移动社交软件模式分析及智能授权设计论文
2025-11-25 17:57:18 来源: 作者:xuling
摘要:本文提出了移动社交软件模式设计的“安全便利”“完全自主”“告知同意”三要素,系统地分析了三要素的异化现象,创新性地构建了一种兼顾个性化需求与隐私保护的新型社交框架“自主授权—智能模式”。
摘要:本文提出了移动社交软件模式设计的“安全便利”“完全自主”“告知同意”三要素,系统地分析了三要素的异化现象,创新性地构建了一种兼顾个性化需求与隐私保护的新型社交框架“自主授权—智能模式”,通过两组公式实现了内容推荐、关系分组、访问权限三类核心功能,为移动社交软件的隐私保护与功能优化提供了新思路。后续仍需结合深度学习技术进一步验证模型的自适应能力与场景适用性。
关键词:移动社交软件;模式设计;智能授权
0引言
随着移动网速及后台算力对于各类功能支撑能力的提升,移动社交软件的功能越来越丰富,用户体验也出现越来越多的问题。尽管产商不断优化软件模式,有些问题仍然无法解决,因此,需要彻底改变移动社交软件的底层模式。
1移动社交软件模式分析
移动社交软件在模式设计时有几个惯性思维。一是软件设计理念中,为用户呈现核心功能的优先级远远高于其他。二是依照用户习惯进行设计性价比高,而创新设计不仅会增加设计成本,效果也不一定好。三是产商默认为用户提供了一种安全与功能兼备的模式。这种惯性思维下,软件开发设计之初就有意或无意剥夺了用户的权利。比如,有的用户希望可以在非好友的情况下,共享、匹配推荐一些信息给陌生用户;有的用户则希望可以在界面上时刻看到设置按钮及详细的功能说明等。
法律条文明确规定:“网络平台服务提供者通过自动化决策方式向个人进行信息推送的,应当设置易于理解、便于访问和操作的个性化推荐关闭选项,为用户提供拒绝接收推送信息、删除针对其个人特征的用户标签等功能”“基于个人同意处理个人信息的,个人有权撤回其同意。个人信息处理者应当提供便捷的撤回同意的方式”。故而理想的移动社交软件,应实现社交服务的自由便捷和用户信息的提示保护,可以转化为“安全便利”“完全自主”“告知同意”三个关键词。用户既有完全自主性、安全便利性,又有告知同意权。任何功能都可以自主单独设置或一键授权设置;任何界面都有功能设置窗口,每一个设置有深度提示。
2移动社交软件模式三要素
仔细分析发现,用户在使用移动社交软件的过程中,“安全便利”“完全自主”“告知同意”这三个要素均被异化了。
2.1“安全便利”的旨归意向
移动社交软件生来为社交而存在,安全与社交应有一个平衡点。很多社交用户有一种乐得分享、广而告之的心态,而不是保护信息的心态。不同用户对于安全会有不同需求,更希望便利的一键式选择某种安全模式,而不是一一设置的安全模式。目前移动社交软件设计侧重于核心功能的安全便利使用,其他方面有所改善但不太理想。相对来说,安全或便利均是厂家预设的,用户能便利地自定义安全模式、用户界面,才算是真正的“安全便利”。
2.2“完全自主”的旨归意向
移动社交用户通常会觉得他们可以自由设置社交功能,但这实际上是一种“先限制,后自主”的模式。移动社交用户在注册新账户后,既不能设置将具有某些标志的陌生用户自动添加为好友,也不能在不是好友的情况下对某类型陌生用户开放好友权限,又没有“匹配推荐”的选择权限,且拥有好友关系的用户之间尽管远近关系不一致,但权限几乎都一样。用户使用过程中缺少了一些选择的权力、选择的选项。“完全自主”应是全过程可以自主选择、全过程提供可供选择的选项。
2.3“告知同意”的旨归意向
几乎全部移动软件平台的使用政策字符均较多,绝大多数用户大致浏览或不浏览就出于信任做出同意的选择,“告知同意”逐渐异化为软件平台的单向通知[1]。这种单向通知往往没有带来“告知同意”的效果。用户后续进行任何设置操作,都需要去较隐蔽的界面寻找。用户既没有真正被告知,也没有真正同意。“告知同意”应是全过程既有随时可设置的按钮,又有适度频率或合适时机的告知提示;全过程既有简要的清晰告知提示,又有详细的全文告知提示。
3移动社交软件智能授权模式设计
本文融合“安全便利”“完全自主”“告知同意”三要素,设计一种相对理想的移动社交软件模式。
3.1移动社交软件模式对比
用户注册后的初始权限可分两类模式。最小可用—授权模式下,用户授权前只展示、利用用户最小可用信息来保证社交的基本功能,后续用户自主逐一授权来新增或减少不同的功能。最大可用—挖掘模式下,用户授权前即展示、利用法律允许的最大可用信息,深度挖掘信息,以达到软件设计的最佳功能。两类模式均为产家预设一种模式后,用户在后续使用过程中自主设置实现各类权限。

基于以上两种模式的局限性,本文提出了一种“自主授权—智能模式”,提供“自主设置模式”“组合授权模式”“智能授权模式”三种二级模式。“自主设置模式”即用户自主逐一设置的常规模式。“组合授权模式”是提前搭建几种授权组合,用户根据需求实现一键授权。“智能授权模式”无需用户进行任何授权,社交、推荐权限完全依赖于软件计算的授权结果,社交软件对用户的行为、内容等进行智能分析,经过多轮不同的算法,智能计算出用户之间的社交权限以及推荐功能。
3.2“智能授权模式”的设计
具体来说,“自主授权—智能模式”三种二级模式中,“自主设置模式”选择“最小可用—授权模式”,相当于为用户保留了最习惯、最安全的模式。“组合授权模式”是对“最小可用—授权模式”的优化,是在原有底层模式的基础上,提供了多种预设模式以及界面窗口用户自定义。“智能授权模式”保留了“组合授权模式”中的预设与自定义,但改变了现有软件的底层模式,软件不再通过加好友的方式来社交,而是通过用户关系识别、权限智能分配两道关卡来实现用户间智能社交。智能社交指根据用户社交行为、年龄地域、兴趣爱好等计算匹配的结果,从而智能判定用户间的社交关系及权限,用户也可以为不同社交对象设置不同的自定义标记来实现特别的需求。
3.2.1预设提醒与自定义
“组合授权模式”下,软件商为用户提供了多种预设模式,并提供自定义式的用户界面及提醒式的设置语言。
考虑到用户设置的便利性以及用户需求的模式化,软件商可以为用户提供诸如省流量模式、省内存模式、幼小模式、老年模式、新婚模式、运动模式等丰富的预设模式。以省流量模式为例,产家将“图片、视频等自动加载功能关闭”“WiFi优先打开”“不使用流量改善网络”等打包设置,不需要用户一一理解后设置。
自定义式的用户界面是指界面模块、聊天窗口等可任意拼图或简略呈现。一是更换背景皮肤,内容、框架不变,侧重于主题背景选择;二是更换模块排序,内容不变,局部框架可变,侧重于常用操作便利;三是页面布局可选,精简内容,框架可变,侧重于自主搭建布局。
提醒式设置语言是指当用户进行任何操作的时候,都会弹出相关提示语。如,当用户不作停留很快速地翻阅内容时,弹出提示语“您是否只想收到自己喜欢的内容,请点击此处进行设置”;当用户不断点击进行各种设置尝试时,弹出提示语“您是否想调整模式,请点击此处进行设置”。
3.2.2用户关系识别
软件商通过用户注册预留信息、用户即时位置信息、社会主流热点、用户发布内容、用户操作行为、用户间社交记录等识别用户间关系。具体来说,用户关系识别大致可以分为三类:一是基于拓扑结构,利用用户之间的好友关系、共同好友数量等拓扑结构信息识别用户关系;二是基于用户行为,利用用户的互动频率、互动内容等行为数据识别用户关系;三是基于内容信息,利用用户发布的文本、图片等内容信息识别用户关系。
本文将上述三类识别方式用特征值矩阵、赋权矩阵的方式融合在一起,并根据两个矩阵乘积的大小来判断用户关系。用户与用户之间发生的社交关系各有不同,有重要与不重要、主动与不主动、前期与后期等之分,故而所占的关系权重不一样,且同一种社交在不同社交阶段的关系权重也不一致。判断值X计算、提取公式表达如式(1)~式(3)所示:

式(1)中,n列的行矩阵和n行的列矩阵相乘得到一个具体的数值X(n为任意正整数)。式(2)中,行矩阵A的元素(次数、时长等数值)均为单位时间内某一个社交关系(指互动次数、浏览时长、共同社交人数、相同兴趣数等)的赋分数值;每一个社交关系的实际数值为x(0≦x≦y,y为全用户最大值),按照百分制赋分方式进行处理后得到赋分数值(100x/y)。式(3)中,列矩阵B的元素均为A中元素(某一个社交关系)的对应权重,其权重的和为1;列矩阵B有三个矩阵,分别对应为内容推荐、关系分组、访问权限三个类别的权重。如,兴趣爱好的权重在内容推荐中占比较大,在关系分组和访问权限中占比较小。
3.2.3权限智能分配
授权管理是保障用户隐私和数据安全的关键技术,主要任务是控制用户对资源的访问权限。现有的授权管理机制主要分为基于角色的访问控制、基于属性的访问控制两类。第一类将用户划分为不同的角色,并为每个角色分配相应的权限;第二类根据用户属性、环境属性、资源属性等因素动态决定用户的访问权限。在移动社交软件中均使用基于角色的访问权限,同时根据用户为不同好友添加的属性,动态决定用户的访问权限。本文根据角色、属性的两个判断值X1、X2来智能分配访问权限,公式如式(4)所示:
X1=A1*B1
X2=A2*B2
角色判断值X1是指上述式(3)关系分组的判断值,主要用于为不同分组中的角色分配对应的权限,如为家人开通全部社交权限。属性判断值X2是指上述式(3)访问权限的判断值,主要用于在同一分组中控制不同角色的权限,其中用户对不同角色的自定义备注所占权重最大。通过先赋予权限再限制权限的两步走策略,可以实现每个用户的精准赋权,并最终实现“智能授权模式”。
4结语
本文针对现有移动社交软件模式的特点,梳理出理想的移动社交软件模式应符合“安全便利”“完全自主”“告知同意”三要素,提出了一种基于多维度特征融合的用户关系识别方法,并结合用户隐私偏好设计了一种细粒度的授权匹配机制。该方法后续还需在大数据深度学习的情境下进行实证调权,确保该办法下的用户关系识别和授权管理能够切实保障用户隐私和数据安全。
参考文献
[1]袁莹莹.网络平台个人信息“告知同意”规则的困境与出路[J].网络安全与数据治理,2024,43(10):83-90.