虚假信息（Misinformation）及蓄意传播的恶意虚假信息（Disinformation）已成为全球性社会难题，不仅引发公共安全风险（英国议员警告其可能诱发骚乱），还严重干扰选举公正、加剧战时舆论混乱、阻碍公共卫生政策推行（如日本新冠疫苗接种率受虚假信息影响下降，间接导致额外生命损失）。尽管各国政府已将其视为重大国家安全威胁，但传统的封禁、下架等措施多为 “事后补救”，难以应对 AI 技术普及下虚假信息 “快速生成、海量传播” 的新态势。当前，依赖热线举报、人工开源情报分析（OSINT）、传统媒体监测及平台 API 的治理手段，已因效率低、覆盖范围有限而被虚假信息的传播速度远超，亟需以 “匹配问题规模” 的技术化、自动化方案，实现从 “被动应对” 到 “主动防控” 的转型。
从全球虚假信息现状来看，其渗透范围与社会危害已达到空前水平。公众感知层面，英国艾伦・图灵研究所研究显示，90% 的英国民众曾在网上接触到虚假信息；皮尤研究中心对 25 个国家的调查也发现，72% 的成年人认为网络虚假信息是本国的主要威胁。在关键社会领域，虚假信息的破坏力尤为显著：公共卫生领域，关于疫苗安全性的不实言论导致多国接种率低迷；民主进程中，“假新闻” 对选举结果的干预已被多项研究证实；而在灾害应对场景下，夸大灾情、编造救援进展的信息会干扰应急处置，加剧公众恐慌。值得注意的是，部分政府采取的 “平台封禁”（如限制 TikTok）等一刀切措施，因缺乏针对性且忽视信息传播的复杂性，实际效果有限，反而可能引发信息获取渠道的单一化，凸显治理手段需更具精细化与技术支撑。
回顾传统虚假信息治理手段，其局限性已难以适配当前挑战。联合国、欧盟等国际组织虽早有针对性报告与倡议，各国也多采用 “媒体监测 + 人工核查 + 热线举报” 的组合方式，但这些方法存在先天不足：人工审核耗时费力，难以覆盖海量网络内容；平台 API 接口的数据获取范围受限，无法捕捉跨平台、去中心化传播的虚假信息；热线举报则属于 “被动响应”，往往在虚假信息已广泛扩散后才介入，错失最佳处置时机。2025 年虚假信息的爆发式增长，进一步暴露了传统手段 “规模不匹配、效率滞后” 的问题，推动行业探索以公共数据为核心的创新治理路径。
以公共数据为基础的新型治理方案，正通过技术创新与流程优化重塑防谣格局。多个国际机构的实践已形成可复制的经验范式，核心在于 “自动化公共数据采集 + 跨地域信息获取 + 全流程可追溯”。立陶宛非营利组织 “公民韧性倡议”（CRI）通过网络爬虫技术，实现对公共社交媒体、新闻门户等多渠道数据的自动化采集，大幅提升信息获取速度与覆盖范围，每周发布的虚假信息监测报告能精准过滤海量内容，确保无关键信息遗漏，彻底改变了人工采集 “耗时久、易遗漏” 的困境。专注于对抗国家资助网络宣传的Debunk.org，则聚焦 “地理限制内容” 的获取难题 —— 由于大量虚假信息存在地域访问限制，该机构通过代理 IP（Proxy IPs）技术，构建全球分布式数据采集网络，突破地理壁垒，确保能获取不同地区的完整信息，避免因数据不全导致的误判，为跨国虚假信息溯源提供关键支撑。
这些成功实践的共性在于，将公共数据工具与治理流程深度融合，形成三大核心优势：一是 “硬 – to-access 数据源的突破”，通过爬虫、代理 IP 等技术，获取传统手段难以触及的跨平台、跨地域信息，确保数据覆盖的完整性；二是 “自动化监测提效”，用技术替代人工完成数据采集、初步筛选，将人力聚焦于深度核查与分析，提升治理效率；三是 “清晰审计轨迹”，公共数据的采集与使用全程留痕，便于后续追溯虚假信息传播路径，为政策调整与法律追责提供依据。例如，CRI 的爬虫系统会记录每一条数据的来源、采集时间与传播节点，Debunk.org的 IP 使用日志则能追踪不同地区虚假信息的关联，这些轨迹数据不仅提升治理透明度，还能为研究虚假信息传播规律提供素材。
展望未来，虚假信息治理的核心方向将是 “技术赋能 + 多方协同”。一方面，公共数据采集工具的迭代（如更智能的爬虫算法、更安全的代理技术）将持续提升信息获取的效率与广度；另一方面，治理主体需打破单一机构局限，形成 “技术提供商 – 核查机构 – 政府部门 – 公众” 的协同网络 —— 技术提供商开发适配工具，核查机构聚焦专业分析，政府部门完善法规与执法，公众通过媒介素养提升参与防谣。正如 Grybauskas 所言，尽管虚假信息仍在蔓延，但依托公共数据的创新方法已展现出明确潜力，这些实践不仅为恢复公众信任、减少社会危害提供可能，更标志着虚假信息治理从 “分散应对” 向 “系统防控” 的关键转型，为全球应对这一复杂挑战提供了可借鉴的技术与流程框架。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/yi-tuo-gong-gong-shu-ju-kang-ji-xu-jia-xin-xi-ji-shu-chuang
