摘要:随着生成式人工智能技术的快速发展,财务决策的范式正在经历前所未有的变革,各种生成式人工智能技术尤其是深度伪造技术加速迭代,给企业财务信息安全带来了新的挑战。基于此,围绕深度伪造技术当前研究与发展现状,分析深度伪造技术对企业财务信息安全的影响机理,并从技术防御、管理优化、监管治理、协作共建等方面构建应对企业财务信息伪造的防御体系,以期降低财务信息伪造风险,促进企业可持续发展。

　　关键词:深度伪造技术;生成式人工智能;财务信息伪造;信息安全

　　0引言

　　近年来,人工智能技术快速发展,尤其是ChatGPT的出现,标志着生成式人工智能(Generative Artificial Intelligence)技术发展进入新阶段。伴随着深度伪造(Deepfake)技术的加速迭代,人们越来越关注人工智能带来的机遇和挑战。2025年5月,Jumio发布了其年度全球消费者调研的第四期《Jumio 2025在线身份研究报告》[1],数据显示69%的受访者认为,基于人工智能的欺诈对个人安全的威胁已超过传统形式的身份盗窃。这一数据反映了大众对于深度伪造技术的担忧。

　　2023年,福州市某科技公司法人代表郭先生10分钟内被骗430万元,诈骗者利用深度伪造技术,合成好友的面容与郭先生进行视频通话,从而实施诈骗行为。深度伪造技术愈发频繁地出现在公众视野之中,就技术逻辑而言,“深度学习”是一种算法,能够进行分布式信息储存、大规模并行处理已输入的信息,并使用程序解析信息,输出相应结果,从而完成设立的工作任务[2]。深度伪造具有双重内涵,第一,它是一种先进的技术手段,能够打造出以假乱真的视听内容;第二,它也指运用深度伪造技术所生成的视听内容[3],如通过AI换脸生成的图片、视频等。生成式人工智能技术迭代加快,深度伪造视听作品的可获得性提升,尽管早期的高质量伪造技术拥有较高的技术门槛,但随着网络上共享的技术开源代码逐渐丰富,以及大量应用程序的免费开放,深度伪造的成本大大降低,虚假视听作品的制造变得更加容易[4],这也为不法分子谋取不当利益提供了可乘之机。基于此,研究深度伪造技术对财务信息安全的威胁具有重要意义。本文基于企业财务场景,尝试探讨深度伪造技术对财务信息安全的作用机理及可能带来的后果,并提出相应的防御措施与管理策略,以期为企业财务信息安全保护提供参考。

　　1文献综述

　　深度伪造,即借助神经网络技术进行大样本学习,将不同个体的声音、面部表情及身体动作拼合在一起,自动生成拟真语音、图片或者影像的过程[5]。刘国柱[3]从技术层面分析,将深度伪造分为深度伪造视频技术、语音克隆技术和文本合成技术。Kaur等[6]根据媒介的不同将深度伪造分为视觉深度伪造、音频深度伪造和文本深度伪造,其中视频深度伪造最常见。作为技术工具,深度伪造技术自出现以来就争议不断,一方面,它被用作不法视频制作,假新闻伪造和政治舆论引导,极大地引发公共不满和社会动荡不安。张欣和宋雨鑫[7]提出,深度合成技术同传统性别偏见相互叠加,塑造了一种新的数字性别暴力形式。郑高键[2]认为,深度伪造技术的滥用已经跨越单纯的人工智能技术边界,这种滥用给公共安全、个人权益和国家安全方面都带来了不利影响,潜藏的刑事风险日益现实化。黎春娴[8]认为,深度伪造当前导致了广泛的认识威胁舆论,舆论认为深度伪造技术会损害人类的认识环境、能力和信任。另一方面,深度伪造技术也为影视制作和商业营销提供了新的可能。在影视制作方面,该技术可用于生成虚拟人像,实现真人演员无法做出的动作特效;在商业营销方面,消费者可以利用电商平台“在线试穿”功能,挑选到适合自身特点的商品。

　　国内外学者围绕深度伪造进行了相关研究,主要从深度伪造技术的安全风险、识别检测、生成机理和治理机制4个方面展开。在安全风险方面,深度伪造技术损害企业的商业信誉,对社会公共安全造成威胁[9]。深度伪造技术不断塑造虚幻和伪真相途经,瓦解现有的社会秩序和规则体系,对人与人之间的关系网络和信任机制造成猛烈冲击[10]。如果被恶意使用,深度伪造可能会对政治和社会力量造成不利影响,降低公众对机构的信任、损害著名人士的声誉及影响公众舆论[11]。在识别检测方面,相对于不熟悉的人的伪造视频,熟悉的人的深度伪造视频更容易被观察者识别[12]。传统的基于单一特征的伪造检测手段很难检测出伪造视频,而基于频域和空域多特征融合的深度伪造检测方法,能够有效提高面部伪造内容的检测准确率和泛化能力[13]。在生成机理方面,深度伪造信息生成的技术内核是模仿人的神经逻辑,输出动作行为、信息处理意志等[14]。深度伪造技术的运行逻辑包括基础层的数据采集、中间层的算法处理和终端应用层的成果输出[15]。在治理机制方面,深度伪造信息安全风险亟须敏捷治理,构建包含技术敏捷、组织敏捷和价值敏捷的治理机制[16]。在制定多维治理体系进程中,需要从技术手段、伦理规范与法律制度3个维度协同发力,完善合成技术的安全应用机制,培育多元主体间的合成伦理共识,构建个体赋权与系统规制相结合、民事救济与刑事制裁相衔接的法律保护框架[7]。

　　国内外现有关于深度伪造的研究主要聚焦技术逻辑和治理框架,较少关注具体应用场景的分析,特别是企业财务这一兼具高经济价值和高安全敏感性的特殊领域。尽管生成式AI在财务建设中的应用已有初步探讨[17],但由于深度伪造技术兴起时间较短,针对企业财务场景的深度伪造攻防机制研究仍存在明显空白。本研究旨在系统性地填补这一学术缺口。

　　2深度伪造技术在企业中的积极应用

　　深度伪造是人工智能驱动的技术,该技术主要使用生成式对抗网络(GANs)或变分自编码器(VAE)两类模型,通过合成、拼接、更改图像及视频片段,生成以假乱真的视听内容。深度伪造信息生成是人和技术叠加影响的结果,复合了人类在信息生产中的主动性和技术的“能动性”特征[18]。在此基础下,掌握基本计算机技能的个体就能利用深度伪造技术制造并传播人工智能生成的音频、视频等内容。

　　企业可能成为深度伪造技术的使用者,例如根据实际需求将深度伪造技术应用到广告宣传、客户服务和员工培训等方面,不仅能实现既定目标,还能够节约成本。在广告宣传中,深度伪造技术可以生成动态广告,根据用户画像实时调整以贴合顾客的喜好,定制个性化宣传;可以实现跨语言传播,以多种语言呈现同一条广告,做到嘴型与语音同步,使广告宣传毫无违和感,帮助产品打开国际市场。在员工培训中,深度伪造技术能够应用于高风险场景演练,模拟客户投诉、突发急救等复杂场景,生成逼真的人物角色,多维度还原真实冲突与压力,帮助员工在沉浸式环境中强化临场应变能力,更好地进行沟通,做出决策;可以进行宣讲培训,模拟公开演讲环境,让员工更好地掌握公开宣传、营销的能力,员工再也不需要寻找密集的人群来锻炼勇气和口才,在不影响公共秩序的情况下即可完成培训目标。

　　3深度伪造技术对财务信息安全的影响机理

　　深度伪造技术在企业应用层面拓展了新空间,但其核心能力—对音视频内容的逼真伪造能力—本身就蕴含着被滥用于欺诈和造假的巨大隐患。其中,对财务信息的恶意伪造直接影响企业资产安全,破坏市场信任与经济秩序,构成了巨大的威胁。

　　3.1影响机理及后果

　　3.1.1伪造高管指令

　　不法分子通过算法或程序下发指令,通过搜集到的公开影像资料、电话录音等收集目标高管的数据信息,伪造高管人脸、虹膜、指纹、语音等生物特征。利用生成的生物特征顺利通过身份验证,进入高级财务数据库篡改财务信息,从而威胁到企业的财务安全;或者制造虚假财务交易,利用人脸、虹膜、指纹和语音认证等要求财务人员直接转账。根据技术接受模型(TAM),财务人员对深度伪造技术风险认知不足,不能充分认识到深度伪造财务信息的风险和识别深度伪造的攻击,认为防范深度伪造信息过于复杂,没有意向推进防范机制,不能识别出深度伪造后的高管财务指令,导致执行不当交易。例如2024年中国香港发生的AI深度伪造诈骗案,诈骗者通过搜集一家跨国公司的英国高层在YouTube上的公开影像,再利用深度伪造技术,给诈骗者换上公司高层的面部和声音,从而实施诈骗,最终造成香港分公司高达2亿港元的经济损失。

　　3.1.2伪造财务人员身份信息

　　不法分子盗用员工的身份信息并进行数据分析,经过伪造的财务人员信息能够匹配企业财务系统的身份验证数据库,更进一步,深度伪造能够进行行为模拟,运用动作捕捉技术复刻用户操作习惯,使非法操作行为模式与真实行为高度吻合,从而绕过企业财务系统的身份验证。基于此,不法分子得以在企业财务数据库中畅行无阻,能够任意篡改、破坏企业财务信息库,伪造企业财务数据,影响企业财务信息安全。根据Gartner公司预测,到2026年,30%的企业将因为AI生成的人脸生物识别深度伪造攻击而认为此类身份认证和验证解决方案不再能够起到可靠的作用[19]。

　　3.1.3伪造电子签名

　　不法分子还能利用深度伪造技术伪造高管或财务人员的电子签名,伪造的电子签名被应用于各种电子凭证作“合法背书”,而电子会计凭证的安全保护的主要来源之一就是电子形式的签名[20]。一方面,伪造的电子签名可能被用于企业财务数据的分享与迁移,泄露企业财务信息;另一方面,伪造的电子签名被批量用于贷款合同、采购订单时,企业不仅将面临财务损失,还可能面临合同欺诈的法律追责,严重影响企业的经营与发展。

　　3.1.4伪造财务报表

　　深度伪造技术能够应用于伪造财务报表,不法分子利用虚假的企业财务数据篡改财务报表,影响企业财务信息安全。一方面,人工智能技术基于算法模型和历史数据精准生成虚假资产负债表、利润表等核心报表,能够有效掩盖亏损、夸大营收,这些票据表面上没有异常,符合会计准则;另一方面,精湛的深度伪造技术生成的财务报表图片使人们无法肉眼观测到报表伪造前后的细微区别,不法分子还能通过算法和程序掩盖修改痕迹,数据准确性与真实性不但无法被人工检测,还能躲过监管机构的AI检测,达成伪造财务信息的目的。

　　综上所述,深度伪造攻击者利用企业数据库、社交媒体等收集照片、视频和录音,从而获取生物特征,使用生成式对抗网络(GANs)或变分自编码器(VAE)进行深度学习、训练并不断迭代,直至能够合成逼真的视频、音频、文本等,再利用这些伪造产品实施诈骗,形成一条深度伪造财务攻击链,见图1。

　　3.2深度伪造技术应用于财务信息造假的经济后果

　　3.2.1造成市场失灵

　　深度伪造加剧了企业与投资者、监管机构之间的信息不对称,导致市场失灵。根据信息不对称理论,企业自身、外部投资者和监管机构得到的信息是有差异的,企业可能利用深度伪造技术发布虚假信息,如发布虚假财务报表,误导投资者和监管机构。伪造的财务报表能够隐藏负面财务信息,相对于传统的财务报表造假,这些深度伪造生成的财务报表往往能够躲避监管机构的检测,从而顺利将劣质的“柠檬”企业伪装成优质企业。当投资者因无法识别企业优劣而普遍选择投资低成本劣质企业时,优质企业反而遭到市场淘汰,这种“劣币驱逐良币”效应直接导致了资源配置失衡和市场失灵。

　　3.2.2进行股市操纵

　　不法分子通过伪造视频或音频发出关于企业财务信息的虚假声明,这类声明能够借助社交媒体在网络上快速传播。已有研究表明,上市公司的财务信息与股价之间存在关系,企业的盈利能力和股票价格正相关,投资者特别关注每股收益[21]。通过伪造虚假的高管声明,不法分子能够影响企业价值,达到操控股票市场的目的。例如,通过合成某企业CEO宣布重大利好的虚假视频,引导投资者在短期内大量购入该公司股票,从而操纵股价获取利益。深度伪造技术操作简单,成本较低,且形成的视听内容生动逼真,往往能够顺利通过传统的人工审核,实现在互联网上的快速传播,影响投资者的判断和决定,进而操纵股票市场。

       3.2.3掩盖逃税与洗钱行为

　　不法分子利用深度伪造形成的电子签名,或伪造高仿真的跨境贸易合同、电子发票甚至银行对账单等图片文件,虚构跨国交易,使非法资金流转看似合法合规。这些伪造信息能够绕过银行反洗钱系统的常规审核,将非法资金伪装成合法贸易收入,实现洗钱、逃税或逃避制裁等目的。这种行为具有技术威胁性,一方面,人工智能生成的文本和图像可精准匹配历史交易模式,规避传统数据异常检测;另一方面,不法分子能够利用不同司法辖区的监管差异及信息传递滞后性,为深度伪造行为提供技术掩护。

　　4深度伪造技术下财务信息安全防御体系构建

　　4.1技术防御：从被动检测到主动预防

　　强化数据加密是维护企业财务信息安全最基本和最有效的技术手段之一[22],采用量子密钥分发(QKD)等技术对企业财务数据加密,将原始数据输出为密文数据,确保财务信息安全,只有掌握匹配密钥的授权用户才能解密和访问密文数据,能在一定程度上防止加密算法被AI逆向破解。同时,将交易记录、合同、财报等财务信息实时上传至区块链,通过哈希算法对内容进行加密固化,确保数据生成、修改的全过程可追溯且不可篡改。区块链的时间戳功能也赋予了区块链不可篡改的特性,区块链会将所有交易数据公开给参与网络交易的每个节点,这些以财务信息为基础生成的信息数据库在区块链中透明公开。时间戳与哈希算法的双重作用,使得区块链系统中的财务数据可验证、可溯源且不可更改。

　　使用控制访问技术,针对用户的身份、角色和职责或者财务数据的重要程度,设置不同的数据加密等级,从而确保只有该等级以上的授权用户能够访问和操作相应的财务数据。具体而言,开发基于AI的财务信息识别检测系统,融合多模态生物特征识别、动态身份验证,实时识别和评估用户的生物特征和身份信息。利用该系统进行实时监控与响应,分析用户异常行为,结合深度伪造风险特征指标设置预警,并预设风险处置流程,缩短攻击响应时间,以便深度伪造行为发生时企业能够及时反应并采取措施。

　　4.2管理优化：重构财务流程与权限

　　制定完善的财务信息安全管理制度,明确验证敏感指令的流程规范。规范深度伪造技术下财务手续的制度和流程,如大额财务运转时需通过多方式确认,可设置电话、邮件和线下签字的组合流程。制度应具有可操作性和可执行性,并定期对制度进行评估和修订,以应对生成式AI发展可能带来的不利因素,满足公司治理和经营发展的需求。

　　加强权限管理,检验财务操作流程的合规性。企业对财务操作流程实施多层级审批机制,明确控制不同层级人员的操作权限与责任边界,形成相互制约机制,避免个人权限过度集中,降低内部财务伪造风险。遵循零信任原则,默认不信任任何内外部用户及设备,通过包括知识因素(如密码、PIN码)、拥有因素(如智能卡、密钥盘),以及生物识别因素(如指纹、虹膜)的多因素身份验证,持续校验访问者身份及操作合法性。

　　加强员工培训,提高财务人员对深度伪造攻击的警惕性。定期对企业员工进行财务安全培训以及深度伪造辨识培训,帮助员工感知防范深度伪造技术的重要性和必要性。通过培训让员工掌握财务信息安全的知识,了解深度伪造技术的基本原理和作用机理,打破员工对深度伪造识别与防范的畏难心理,加强人工识别。在降低信息泄露等人为风险的基础上,进一步加固深度伪造攻击企业财务安全的人工防线。

　　4.3监管与治理：法律追责，内外治理

　　政府制定完善法律法规和政策措施,引导各主体明确其责任和义务,包括事前防范和事后惩处的相关制度和法律配套[23],确保其他责任主体遵守外部法律和规章制度,杜绝财务信息伪造行为。人工智能的发展和应用使财务会计原本的理论体系不再契合当前会计发展的趋势,也对原本已建立的相关法律法规产生影响[24],法律法规的完善十分有必要。

　　企业完善内部监督和审计体系,强化财务信息安全管理的监督审查力度[22]。企业内部的监督和审计部门应及时掌握深度伪造技术的最新发展动态,定期评估和检查财务信息系统的安全性和稳定性,把握好财务信息的AI处理方式,保证财务数据不向外泄露,督察企业内部人员对财务数据伪造进行防范。

　　4.4协作共建：多元主体共治

　　2023年7月,国家网信办联合国家发展改革委、教育部、科技部等七部门发布《生成式人工智能服务管理暂行办法》,以促进生成式人工智能健康发展和规范应用。在此背景下,推进生成式人工智能治理体系构建进程中,政府应主导建立多元共治的协同治理模式,激励企业、社会组织及公众等多元主体参与深度伪造信息治理[25]。政府要及时更新治理理念,秉持包容审慎、风险导向的敏捷治理原则[18],建立深度伪造防治部门,联合专业机构、业界专家等进行深度伪造安全危机防控建设,对深度伪造事件进行防范的同时,面向社会定期开展宣传,警示社会各界遵守法律法规,杜绝深度伪造行为。AI技术的开发者应健全安全防御机制,建立并完善深度伪造案件数据库,对已发生的深度伪造财务信息事件进行分析研究,定期发布报告,不断改进AI技术。网络媒体要坚守法律与道德底线,对深度伪造的负面内容及时处理并上报,避免深度伪造信息在网络上肆意传播。社会公众要提高深度伪造的辨识能力与防范意识,不做深度伪造信息的传播者,而要做深度伪造信息的监督者,提升AI素养,共同筑牢抵御深度伪造技术威胁的社会防线。

　　综上所述,为更好地维护深度伪造技术下的企业财务信息安全,应建立企业财务防御体系(见图2)。在技术层面利用量子密钥分发(QKD)技术、区块链技术、控制访问技术等主动加强财务数据防御,开发针对深度伪造的智能财务信息检测系统。不断优化管理,完善企业财务安全保护制度,规范操作流程;明确权限等级,加强权限管理,通过多层级审批和多因素身份验证降低风险;同时加强员工深度伪造辨识和防范培训,提升感知深度伪造防范有用性和易用性,让员工自主地进行财务深度伪造信息的辨识和拦截。加强监管,完善法律法规和政策措施,企业内部加强治理,完善监督和审计体系。协作共建,由政府主导建立协同治理模式、AI开发者改进AI技术、网络媒体审核反馈、社会公众参与,共同筑牢财务信息安全防线,坚决打击深度伪造行为。如此,建立起由内到外、全面覆盖的企业财务防御体系,能够很大程度上应对深度伪造对企业财务信息安全的威胁。

　　5结语

　　生成式人工智能正在改变这个时代,个体的生活方式和组织的运作机制都随之产生变化。奇安信发布的《2024人工智能安全报告》显示,2023年基于AI的深度伪造欺诈增长了3000%[26]。深度伪造技术正严重威胁企业财务信息安全防线。不法分子可能通过伪造高管音视频指令、仿冒财务人员身份、篡改电子签名及财务报表等手段,最终引发市场操纵、金融欺诈等系统性风险,甚至为洗钱、逃税等违法犯罪行为提供技术掩护。在技术层面,企业应当对深度伪造技术保持警惕,走在捕捉深度伪造信息的前列,采用量子密钥分发(QKD)技术、区块链技术、控制访问技术主动进行深度伪造防御。在管理层面,完善深度伪造背景下财务管理制度,规范财务操作流程,加强员工反深度伪造培训。在监管与治理层面,政府建立健全生成式人工智能相关法律法规和政策措施,企业完善内部监督和审计体系,实现企业的内外协同治理。在共建层面,明确各方深度伪造防范的责任和义务,提升全民识别和防范深度伪造意识,在全社会打造坚决抵御利用深度技术伪造谋取非法财务利益的共识。

　　随着生成式人工智能的指数级发展,深度伪造技术将在财务领域催生更复杂的安全挑战,包括但不限于:智能化的财务欺诈、自动化财报篡改以及基于深度学习的金融身份盗用等新型风险。当前,生成式AI在商业领域的风险呈现显著的“认知—现实”落差:

　　(1)威胁认知滞后。由于实际案例较少,企业对深度伪造技术的“感知有用性”普遍不足,尚未充分意识到其在财务欺诈中可能达到的拟真程度,导致防范机制缺位。

　　(2)技术门槛降低。随着生成式AI的普及,不法分子无须专业编程能力或高昂成本即可实施财务伪造(如自动生成虚假交易凭证、合成高管声纹指令),显著降低了犯罪的技术与经济门槛。

　　(3)范式重构趋势。从长期看,该技术将持续重塑财务决策流程:既可能通过智能分析提升决策效率,也可能因伪造技术泛滥倒逼风控体系升级,形成“技术双刃剑”效应。

参考文献

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

　　[2]郑高键.深度伪造技术滥用行为的刑法回应[J].法律科学(西北政法大学学报),2025,43(3):56-68.

　　[3]刘国柱.深度伪造与国家安全:基于总体国家安全观的视角[J].国际安全研究,2022,40(3):3-31,157.

　　[4]孙毅,王志浩,邓佳,等.人脸深度伪造检测综述[J].信息安全研究,2022,8(3):241-257.

　　[5]张铮,吴福仲.拟身链接:基于深度伪造技术的人机互动及其社会善用可能[J].苏州大学学报(哲学社会科学版),2022,43(2):164-173.

　　[6]KAUR A,NOORI HOSHYAR A,SAIKRISHNA V,et al.Deep-fake video detection:challenges and opportunities[J].Artificial Intelligence Review,2024,57(6):159.

　　[7]张欣,宋雨鑫.算法凝视下的女性:深度伪造的性别伦理困境与治理路径[J].妇女研究论丛,2024(6):81-97.

　　[8]黎春娴.深度伪造会带来全新的“认识威胁”吗?[J].自然辩证法研究,2024,40(8):66-73.

　　[9]张涛.后真相时代深度伪造的法律风险及其规制[J].电子政务,2020(4):91-101.

　　[10]王振波,吴湘玲.数字时代深度伪造技术研究:机理特征、功能异化及其优化理路[J].北京航空航天大学学报(社会科学版),2025,38(2):47-55.

　　[11]SEOW J W,LIM M K,PHAN R C W,et al.A comprehensive　overview of Deepfake:Generation,detection,datasets,and op-portunities[J].Neurocomputing,2022,513:351-371.

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

　　[13]董佳乐,邓正杰,李喜艳,等.基于频域和空域多特征融合的深度伪造检测方法[J].图学学报,2025,46(1):104-113.

　　[14]赵国宁.智能时代“深度合成”的技术逻辑与传播生态变革[J].新闻界,2021(6):65-76.

　　[15]石婧,常禹雨,祝梦迪.人工智能“深度伪造”的治理模式比较研究[J].电子政务,2020(5):69-79.

　　[16]李猛.深度合成技术的社会安全风险:样态表征、生成机理与敏捷治理[J].中国科技论坛,2024(5):149-159.

　　[17]何瑛,赵欣越,朱子明.ChatGPT赋能智能财务建设的理论机制与实施路径[J].会计之友,2025(10):94-101.

　　[18]冉连,张薇.AIGC中的深度伪造信息:生成机理与治理策略:基于行动者网络理论的分析框架[J].信息资源管理学报,2025,15(2):137-150.

　　[19]Gartner.Gartner:预计到2026年,30%的企业将因为AI生成的深度伪造而认为身份认证与验证解决方案无法起到可靠的隔离作用[EB/OL].(2024-02-29)[2025-04-13].

　　[20]周卫华,范家齐,何华祥.电子会计凭证的数据安全性问题探析[J].财务与会计,2021(20):60-63.

　　[21]陈冲,谢涛.上市公司财务信息对股价影响的实证研究[J].财务管理研究,2023(2):101-106.

　　[22]周胤.财务共享模式下企业财务信息安全研究[J].企业经济,2025,44(1):153-160.

　　[23]洪涛,王瀛,白锐.深度伪造引发安全风险的逻辑理路与共治方案[J].中国行政管理,2025,41(3):114-126.

　　[24]何康.人工智能对财务会计的影响、挑战与应对研究[J].财务管理研究,2023(1):99-104.

　　[25]张新生,王润周,马玉龙.AIGC背景下虚假信息治理挑战、机会与策略研究[J/OL].情报科学,1-23[2025-04-09].

　　[26]奇安信.2024人工智能安全报告[R/OL].(2024-08-12)[2025-05-27].