深度偽造技術對企業財務信息安全的影響機理及防御體系構建

0 引言

近年來，人工智能技術快速發展，尤其是ChatGPT的出現，標志著生成式人工智能（GenerativeArtificialIntelligence）技術發展進人新階段。伴隨著深度偽造（Deepfake）技術的加速迭代，人們越來越關注人工智能帶來的機遇和挑戰。2025年5月，Jumio發布了其年度全球消費者調研的第四期《Jumio2025在線身份研究報告》[1]，數據顯示 69% 的受訪者認為，基于人工智能的欺詐對個人安全的威脅已超過傳統形式的身份盜竊。這一數據反映了大眾對于深度偽造技術的擔憂。

2023年，福州市某科技公司法人代表郭先生10分鐘內被騙430萬元，詐騙者利用深度偽造技術，合成好友的面容與郭先生進行視頻通話，從而實施詐騙行為。深度偽造技術愈發頻繁地出現在公眾視野之中，就技術邏輯而言，“深度學習”是一種算法，能夠進行分布式信息儲存、大規模并行處理已輸入的信息，并使用程序解析信息，輸出相應結果，從而完成設立的工作任務[2]。深度偽造具有雙重內涵，第一，它是一種先進的技術手段，能夠打造出以假亂真的視聽內容；第二，它也指運用深度偽造技術所生成的視聽內容[3]，如通過AI換臉生成的圖片、視頻等。生成式人工智能技術迭代加快，深度偽造視聽作品的可獲得性提升，盡管早期的高質量偽造技術擁有較高的技術門檻，但隨著網絡上共享的技術開源代碼逐漸豐富，以及大量應用程序的免費開放，深度偽造的成本大大降低，虛假視聽作品的制造變得更加容易[4]，這也為不法分子謀取不當利益提供了可乘之機?；诖?，研究深度偽造技術對財務信息安全的威脅具有重要意義。本文基于企業財務場景，嘗試探討深度偽造技術對財務信息安全的作用機理及可能帶來的后果，并提出相應的防御措施與管理策略，以期為企業財務信息安全保護提供參考。

1文獻綜述

深度偽造，即借助神經網絡技術進行大樣本學習，將不同個體的聲音、面部表情及身體動作拼合在一起，自動生成擬真語音、圖片或者影像的過程[5]。劉國柱[3]從技術層面分析，將深度偽造分為深度偽造視頻技術、語音克隆技術和文本合成技術。Kaur等[根據媒介的不同將深度偽造分為視覺深度偽造、音頻深度偽造和文本深度偽造，其中視頻深度偽造最常見。作為技術工具，深度偽造技術自出現以來就爭議不斷，一方面，它被用作不法視頻制作，假新聞偽造和政治輿論引導，極大地引發公共不滿和社會動蕩不安。張欣和宋雨鑫[提出，深度合成技術同傳統性別偏見相互疊加，塑造了一種新的數字性別暴力形式。鄭高鍵認為，深度偽造技術的濫用已經跨越單純的人工智能技術邊界，這種濫用給公共安全、個人權益和國家安全方面都帶來了不利影響，潛藏的刑事風險日益現實化。黎春嫻[認為，深度偽造當前導致了廣泛的認識威脅輿論，輿論認為深度偽造技術會損害人類的認識環境、能力和信任。另一方面，深度偽造技術也為影視制作和商業營銷提供了新的可能。在影視制作方面，該技術可用于生成虛擬人像，實現真人演員無法做出的動作特效；在商業營銷方面，消費者可以利用電商平臺“在線試穿”功能，挑選到適合自身特點的商品。

國內外學者圍繞深度偽造進行了相關研究，主要從深度偽造技術的安全風險、識別檢測、生成機理和治理機制4個方面展開。在安全風險方面，深度偽造技術損害企業的商業信譽，對社會公共安全造成威脅[9]。深度偽造技術不斷塑造虛幻和偽真相途經，瓦解現有的社會秩序和規則體系，對人與人之間的關系網絡和信任機制造成猛烈沖擊[10]。如果被惡意使用，深度偽造可能會對政治和社會力量造成不利影響，降低公眾對機構的信任、損害著名人士的聲譽及影響公眾輿論[1]。在識別檢測方面，相對于不熟悉的人的偽造視頻，熟悉的人的深度偽造視頻更容易被觀察者識別[12]。傳統的基于單一特征的偽造檢測手段很難檢測出偽造視頻，而基于頻域和空域多特征融合的深度偽造檢測方法，能夠有效提高面部偽造內容的檢測準確率和泛化能力[13]。在生成機理方面，深度偽造信息生成的技術內核是模仿人的神經邏輯，輸出動作行為、信息處理意志等[14]。深度偽造技術的運行邏輯包括基礎層的數據采集、中間層的算法處理和終端應用層的成果輸出[15]。在治理機制方面，深度偽造信息安全風險亟須敏捷治理，構建包含技術敏捷、組織敏捷和價值敏捷的治理機制[16]。在制定多維治理體系進程中，需要從技術手段、倫理規范與法律制度3個維度協同發力，完善合成技術的安全應用機制，培育多元主體間的合成倫理共識，構建個體賦權與系統規制相結合、民事救濟與刑事制裁相銜接的法律保護框架[7]

國內外現有關于深度偽造的研究主要聚焦技術邏輯和治理框架，較少關注具體應用場景的分析，特別是企業財務這一兼具高經濟價值和高安全敏感性的特殊領域。盡管生成式AI在財務建設中的應用已有初步探討[17]，但由于深度偽造技術興起時間較短，針對企業財務場景的深度偽造攻防機制研究仍存在明顯空白。本研究旨在系統性地填補這一學術缺口。

2 深度偽造技術在企業中的積極應用

深度偽造是人工智能驅動的技術，該技術主要使用生成式對抗網絡（GANs）或變分自編碼器（VAE）兩類模型，通過合成、拼接、更改圖像及視頻片段，生成以假亂真的視聽內容。深度偽造信息生成是人和技術疊加影響的結果，復合了人類在信息生產中的主動性和技術的“能動性”特征[18]。在此基礎下，掌握基本計算機技能的個體就能利用深度偽造技術制造并傳播人工智能生成的音頻、視頻等內容。

企業可能成為深度偽造技術的使用者，例如根據實際需求將深度偽造技術應用到廣告宣傳、客戶服務和員工培訓等方面，不僅能實現既定目標，還能夠節約成本。在廣告宣傳中，深度偽造技術可以生成動態廣告，根據用戶畫像實時調整以貼合顧客的喜好，定制個性化宣傳；可以實現跨語言傳播，以多種語言呈現同一條廣告，做到嘴型與語音同步，使廣告宣傳毫無違和感，幫助產品打開國際市場。在員工培訓中，深度偽造技術能夠應用于高風險場景演練，模擬客戶投訴、突發急救等復雜場景，生成逼真的人物角色，多維度還原真實沖突與壓力，幫助員工在沉浸式環境中強化臨場應變能力，更好地進行溝通，做出決策;可以進行宣講培訓，模擬公開演講環境，讓員工更好地掌握公開宣傳、營銷的能力，員工再也不需要尋找密集的人群來鍛煉勇氣和口才，在不影響公共秩序的情況下即可完成培訓目標。

3深度偽造技術對財務信息安全的影響機理

深度偽造技術在企業應用層面拓展了新空間，但其核心能力——對音視頻內容的逼真偽造能力—本身就蘊含著被濫用于欺詐和造假的巨大隱患。其中，對財務信息的惡意偽造直接影響企業資產安全，破壞市場信任與經濟秩序，構成了巨大的威脅。

3.1 影響機理及后果

3.1.1偽造高管指令

不法分子通過算法或程序下發指令，通過搜集到的公開影像資料、電話錄音等收集目標高管的數據信息，偽造高管人臉、虹膜、指紋、語音等生物特征。利用生成的生物特征順利通過身份驗證，進人高級財務數據庫篡改財務信息，從而威脅到企業的財務安全；或者制造虛假財務交易，利用人臉、虹膜、指紋和語音認證等要求財務人員直接轉賬。根據技術接受模型（TAM），財務人員對深度偽造技術風險認知不足，不能充分認識到深度偽造財務信息的風險和識別深度偽造的攻擊，認為防范深度偽造信息過于復雜，沒有意向推進防范機制，不能識別出深度偽造后的高管財務指令，導致執行不當交易。例如2024年中國香港發生的AI深度偽造詐騙案，詐騙者通過搜集一家跨國公司的英國高層在YouTube上的公開影像，再利用深度偽造技術，給詐騙者換上公司高層的面部和聲音，從而實施詐騙，最終造成香港分公司高達2億港元的經濟損失。

3.1.2 偽造財務人員身份信息

不法分子盜用員工的身份信息并進行數據分析，經過偽造的財務人員信息能夠匹配企業財務系統的身份驗證數據庫，更進一步，深度偽造能夠進行行為模擬，運用動作捕捉技術復刻用戶操作習慣，使非法操作行為模式與真實行為高度吻合，從而繞過企業財務系統的身份驗證。基于此，不法分子得以在企業財務數據庫中暢行無阻，能夠任意篡改、破壞企業財務信息庫，偽造企業財務數據，影響企業財務信息安全。根據Gartner公司預測，到2026年， 30% 的企業將因為AI生成的人臉生物識別深度偽造攻擊而認為此類身份認證和驗證解決方案不再能夠起到可靠的作用[9]

3.1.3偽造電子簽名

不法分子還能利用深度偽造技術偽造高管或財務人員的電子簽名，偽造的電子簽名被應用于各種電子憑證作“合法背書”，而電子會計憑證的安全保護的主要來源之一就是電子形式的簽名[20]。一方面，偽造的電子簽名可能被用于企業財務數據的分享與遷移，泄露企業財務信息；另一方面，偽造的電子簽名被批量用于貸款合同、采購訂單時，企業不僅將面臨財務損失，還可能面臨合同欺詐的法律追責，嚴重影響企業的經營與發展。

3.1.4偽造財務報表

深度偽造技術能夠應用于偽造財務報表，不法分子利用虛假的企業財務數據篡改財務報表，影響企業財務信息安全。一方面，人工智能技術基于算法模型和歷史數據精準生成虛假資產負債表、利潤表等核心報表，能夠有效掩蓋虧損、夸大營收，這些票據表面上沒有異常，符合會計準則；另一方面，精湛的深度偽造技術生成的財務報表圖片使人們無法肉眼觀測到報表偽造前后的細微區別，不法分子還能通過算法和程序掩蓋修改痕跡，數據準確性與真實性不但無法被人工檢測，還能躲過監管機構的AI檢測，達成偽造財務信息的目的。

綜上所述，深度偽造攻擊者利用企業數據庫、社交媒體等收集照片、視頻和錄音，從而獲取生物特征，使用生成式對抗網絡（GANs）或變分自編碼器（VAE）進行深度學習、訓練并不斷迭代，直至能夠合成逼真的視頻、音頻、文本等，再利用這些偽造產品實施詐騙，形成一條深度偽造財務攻擊鏈，見圖1。

3.2深度偽造技術應用于財務信息造假的經濟后果

3.2.1造成市場失靈

深度偽造加劇了企業與投資者、監管機構之間的信息不對稱，導致市場失靈。根據信息不對稱理論，企業自身、外部投資者和監管機構得到的信息是有差異的，企業可能利用深度偽造技術發布虛假信息，如發布虛假財務報表，誤導投資者和監管機構。偽造的財務報表能夠隱藏負面財務信息，相對于傳統的財務報表造假，這些深度偽造生成的財務報表往往能夠躲避監管機構的檢測，從而順利將劣質的“檸檬”企業偽裝成優質企業。當投資者因無法識別企業優劣而普遍選擇投資低成本劣質企業時，優質企業反而遭到市場淘汰，這種“劣幣驅逐良幣”效應直接導致了資源配置失衡和市場失靈。

3.2.2 進行股市操縱

不法分子通過偽造視頻或音頻發出關于企業財務信息的虛假聲明，這類聲明能夠借助社交媒體在網絡上快速傳播。已有研究表明，上市公司的財務信息與股價之間存在關系，企業的盈利能力和股票價格正相關，投資者特別關注每股收益[21]。通過偽造虛假的高管聲明，不法分子能夠影響企業價值，達到操控股票市場的自的。例如，通過合成某企業CEO宣布重大利好的虛假視頻，引導投資者在短期內大量購入該公司股票，從而操縱股價獲取利益。深度偽造技術操作簡單，成本較低，且形成的視聽內容生動逼真，往往能夠順利通過傳統的人工審核，實現在互聯網上的快速傳播，影響投資者的判斷和決定，進而操縱股票市場。

3.2.3掩蓋逃稅與洗錢行為

不法分子利用深度偽造形成的電子簽名，或偽造高仿真的跨境貿易合同、電子發票甚至銀行對賬單等圖片文件，虛構跨國交易，使非法資金流轉看似合法合規。這些偽造信息能夠繞過銀行反洗錢系統的常規審核，將非法資金偽裝成合法貿易收人，實現洗錢、逃稅或逃避制裁等目的。這種行為具有技術威脅性，一方面，人工智能生成的文本和圖像可精準匹配歷史交易模式，規避傳統數據異常檢測；另一方面，不法分子能夠利用不同司法轄區的監管差異及信息傳遞滯后性，為深度偽造行為提供技術掩護。

4深度偽造技術下財務信息安全防御體系構建

4.1技術防御：從被動檢測到主動預防

強化數據加密是維護企業財務信息安全最基本和最有效的技術手段之一[22]，采用量子密鑰分發（QKD）等技術對企業財務數據加密，將原始數據輸出為密文數據，確保財務信息安全，只有掌握匹配密鑰的授權用戶才能解密和訪問密文數據，能在一定程度上防止加密算法被AI逆向破解。同時，將交易記錄、合同、財報等財務信息實時上傳至區塊鏈，通過哈希算法對內容進行加密固化，確保數據生成、修改的全過程可追溯且不可篡改。區塊鏈的時間戳功能也賦予了區塊鏈不可篡改的特性，區塊鏈會將所有交易數據公開給參與網絡交易的每個節點，這些以財務信息為基礎生成的信息數據庫在區塊鏈中透明公開。時間戳與哈希算法的雙重作用，使得區塊鏈系統中的財務數據可驗證、可溯源且不可更改。

使用控制訪問技術，針對用戶的身份、角色和職責或者財務數據的重要程度，設置不同的數據加密等級，從而確保只有該等級以上的授權用戶能夠訪問和操作相應的財務數據。具體而言，開發基于AI的財務信息識別檢測系統，融合多模態生物特征識別、動態身份驗證，實時識別和評估用戶的生物特征和身份信息。利用該系統進行實時監控與響應，分析用戶異常行為，結合深度偽造風險特征指標設置預警，并預設風險處置流程，縮短攻擊響應時間，以便深度偽造行為發生時企業能夠及時反應并采取措施。

4.2 管理優化：重構財務流程與權限

制定完善的財務信息安全管理制度，明確驗證敏感指令的流程規范。規范深度偽造技術下財務手續的制度和流程，如大額財務運轉時需通過多方式確認，可設置電話、郵件和線下簽字的組合流程。制度應具有可操作性和可執行性，并定期對制度進行評估和修訂，以應對生成式AI發展可能帶來的不利因素，滿足公司治理和經營發展的需求。

加強權限管理，檢驗財務操作流程的合規性。企業對財務操作流程實施多層級審批機制，明確控制不同層級人員的操作權限與責任邊界，形成相互制約機制，避免個人權限過度集中，降低內部財務偽造風險。遵循零信任原則，默認不信任任何內外部用戶及設備，通過包括知識因素（如密碼、PIN碼）、擁有因素（如智能卡、密鑰盤），以及生物識別因素（如指紋、虹膜）的多因素身份驗證，持續校驗訪問者身份及操作合法性。

加強員工培訓，提高財務人員對深度偽造攻擊的警惕性。定期對企業員工進行財務安全培訓以及深度偽造辨識培訓，幫助員工感知防范深度偽造技術的重要性和必要性。通過培訓讓員工掌握財務信息安全的知識，了解深度偽造技術的基本原理和作用機理，打破員工對深度偽造識別與防范的畏難心理，加強人工識別。在降低信息泄露等人為風險的基礎上，進一步加固深度偽造攻擊企業財務安全的人工防線。

4.3 監管與治理：法律追責，內外治理

政府制定完善法律法規和政策措施，引導各主體明確其責任和義務，包括事前防范和事后懲處的相關制度和法律配套[23]，確保其他責任主體遵守外部法律和規章制度，杜絕財務信息偽造行為。人工智能的發展和應用使財務會計原本的理論體系不再契合當前會計發展的趨勢，也對原本已建立的相關法律法規產生影響[24]，法律法規的完善十分有必要。

企業完善內部監督和審計體系，強化財務信息安全管理的監督審查力度[22]。企業內部的監督和審計部門應及時掌握深度偽造技術的最新發展動態，定期評估和檢查財務信息系統的安全性和穩定性，把握好財務信息的AI處理方式，保證財務數據不向外泄露，督察企業內部人員對財務數據偽造進行防范。

4.4協作共建：多元主體共治

2023年7月，國家網信辦聯合國家發展改革委、教育部、科技部等七部門發布《生成式人工智能服務管理暫行辦法》，以促進生成式人工智能健康發展和規范應用。在此背景下，推進生成式人工智能治理體系構建進程中，政府應主導建立多元共治的協同治理模式，激勵企業、社會組織及公眾等多元主體參與深度偽造信息治理[25]。政府要及時更新治理理念，秉持包容審慎、風險導向的敏捷治理原則[18]，建立深度偽造防治部門，聯合專業機構、業界專家等進行深度偽造安全危機防控建設，對深度偽造事件進行防范的同時，面向社會定期開展宣傳，警示社會各界遵守法律法規，杜絕深度偽造行為。AI技術的開發者應健全安全防御機制，建立并完善深度偽造案件數據庫，對已發生的深度偽造財務信息事件進行分析研究，定期發布報告，不斷改進AI技術。網絡媒體要堅守法律與道德底線，對深度偽造的負面內容及時處理并上報，避免深度偽造信息在網絡上肆意傳播。社會公眾要提高深度偽造的辨識能力與防范意識，不做深度偽造信息的傳播者，而要做深度偽造信息的監督者，提升AI素養，共同筑牢抵御深度偽造技術威脅的社會防線。

綜上所述，為更好地維護深度偽造技術下的企業財務信息安全，應建立企業財務防御體系（見圖2）。在技術層面利用量子密鑰分發（QKD）技術、區塊鏈技術、控制訪問技術等主動加強財務數據防御，開發針對深度偽造的智能財務信息檢測系統。不斷優化管理，完善企業財務安全保護制度，規范操作流程；明確權限等級，加強權限管理，通過多層級審批和多因素身份驗證降低風險；同時加強員工深度偽造辨識和防范培訓，提升感知深度偽造防范有用性和易用性，讓員工自主地進行財務深度偽造信息的辨識和攔截。加強監管，完善法律法規和政策措施，企業內部加強治理，完善監督和審計體系。協作共建，由政府主導建立協同治理模式、AI開發者改進AI技術、網絡媒體審核反饋、社會公眾參與，共同筑牢財務信息安全防線，堅決打擊深度偽造行為。如此，建立起由內到外、全面覆蓋的企業財務防御體系，能夠很大程度上應對深度偽造對企業財務信息安全的威脅。

5 結語

生成式人工智能正在改變這個時代，個體的生活方式和組織的運作機制都隨之產生變化。奇安信發布的《2024人工智能安全報告》顯示，2023年基于AI的深度偽造欺詐增長了 300% [26]。深度偽造技術正嚴重威脅企業財務信息安全防線。不法分子可能通過偽造高管音視頻指令、仿冒財務人員身份、篡改電子簽名及財務報表等手段，最終引發市場操縱、金融欺詐等系統性風險，甚至為洗錢、逃稅等違法犯罪行為提供技術掩護。在技術層面，企業應當對深度偽造技術保持警惕，走在捕捉深度偽造信息的前列，采用量子密鑰分發（QKD）技術、區塊鏈技術、控制訪問技術主動進行深度偽造防御。在管理層面，完善深度偽造背景下財務管理制度，規范財務操作流程，加強員工反深度偽造培訓。在監管與治理層面，政府建立健全生成式人工智能相關法律法規和政策措施，企業完善內部監督和審計體系，實現企業的內外協同治理。在共建層面，明確各方深度偽造防范的責任和義務，提升全民識別和防范深度偽造意識，在全社會打造堅決抵御利用深度技術偽造謀取非法財務利益的共識。

圖2企業財務防御體系架構圖

隨著生成式人工智能的指數級發展，深度偽造技術將在財務領域催生更復雜的安全挑戰，包括但不限于：智能化的財務欺詐、自動化財報篡改以及基于深度學習的金融身份盜用等新型風險。當前，生成式AI在商業領域的風險呈現顯著的“認知一現實”落差：

（1）威脅認知滯后。由于實際案例較少，企業對深度偽造技術的“感知有用性”普遍不足，尚未充分意識到其在財務欺詐中可能達到的擬真程度，導致防范機制缺位。

（2）技術門檻降低。隨著生成式AI的普及，不法分子無須專業編程能力或高昂成本即可實施財務偽造（如自動生成虛假交易憑證、合成高管聲紋指令），顯著降低了犯罪的技術與經濟門檻。

（3）范式重構趨勢。從長期看，該技術將持續重塑財務決策流程：既可能通過智能分析提升決策效率，也可能因偽造技術泛濫倒逼風控體系升級，形成“技術雙刃劍”效應。

參考文獻

[1]Jumio. 2025 jumio online identity study [EB/OL]. （2025-05-21）[2025-05-29]. https： //www. jumio.com/2025-identity-study/.

[2］鄭高鍵．深度偽造技術濫用行為的刑法回應［J]．法律科學（西北政法大學學報），2025，43（3）：56-68.

[3］劉國柱．深度偽造與國家安全：基于總體國家安全觀的視角[J]．國際安全研究，2022，40（3）：3-31，157.

[4］孫毅，王志浩，鄧佳，等．人臉深度偽造檢測綜述［J]．信息安全研究，2022，8（3）：241-257.

［5］張錚，吳福仲．擬身鏈接：基于深度偽造技術的人機互動及其社會善用可能［J]．蘇州大學學報（哲學社會科學版），2022，43（2）：164-173.

[6] KAUR A， NOORI HOSHYAR A， SAIKRISHNA V， et al. Deep-fakevideo detection：challengesand opportunities [J].ArtificialIntelligence Review，2024，57 （6）：159.

［7］張欣，宋雨鑫．算法凝視下的女性：深度偽造的性別倫理困境與治理路徑［J]．婦女研究論叢，2024（6）：81-97.

［8］黎春嫻．深度偽造會帶來全新的“認識威脅”嗎？［J]．自然辯證法研究，2024，40（8）：66-73.

[9］張濤．后真相時代深度偽造的法律風險及其規制［J]．電子政務，2020（4）：91-101.

［10］王振波，吳湘玲．數字時代深度偽造技術研究：機理特征、功能異化及其優化理路［J］．北京航空航天大學學報（社會科學版），2025，38（2）：47-55.

[11]SEOWJW，LIM M K，PHANR C W，et al. A comprehensiveoverview of Deepfake：Generation，detection，datasets，and opportunities [J]. Neurocomputing， 2022， 513 ： 351-371.

[12] NAS E，DE KLEIJN R. Conspiracy thinking and social mediause are associated with ability to detect deepfakes [J]. Telemat-ics and Informatics， 2024， 87： 102093.

[13］董佳樂，鄧正杰，李喜艷，等．基于頻域和空域多特征融合的深度偽造檢測方法［J]．圖學學報，2025，46（1）：104-113.

［14］趙國寧．智能時代“深度合成”的技術邏輯與傳播生態變革［J].新聞界，2021（6）：65-76.

［15］石婧，常禹雨，祝夢迪．人工智能“深度偽造”的治理模式比較研究［J]．電子政務，2020（5）：69-79.

[16］李猛．深度合成技術的社會安全風險：樣態表征、生成機理與敏捷治理［J]．中國科技論壇，2024（5）：149-159.

［17］何瑛，趙欣越，朱子明.ChatGPT賦能智能財務建設的理論機制與實施路徑［J]．會計之友，2025（10）：94-101.

[18］冉連，張薇.AIGC中的深度偽造信息：生成機理與治理策略：基于行動者網絡理論的分析框架［J]．信息資源管理學報，2025，15（2）：137-150.

[19]Gartner.Gartner：預計到 2026 年， 30% 的企業將因為AI生成的深度偽造而認為身份認證與驗證解決方案無法起到可靠的隔離作用[EB/OL]．（2024-02-29）[2025-04-13].https：//www. gartner. com/cn/newsroom/press-releases/2O24-genai-deep-fakes.

［20］周衛華，范家齊，何華祥．電子會計憑證的數據安全性問題探析[J].財務與會計，2021（20）：60-63.

[21］陳沖，謝濤．上市公司財務信息對股價影響的實證研究[J]．財務管理研究，2023（2）：101-106.

[22］周胤．財務共享模式下企業財務信息安全研究［J].企業經濟，2025，44（1）：153-160.

[23］洪濤，王瀛，白銳．深度偽造引發安全風險的邏輯理路與共治方案[J].中國行政管理，2025，41（3）：114-126.

[24］何康．人工智能對財務會計的影響、挑戰與應對研究［J].財務管理研究，2023（1）：99-104.

[25］張新生，王潤周，馬玉龍.AIGC背景下虛假信息治理挑戰、機會與策略研究［J/OL].情報科學，1-23[2025-04-09].

[26]奇安信.2024人工智能安全報告［R/0L]．（2024-08-12） [ 2025-05-27]. htps： //www. qianxin. com/threat/reportdetail？report__i d=311 .

收稿日期：2025-06-15

作者簡介：

李淑婷（通信作者），女，2001年生，碩士研究生在讀，主要研究方向：公司治理與公司金融。

王凱，男，1989年生，博士研究生，教授，主要研究方向：公司治理與公司財務。