基于人工智能的內容安全發展戰略研究

朱世強，王永恒

（之江實驗室，杭州 311121）

一、前言

隨著移動互聯網、數字媒體、人工智能（AI）等技術及應用的飛速發展，內容安全的重要性越來越突出。內容安全的內涵包括兩個層面，第一個層面是指對信息內容的保護，如防竊取、防篡改等，這涉及信息內容保密、知識產權保護、信息隱藏和隱私保護等諸多方面；第二個層面是指信息內容符合政治、法律、道德層次的要求。內容安全從多個方面對國家和社會產生重要影響，從反動、暴恐等影響國家安全的高危內容，到色情、賭博等影響社會民生的風險內容，再到垃圾廣告等影響企業業務和個人生活的內容等。同時，虛假新聞、網絡謠言等內容造假已經成為影響目前內容安全治理最大的問題之一。從信息審查的角度，數字信息來源多樣、內容復雜、數量龐大、傳播速度迅猛，對事實核查高效、快速、準確能力的要求越來越高。新型冠狀病毒肺炎疫情初期，虛假新聞和網絡謠言曾經給疫情防控工作造成嚴重阻礙。隨著當前網絡直播的流行，一些不法分子開始利用直播進行各種違法犯罪活動。對海量的直播數據進行實時的內容監管也是當前亟待解決的問題。

近年來，人工智能的快速發展給內容安全帶來深刻的影響。基于人工智能的內容安全算法都可能遭受數據樣本污染和對抗性算法攻擊，從而導致決策錯誤。基于深度學習的偽造圖像、虛假新聞、語音詐騙等內容欺騙技術，已經達到以假亂真的效果。智能推薦算法被不法分子利用，使不良信息的傳播更加具有針對性和隱蔽性。另一方面，人工智能的發展也給內容安全帶來了新的機遇。人工智能，特別是深度學習和知識圖譜等技術的發展，能夠有效提高內容鑒別、保護及違規審查等能力，加速將內容安全治理向自動化、智能化、高效化、精準化方向推進。

2019年3月，中國工程院啟動了“新一代人工智能安全與自主可控發展戰略研究”重大咨詢項目，本論文作為其中“基于人工智能的內容安全與攻防戰略研究”課題研究成果的學術性展示，從基于人工智能的內容安全重大戰略需求出發，梳理了相關關鍵技術及應用，總結了國內外的研究現狀與發展趨勢，提出了我國基于人工智能的內容安全發展戰略建議。

二、基于人工智能的內容安全關鍵技術及 應用

（一）基于人工智能的內容安全關鍵技術

1.基于人工智能的內容偽造與保護

人工智能特別是深度學習的發展給內容偽造提供了極大的便利。深度偽造技術是一種利用人工智能程序和深度學習算法實現視頻、音頻模擬和偽造的技術[1,2]。深度偽造涉及的技術主要有自編碼器 [3]及生成式對抗網絡[4]等。目前，深度偽造技術不僅能偽造人臉，更可以模擬真人聲音及創造出實際不存在的人物圖像。結合基于人工智能的自然語言生成技術及社交網絡傳播，深度偽造大幅度促進了虛假新聞的發展[5]。這種具有數字自動化特征的深度偽造技術，借助各類媒體傳播虛假信息，具有極強的傳播勢能，可實現大規模、潛伏性的政治操縱和控制，因而大大加劇網絡空間帶來的政治安全威脅的影響力和對抗復雜性[6]。

與內容偽造技術相對應，近期涌現出大量虛假內容檢測技術。在基于人工智能的深度偽造內容檢測方面，特征提取主要有生成式對抗網絡流水線（GAN-Pipeline）、深度學習、隱藏分析（Steganalysis）等技術，分類器主要有支持向量機（SVM）、卷積神經網絡（CNN）等[7]。在基于人工智能的虛假新聞檢測方面，有基于知識庫、寫作風格、傳播特性、發源地等多種方法，涉及深度學習、知識庫、圖數據挖掘等多項技術[8]。當前在新類型虛假新聞檢測、虛假新聞早期檢測、跨域檢測及可解釋檢測等方面還存在很大挑戰。

2.面向內容分析的人工智能模型與算法安全

基于人工智能的內容分析涉及文本、圖像、視音頻處理的各類機器學習模型和算法，這些模型和算法本身的安全性對內容安全有至關重要的影響。機器學習模型和算法安全主要涉及以下幾個方面 [9]。

（1）投毒攻擊及防御。投毒攻擊的方法是在訓練模型時有意污染訓練數據，從而破壞模型的可用性和完整性。訓練數據的污染一般通過注入一些精心偽造的惡意數據樣本來實現。

（2）后門攻擊及防御。后門攻擊以數據和模型兩種方式在神經網絡模型中植入后門，當模型得到特定輸入時被觸發，然后導致神經網絡產生錯誤輸出，因此非常隱蔽不容易被發現。

（3）對抗攻擊及防御。機器學習模型和神經網絡模型很容易受到對抗樣本的影響。通過對原始樣本添加特定的擾動，可以使分類模型對新構造的樣本產生錯誤的分類判斷。

（4）模型竊取及防御。模型竊取技術是指通過黑盒探測來竊取模型或者恢復訓練數據成員，比如竊取股票市場預測模型和垃圾郵件過濾模型。

目前每年都有大量新的機器學習算法出現，這些算法的安全已經成為普遍關注的問題。模型與算法安全問題可以看作防御和攻擊方在信息缺失情況下對對方進行建模的技術之間的博弈。在新型魯棒性模型及訓練算法、多學習器安全問題、信息缺失下的系統建模和推理問題等方面還有待深入研究。

3.面向內容分析的可解釋人工智能

以深度學習為代表的人工智能技術面臨可解釋性難題，將其應用于敏感領域內容分析時，缺乏透明度和可理解性的“黑盒”算法很難獲得人們的安全感和信任感。

人工智能模型的可解釋性研究主要有三個方向 [10]：①深度解釋，即采用新的深度學習模型去學習可用于解釋的特征。很多相關工作與可視化技術相結合，提供更直觀的解釋。②可解釋模型。傳統的貝葉斯、決策樹等模型具有很好的可解釋性。當前也有很多研究者針對深度學習模型進行改進，使其具備更好的可解釋性。③模型推理。這種方法把機器學習模型看作一個黑盒，通過大量實驗在外部建立一個新的可解釋模型。一種新型的研究方法是構建一套機器學習技術，該技術能夠自動生成可解釋模型，并且保持較高的學習效率。

盡管模型可解釋性研究已取得一些矚目的研究成果，但其研究還處于初級階段，依然面臨著許多挑戰且存在許多的關鍵問題尚待解決。其中，可解釋性研究當前面臨的一個挑戰是如何設計更精確、更友好的解釋方法，消除解釋結果與模型真實行為之間的不一致；另一個挑戰是如何設計更科學、更統一的可解釋性評估指標，以評估可解釋方法的解釋性能和安全性[11]。

（二）基于人工智能的內容安全重要應用

1.網絡輿情分析與監管

輿論是“社會的皮膚”，是反映社會形勢的晴雨表。大數據及人工智能技術為輿情分析和研判提供了全新的資源、方法與范式[12]。網絡輿論的內容復雜，且對輿情分析實時性的要求也比較高。人工智能技術能夠使網絡輿情分析更高效和準確，可大幅減少人工工作的成本。

近年來基于人工智能的網絡輿情分析與監管獲得廣泛應用。百度公司的媒體輿情分析工具面向傳統媒體和新媒體行業，針對內容生產、觀點及傳播分析、運營數據展示等業務場景，提供輿情分析能力。其政務輿情分析工具依托網頁內容挖掘能力與中文語義分析技術支持國內外風險情報的深度挖掘及城市公眾輿情態勢的實時感知。騰訊計算機系統有限公司的WeTest輿情監控工具，通過分布式爬蟲7×24 h抓取主流應用市場（應用寶等）評論評星和主流論壇（百度貼吧等）的用戶發帖討論，并智能匯總用戶評論，進行智能分類。通過情感分析加情感維度提取技術，智能分析并定位到具體問題。2020年中國信息通信研究院等單位發起的人工智能產業發展聯盟發布了《人工智能助力新冠疫情防控調研報告》，報告中指出人工智能和大數據在新冠輿情分析中發揮了重要作用。

2.多媒體內容分析與審核

即使是挪威、日本、意大利等標榜自由的國家，互聯網內容審查也在加強力度。密歇根大學的一個團隊使用其開發的“審查星球”（Censored Planet）工具（2018年啟動的自動審查跟蹤系統），在過去的20個月中，從221個國家收集了超過210億次內容審查的測量數據[13]。近期多媒體數據特別是視頻數據得到前所未有的增長并將持續這種增長趨勢。海量的多媒體數據遠遠超出了人類的處理能力，基于人工智能的內容分析和審核獲得了廣泛應用。

基于人工智能的多媒體內容分析主要包括智能審核、內容理解、版權保護、智能編輯等。其中內容審核功能包括鑒黃、暴恐涉政識別、廣告二維碼識別、無意義直播識別等，利用識別能力對網絡上沒意義和不健康的內容進行排查和處理。內容理解功能包括內容分類、標簽，人物識別、語音識別，同時也包括對圖像和視頻中的文字進行識別。版權保護功能包括內容相似性 、同源內容檢索和音視頻指紋等功能。內容編輯層面可以實現視頻首圖、視頻摘要、視頻亮點的生成，同時支持新聞拆條。

目前短視頻、圖片等成為多媒體審核的主要內容。基于海量標注數據和深度學習算法，可以從多維度精準識別多媒體內容中的違禁內容，如色情、暴恐等。2019年阿里巴巴集團推出“人工智能謠言粉碎機”支持對新聞內容可信度的智能判別，在特定場景中的準確率已達到 81%。中國信息通信研究院初步實現基于人工智能技術的不良信息檢測能力，支持對淫穢色情、涉恐涉暴等違法信息的識別，識別準確率比傳統方式提升了17%，達到97%以上，識別速度達到傳統方式的 110 倍。2021年2月百度發布了《2020年信息安全綜合治理年報》。百度內容安全中心在2020年利用人工智能技術挖掘各類有害信息共515.4億余條，通過人工自主巡查打擊各類相關有害信息8000萬余條。大幅提升審核速度，并制定了暴恐、政治敏感、水印、標簽、公眾人物、惡意圖像等6個審核維度。

三、基于人工智能的內容安全國內外發展現狀

（一）國外發展現狀及最新進展

1.美國發展現狀分析

作為內容產業最為發達的國家，美國在內容安全與攻防戰略方面主要有以下幾個特點：第一，針對日益嚴峻的國際形勢以及國內意識形態安全需要，對互聯網內容產業加大監管力度，尤其是關于歧視，偏見等內容；第二，高度重視人工智能算法在內容安全方面的應用，Google等公司與政府合作密切，政府對算法的安全性提出相關的審查要求；第三，美國國會參眾兩院高度重視利用人工智能算法進行內容造假問題，并通過召開聽證會或提出相關法案的方式，將內容造假問題納入立法程序。

2019年，美國政府發布了《美國人工智能倡議》，其中強調人工智能對傳統安全領域的重要意義，通過人工智能來確保美國的領先地位以應對來自“戰略競爭者和外國對手”的挑戰。2021年3月，美國人工智能國家安全委員會（NSCAI）發布最終報告：積極維持美國在人工智能領域的統治地位，報告系統論述了美國如何在人工智能激烈競爭的時代贏得主動，維持全球領導地位，并詳細闡述了聯邦各機構今后改革的行動路線。美國國防部高級研究計劃局（DARPA）于2017年啟動了“算法戰跨部門小組計劃”（即“Maven計劃”），將機器學習算法集成到情報收集中。DARPA還推動了其他和人工智能內容安全相關的研究，包括媒體取證、可解釋人工智能等。在基于人工智能的內容安全技術方面，美國也處于全球絕對領先的位置。美國人工智能論文引文影響力、專利數量、企業數量和融資規模等指標都居全球第一。

2.歐洲國家發展現狀分析

歐洲國家在人工智能安全方面更注重倫理。歐盟委員會于2019年4月發布了人工智能道德準則《可信賴AI的倫理準則》，提出了實現可信賴人工智能全生命周期的框架。框架提出了實現可信賴AI的七個關鍵要素：人的能動性和監督，技術魯棒性和安全性，隱私和數據管理，透明性，多樣性非歧視性和公平性，社會和環境福祉，問責。

準則中特別強調了隱私和數據管理，要求隱私和數據保護必須貫穿人工智能系統的整個生命周期。人工智能系統使用的算法和數據應該更具透明性且可追溯。在AI系統對人類造成重大影響時，人工智能系統能夠對決策過程進行合理解釋，同時避免不公平的歧視。英國、法國、德國、俄羅斯等歐洲國家都出臺了人工智能安全的綱領性文件，都涉及到了人工智能內容安全的策略和發展規劃。

3.日本發展現狀分析

在日本的互聯網內容產業中，最為發達的是游戲、動漫、音樂等產業，因此，在人工智能時代下，日本的內容安全戰略主要針對人工智能生產內容的知識產權歸屬問題，并推進相關具體法案的推出。2018年12月，日本內閣府發布《以人類為中心的人工智能社會原則》的報告，是迄今為止日本為推進人工智能發展發布的最高級別的政策文件，從宏觀和倫理角度表明了日本政府發展人工智能的立場。

在報告中和人工智能內容安全相關的部分，主要強調了保護隱私和保障安全兩部分內容。在保護隱私原則中，人工智能能夠依據個人行動等數據高精度推斷其政治立場、經濟狀況、興趣愛好等。在保障安全原則中，報告強調人工智能系統需要把握利益與風險之間的平衡。報告建議深入研究人工智能風險及降低風險的方法，重視人工智能使用的可持續性。

4.其他國家發展現狀分析

除了美國、歐洲、日本、中國等人工智能發達國家和地區，很多其他國家也紛紛推出了人工智能安全的國家戰略，而內容安全是其中的一部分。2018年6月，印度發布了《人工智能國家戰略》，其中提出利用人工智能促進經濟增長和提升社會包容性，并試圖尋求一個適用于發展中國家的人工智能發展戰略。2019年11月，以色列透露其國家級人工智能計劃，對人工智能的發展、如何滿足政府軍方的需求及安全性等進行了規劃，主要目標是確定教育系統和學術機構能夠提供足夠的人工智能工程師，以滿足政府、國防軍事和產業界的人力需求。加拿大政府近年來在人工智能研究和開發方面加大了投入，致力于形成一個極其豐富的人工智能生態系統，包括多個專門研究機構和數千名人工智能研究人員。研究人員對面向內容安全的多媒體分析、可解釋人工智能等技術進行了廣泛研究。

（二）國內現狀及最新進展

1.國家戰略與技術研究

我國高度重視人工智能產業的發展，2017年，國務院發布《新一代人工智能發展規劃》，作為新一輪產業變革的核心驅動力和引領未來發展的戰略技術，對人工智能產業進行戰略部署。《中國新一代人工智能發展報告2019》顯示，中國人工智能論文發文量居全球首位，企業數量、融資規模居全球第二。2018年1月，我國成立了國家人工智能標準化總體組和專家咨詢組，并發布了《人工智能標準化白皮書（2018版）》，提出建立統一完善的標準體系。2019年，我國成立了中國人工智能學會人工智能與安全專委會，為解決網絡空間安全面臨的挑戰性問題提供了新的途徑。2020年3月國家正式施行《網絡信息內容生態治理規定》，以網絡信息內容為主要治理對象，以建立健全網絡綜合治理體系、營造清朗的網絡空間、建設良好的網絡生態為目標，抵制和處置違法和不良信息。中國科學院專門成立了信息內容安全技術國家工程實驗室，圍繞國家網絡信息安全的重大需求，開展基礎理論和網絡信息獲取、分析及挖掘等核心關鍵技術研究。

2.新興產業的創新發展

目前，我國各地政府緊跟國家步伐，分別根據當地經濟發展狀況，結合國家內容安全與人工智能相關政策，提出相關的人工智能發展行動計劃，加強人工智能監管力度，并推動人工智能在內容安全方面的深度應用。

商湯科技開發有限公司自主研發的原創深度學習平臺SenseParrots，已經在人臉識別、圖像識別、視頻分析、無人駕駛、醫療影像識別等應用層技術落地，為基于人工智能的內容安全提供了技術支撐。騰訊科技有限公司注重網絡安全能力建設，設立了七大網絡安全實驗室，專注安全技術研究以及安全攻防體系搭建。利用騰訊優圖的DeepEye識別技術引擎，對內容進行置信度分析，依托騰訊社交的海量樣本優勢進行深度識別訓練，并基于多模型匹配技術進行文本識別，助力內容安全。阿里云平臺采用自然語言理解算法識別文本垃圾和惡意行為，采用深度學習算法結合獨有的情報、輿情、預警和分析體系及實時更新的樣本圖庫，快速定位敏感信息。華為技術有限公司在機器學習算法安全方面做了大量研究工作，對數據投毒、模型竊取、后門攻擊等模型和算法攻擊給出了解決方案，為基于人工智能的內容分析模型和算法提供安全保障。此外，我國還有一些人工智能創新企業，在將人工智能應用到內容安全方面做了大量的研究工作。

3.人工智能2.0時代的新發展

潘云鶴院士提出人工智能2.0，其主要特征是通過大數據和群體智能，拓展、管理和重組人類的知識，為經濟和社會的發展提供建議，在越來越多專門領域的博弈、識別、控制和預測中達到甚至超過人類的能力[14]。在人工智能2.0時代，首先是和人機交互緊密結合；其次是和大數據云計算的結合，大數據和云計算是人工智能發展的重要推動力；再次是人工智能和智能監控的緊密結合；最后是人工智能和先進制造的結合。

人工智能2.0時代的大數據智能、跨媒體智能等將對內容安全產生重要影響。基于多模態數據的深度融合、知識庫、跨媒體分析與推理，結合類腦計算、群體智能等技術，能夠實現更智能、更精準的內容分析。我國以阿里巴巴集團、騰訊科技有限公司、百度集團、華為技術有限公司等為代表的科技企業，已經開始積極探索人工智能2.0的相關技術及在內容安全治理方面的應用。如百度內容安全中心的“網絡生態治理2019”專項行動，綜合運用了自然語言甄別、音視頻智能識別、內容智能挖掘等多種人工智能技術。

四、我國基于人工智能的內容安全發展建議

（一）總體發展戰略

總體上采取“三步走”的發展戰略：到2025年基于人工智能的內容安全發展初見成效，到2035年實現世界一流水平，到2050年達到世界領先水平。

到2025年，人工智能內容安全的發展環境和基礎設施基本完善，基于內容安全的重點前沿理論和應用技術進步明顯，在內容安全人工智能模型與算法研究方面取得初步成效，人工智能內容攻防關鍵技術研究取得關鍵性突破，人工智能內容安全領域涌現一批優秀企業，集聚一批安全領域的領軍人才和專家，面向個人、企業和國家的三級人工智能內容安全體系基本建成。

到2035年，人工智能內容安全的發展環境優勢明顯，國家大力投入基礎設施建設，規模和水平并肩世界第一梯隊，基于內容安全的理論研究，學術水平進入世界一流行列，在人工智能安全領域提出創新理論和方法，人工智能內容安全審核機制成型完善，人工智能內容安全應用技術廣泛應用，在內容安全人工智能模型與算法研究和內容攻防關鍵技術研究上達到世界一流水平。

到2050年，在人工智能內容安全領域實現基礎層、技術層和應用層的全面世界領先，總體創新能力和理論體系達到國際領先水平，擁有一批主導人工智能內容安全發展潮流的國際頂級專家，在網絡空間內容安全領域擁有一批專業的，穩定的具備世界領先水平人才隊伍和創新創業團隊。人工智能內容安全法規倫理規范和政策體系完整完善，人工智能安全評估和管控能力均居于世界領先水平。

（二）內容安全發展政策保障

1.政府主導人工智能發展路線

國家在維護網絡信息安全方面所處的高度和發揮的作用是無可比擬的，在規范互聯網行為、打擊網絡犯罪等模式治理方面有著先天的優勢。政府要主導人工智能安全的發展戰略，將人工智能安全上升到國家高度，作為國家未來發展的核心競爭力，同時把內容安全作為人工智能安全的一個重要部分。在人工智能應用中深入分析內容安全需求，強化頂層設計，提出基于國家網絡空間安全的總體規劃，建立內容安全治理的實施細則，建立安全準入制度和檢測評估方法、機制。以企業為主體推進人工智能內容安全發展，政府在法律法規、安全風險、政策指導、資源配置、行業準則等方面提供保障，制定分階段發展戰略，目標清晰，從科研立項、智能經濟到智能社會全面布局，加強指導性和執行力。

2.建立健全合法有效的監管機制

制定人工智能內容安全風險管控制度，從系統安全、算法安全、應用安全多層次制定安全防護措施。保障用戶的數據安全，避免算法設計對公眾產生的危害，明晰算法動機和可解釋性，克服算法設計和數據收集引發的不公正影響。內容安全風險管控制度中針對社交網絡、短視頻、線上直播等重點應用的內容安全進行詳細規定。通過建立可審查、可回溯、可推演的監管機制，確保目標功能和技術實現的安全統一。建立人工智能數據安全監督機制。依照國家法律法規，政府部門針對數據過度采集、數據偏見歧視、數據資源濫用等人工智能數據安全風險，通過線上線下多種方式實施監督檢查，及時發現和防范安全隱患。

3.構建人工智能內容安全標準體系

優化我國人工智能內容安全標準化組織建設，促進國家、行業和團體標準化組織聯合有序推進人工智能內容安全標準出臺。在人工智能產品、應用和服務等多個環節，制定內容安全檢測評估方法和指標體系，通過檢測評估強化內容安全與隱私保護。按照內容安全承載模式分類，建立圖形/圖像內容、文本內容、視頻內容、音頻內容安全指標體系，按照內容安全行為模式分類，建立智能鑒黃、暴恐涉政識別、敏感人臉識別、不良場景識別、廣告識別過濾、Logo識別、反垃圾等安全指標體系。

（三）開展面向內容安全的人工智能技術創新

新形勢下的內容安全面臨巨大挑戰，需要在技術層面進行創新突破，主要包括以下方面。

1.人機協同的混合增強智能

在內容安全方面，很多時候當前的人工智能還無法獨立完成任務，如在視頻直播中識別非法活動。因此需要在人機協同、腦機協作、認知計算等技術上進行創新突破，充分融合人類智能和機器智能，實現人工智能的增強，同時基于人類的指導和反饋實現人工智能的持續改進。

2.知識驅動的內容安全

基于人工智能的內容安全復雜應用需要知識的輔助，因此需要大力推進知識驅動的內容安全創新。技術方向包括跨媒體知識獲取、內容安全知識庫構建、大規模知識庫的管理及知識演化、面向內容安全的知識推理等。

3.高性能內容安全分析

有害內容一旦傳播出去，可能會造成國家和社會的重大損失，因此很多內容監管應用要強調實時性。需要研究高性能的內容分析算法，特別是在視頻直播這樣的場景下，需要處理海量視頻數據流，同時需要關聯多通道的歷史數據和知識。

4.對抗性機器學習

對抗性機器學習直接影響到人工智能的模型和算法安全，從而直接威脅到內容安全。需要在數據投毒的防御、決策時攻擊的防御、深度學習模型和算法的魯棒性等方面進行技術創新。

5.可解釋人工智能

人工智能模型和算法的可解釋性直接影響內容安全分析和監管應用的可信度。需要在可解釋機器學習模型、基于深度學習和可視化的模型解釋、基于推理的模型解釋等方面進行技術創新。

（四）完善內容安全基礎設施

以技術創新促進基于人工智能的內容安全發展，需要建立和完善一批國家重大基礎設施來滿足新技術實驗需要，以及監管政策和策略評估的需要。

1.面向內容攻防演練與研究的網絡靶場

構建大規模、開放式、共享式、增長式的國家級內容安全網絡靶場，為用戶提供內容安全攻防體系驗證、應用系統及安全產品安全性檢測、風險評估及應急響應等高端服務，創新突破復雜網絡屬性、行為、交互式動態等高度仿真，復雜業務模擬和節點重構等大規模仿真，全景捕獲復現和應激反制等對抗性仿真，多層次多維度攻擊效能效果的仿真評估等重難點技術，構建大規模、高逼真、對抗性網絡靶場。并在技術驗證、戰略預判、內容檢驗、情報分析，輿情預警等方面構建攻防演練模型，通過靶場的系統性、基礎性、開拓性工作，使國家內容安全能力得到實質性提升。

2.面向輿情攻防演練與研究的大規模社會系統模擬裝置

模擬裝置以虛實結合的方式進行建設，用真實數據驅動虛擬模型，對虛實數據進行一體化分析。基于最新人工智能技術，建立智能擬合模型，實現大規模輿情攻防模擬推演交互式可視化分析。支持多用戶在模擬推演平臺開展實驗分析，支持對模擬系統運行進行實時干預，并提供可視化數據展示驗證效果。支持政府對輿情信息了解得更加全面、對輿論動態認識得更加深刻、對敏感變化捕捉得更加及時，增加理政治國的主動性、施政為民的科學性。