政策治理嵌入算法之中,让主流意识形态的价值要求成为大模型的底层逻辑,消解算法成为意识形态渗透工具的技术可能性。

  第二,构建自主可控的产业链生态,完善风险技术防控体系。一是培育本土化的政治安全技术产业链。推动形成服务于政治安全需求的“算力—核心算法—政务应用”深度融合的产业闭环,支持本土芯片、算法研发与系统集成企业构建战略联盟。通过设立产业基金、优先采购等政策工具,引导创新要素向关键环节集聚,降低对外部技术体系的结构性依赖,确保从底层算力到顶层应用的技术链条安全可控。二是建立政治安全相关算法的技术冗余与安全验证机制。对关乎政治安全的核心算法强制推行技术备份,要求研发主体同步开发并维护替代性方案,以防范因技术单点失效或国际局势突变导致的政治安全治理停摆。建设国家级政治安全算法测试平台,通过模拟攻击、压力测试、数据投毒等手段,系统检验算法模型的抗干扰性、安全性,为政治安全应用提供实证依据。三是打造政治安全场景的专用算法生态。面向网络政治谣言治理、政治风险预警、意识形态研判等核心场景,统筹建设高质量、可复用的算法模型库。推动构建跨部门、跨层级的算法赋能平台,促进算法能力与政治安全治理业务的深度融合。在保障安全的前提下,探索政务数据与社会数据的合规融通机制,以高质量数据资源驱动算法效能跃升,提升政治安全治理的智能化水平与应变能力。

  第三,强化主权数据资源保护,筑牢政治安全数据根基。一是健全政治安全敏感数据分级分类管控制度。数据是代码世界的生产资料,算法是利用数据资源进行数字化生产的工具,也是累积数据资源、不断生产数据资源的工具。一旦离开数据资源,算法就无法发挥其功能。防止算法权力的滥用,要在建立国家、企业、个人的数据分级分类产权保护制度的基础上制定相应的算法应用规则,制定并动态更新国家政治安全敏感数据清单,明确界定涉及国家政权、核心决策、意识形态等关键数据的使用边界与管理规范,为阻断利用数据资源实施政治颠覆提供坚实制度基础。二是完善政治敏感数据跨境流动监管机制。对涉及国家政治安全的重要数据实施本地化存储,建立严格的数据出境安全评估与许可机制,从源头阻断数据跨境导致的主权泄露风险。三是全面部署政治数据安全防护技术体系。在政治敏感数据的采集、传输、存储、使用及销毁的全生命周期中,综合运用加密、脱敏、访问控制、安全审计与数据溯源等关键技术手段,保障政治安全决策所依赖数据的真实性、完整性与机密性,防范因数据污染、泄露或篡改而引发的政治安全风险。

  制度规范是防范算法政治安全风险的刚性约束。面对算法技术的快速迭代及其风险的复杂化样态,亟须构建以法律法规为基石、以风险监管为核心、以协同问责为保障的全周期制度体系,为算法时代的政治安全提供稳固的制度保障。

  首先,健全以政治安全为核心的算法治理法律规范体系。目前,《生成式人工智能服务管理暂行办法》《新一代人工智能伦理规范》等现有法律制度体系在治理主体的整一性、治理规范的系统性和治理规则的适用性上,仍有明显留白和滞后,不足以充分覆盖和衔接人工智能技术所引发的各类复杂的风险性问题,为此,需加快构建以政治安全为核心的法律规范体系。一是推动涉及政治安全的算法专门立法。法律法规要与技术标准紧密衔接,明确算法研究与应用过程中维护政治安全的基本原则、权责配置与核心制度,将政治安全审查、意识形态风险评估与责任追溯等要求嵌入算法从研发到退出的全流程。二是细化高风险政治场景的配套法规。针对算法在意识形态传播、跨境数据流动、政务决策等领域的应用,制定详细的管理细则、技术标准和操作规范。确保法律法规与行业规范、政策规章、暂行办法等一系列制度高度协同,避免相互冲突,为政治安全监管提供明确的制度依据。

  其次,基于政治风险等级进行差异化监管。按算法应用场景、影响范围及潜在风险,构建政治安全风险三级监管体系,实现精准施策与动态调控。对普通推荐、游戏辅助等低风险算法,实行“事后备案+随机抽查”,重点核查是否存在敏感政治内容传播漏洞;对情感识别、舆情分析等中风险算法,实施“事前备案+动态监测”,强化过程管控,重点关注是否存在意识形态偏向、算法歧视或敏感政治数据处理等问题;对司法裁决、金融风控、公共安全等领域的高风险算法,纳入重点监管清单,实施严格的政治安全审查、全流程溯源与常态化评估,严防算法成为操纵民意、干扰决策的工具。

  最后,推行覆盖算法全生命周期的政治安全审查与问责制度。将政治安全红线嵌入算法研发、应用、迭代各环节,研发阶段重点审查数据来源的政治安全性、模型的政治适配性,防范内嵌意识形态偏见;应用阶段聚焦决策逻辑的政治合规性、内容推送的价值导向性,保障算法不偏离政治安全目标;迭代阶段建立版本回溯与风险再评估机制,防止算法迭代中出现“政治目标漂移”或被植入后门。同时,构建事前合规引导、事中协同监管、事后追责惩戒的闭环问责体系,厘清监管工具的适用范围,界定算法开发方、政务使用方、第三方评估机构的政治安全责任,确保算法权力在法治轨道上规范运行。

  算法在政治安全领域的应用,要跨越算法中立原则,对算法设计的本质追求进行调适,从“算法中立”转向“算法向善”,推动算法设计从工具理性向价值理性演进,将维护国家政治安全的核心要求嵌入算法的逻辑架构与运行机制,使其内化为算法运行的“价值基因”,避免价值导向失序引发的政治安全风险。

  第一,确立政治安全至上的核心算法伦理准则。明确算法研发和应用的价值导向,将捍卫国家政权安全、保障意识形态主导权、促进社会政治稳定、保护公民政治权利置于算法伦理价值的最顶层,贯穿算法从设计、研发到部署应用的全过程,避免技术迭代与政治安全价值导向脱节。划定政治安全伦理禁区,特别是在政务决策、舆论传播、选举活动等敏感领域,必须设立清晰的伦理红线与负面清单,严格规范算法在政治领域的功能边界与操作权限,杜绝算法操纵舆论、干预选举或影响决策等现象,恪守技术向善的底线,为政治安全筑牢伦理根基。

  第二,推动伦理规约嵌入算法治理全流程。建立贯穿算法全生命周期的伦理审查机制。一是在研发阶段设立跨学科政治伦理审查委员会,成员涵盖伦理学者、政治安全专家、政务工作者、公众代表等,对具有重大政治影响力的算法项目进行前置性伦理评估,识别潜在的政治安全风险。二是推动政治伦理原则的技术化转译与嵌入,通过研发融入价值约束的算法架构,在数据预处理、模型优化及决策生成等关键环节设置政治安全校验点,从而实现从抽象伦理规范到具体技术规约的落地。三是建立算法政治伦理审计制度,要求高风险算法系统保存完整的伦理决策日志,确保其运行过程的政治透明性与结果的可追溯、可问责。

  第三,培育维护政治安全的伦理文化生态。强化算法伦理教育体系建设,将政治安全与科技伦理纳入高等教育课程体系,培养兼具技术能力与伦理素养的复合型人才。推动企业建立内部伦理培训制度,定期开展面向算法工程师、产品经理等关键岗位的政治安全专项培训。加强社会层面的算法素养教育,通过多元渠道普及算法伦理知识,提升公众对政治安全风险的辨识能力和监督意识,形成维护政治安全的社会共治氛围。

  算法时代政治安全风险的不确定性和复杂性决定了单一主体无法实现有效治理,必须在坚持党的领导基础上实现从“重点主体”向“全主体”的转变,构建政府主导—企业履责—社会参与—国际协同的治理体系,形成系统集成、协同高效的治理合力。

  首先,强化党的领导和政府主导的核心统筹力。一是制定算法时代政治安全治理规划。将算法安全纳入总体国家安全观框架,明确治理目标、重点任务、实施步骤,统筹推进各项治理措施。二是健全跨部门、跨层级的政治安全协同治理机制。明确各部门的职责分工,定期召开部门协调会议,完善政治安全风险信息共享平台、联合研判机制和应急处置联动机制,消除监管盲区与政策冲突,形成对危害政治安全算法行为的快速精准打击能力。

  其次,压实企业维护政治安全的一线责任。一是推动企业健全内部安全治理架构。要求涉及政治安全领域算法的企业设立专门的政治安全管理部门,配备专业技术人员,制定严格的政治安全管理制度,对涉及政治安全的算法实行“一把手”负责制。二是要求企业对重要算法开展政治安全专项评估。建立政治安全隐患风险上报制度,对隐瞒不报或整改不力的企业,依法追究相关人员责任。三是支持行业协会制定政治安全技术标准与自律公约,引导企业开展合规建设与交叉审计,形成监管与自律相互补充的约束机制。

  再次,激活社会力量协同监督的政治防护网。一是支持智库与科研机构深化算法政治安全治理研究。系统开展算法风险评估与治理政策分析,定期发布相关研究报告,为政府决策提供学理支撑与实证参考。二是强化媒体监督与舆论引导功能。要求新闻媒体客观报道算法应用中的政治安全案例,同时,主动设置议题,权威解读党和政府在算法政治安全治理方面的政策、行动与成效,促进社会共识。三是拓宽公众与社会组织的制度化参与渠道。通过听证会、意见征集等形式,吸纳公众意见;鼓励社会组织开展政治安全知识科普、公众培训等活动,提升全社会对政治安全风险的辨识与防范能力。

  最后,深化国际协作抵御跨境政治安全风险。一是积极参与并推动全球政治安全规则塑造。加强与各国在算法安全、数据主权保护、打击跨境算法操纵等领域的交流合作,推动建立公平合理、尊重各国主权和发展中国家利益的跨境算法政治安全治理规则,反对西方“技术霸权”与“规则垄断”,构建公平合理的政治安全治理秩序。二是开展跨境政治安全的技术合作。在尊重主权和数据安全前提下,与其他国家联合研发跨境意识形态渗透识别技术、深度伪造检测技术、跨境数据安全监管技术,提升协同抵御算法政治安全风险的能力,构建有利于我的国际治理环境。

  大数据算法的迅猛发展深度重塑了政治安全的内涵框架与实践范式,推动其从物理疆域向数字主权空间拓展、从政权稳定向认知安全深化、从国家主导向多元协同转型、从静态防御向动态治理演进。算法凭借其数据驱动、智能决策与协同治理的运行逻辑,在赋能政治安全治理效能提升的同时,亦从数字主权、意识形态、社会稳定与技术自主等多重维度诱发政治安全风险。面对技术赋能与风险衍生并存的复杂格局,必须以总体国家安全观为根本遵循,构建以技术自主为根基、制度规范为框架、伦理约束为导向、多元协同为路径的系统性治理体系,从而实现技术可控性、制度完备性、价值正当性与治理协同性的有机统一,筑牢算法时代政治安全防护体系。

  需要强调的是,算法技术的迭代升级与政治安全风险样态均处于动态演变之中,政治安全治理须在实践中不断调适与优化。未来研究应进一步聚焦生成式人工智能、超大规模模型等前沿技术的政治安全效应,深化对算法风险生成机理与运行逻辑的跨学科阐释,并在全球视野下探索差异制度环境中的治理范式。唯有推动理论、制度与实践的协同演进,方能在数字文明浪潮中有效统筹发展和安全,夯实国家长治久安与高质量发展的政治安全根基。

  作者:陈东冬,女,汉族,1980年出生,沈阳人,党员,辽宁社会科学院哲学研究所所长、研究员,辽宁省中国特色社会主义理论体系研究中心辽宁社会科学院分中心副主任