2026-07-04 05:07:24 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

文章总结： 本文探讨了多源数据用户画像的构建与安全治理。文章梳理基于本体、主题、兴趣偏好及行为的四种构建方法，剖析其在法律合规、数据泄露及算法偏见三方面的风险。最后从完善法律法规体系、提升隐私计算与算法公平等技术能力、构建政企民协同治理机制三方面提出建议，为企业合规应用提供路径。 综合评分： 84 文章分类： 数据安全,政策法规,安全建设,应用安全,AI安全

cover_image

用户画像的“双刃剑”：多源数据融合如何实现精准与安全的统一

原创

Cismag Cismag

信息安全与通信保密杂志社

2026年7月3日 17:37 四川

在小说阅读器读本章

去阅读

编者荐语

大数据时代，用户画像已成为企业精准运营与个性化服务的关键技术。然而，海量数据的采集与使用也伴生着重大安全风险。本文系统梳理了基于本体、主题、兴趣偏好、用户行为四种用户画像构建方法的优劣与应用场景，并从完善法规、技术治理、协同监管三方面提出系统性应对方案，为企业合规运用用户画像、防范算法风险提供了清晰路径。

引用本文

沈传年 , 张超超 , 闵宗茹 , 等 . 融合多源数据的用户画像构建与安全治理研究[J]. 信息安全与通信保密 , 2026(4): 30-40.

文章摘要

用户画像是一种通过分析用户行为数据来实现用户精准刻画的技术，近年来已被广泛应用于数字营销、金融服务、个性化推荐等领域。用户画像在助力企业精细化运营的同时，也带来了日益凸显的安全风险。因此，需加强相关研究，助力监管治理。首先介绍了用户画像的基本概念及国内外研究现状；其次阐述了基于本体、主题、兴趣偏好以及用户行为的4种用户画像构建方法，并对其进行比较；再次分析了用户画像在法律合规、数据安全、算法偏见方面的3类安全风险；最后分别从完善法律法规体系、提升安全技术能力、构建协同治理机制3个方面提出了用户画像的治理建议。

0 引言

大数据时代，用户的各类网络行为（如信息搜索、信息发布、购物交易、社交互动等）不可避免地会在互联网上留下痕迹，海量、多源、异构的用户网络行为数据被广泛采集，这些数据为企业深入了解和掌握用户需求、研究并制定针对用户的精准服务策略提供了现实可能，但海量数据的获取、处理、存储，以及如何从中精准提取真正所需的高价值信息，成为企业亟待解决的难题。在这一背景下，用户画像（user profile）技术应运而生。用户画像作为一种能对用户日常行为模式与活动轨迹进行综合描述和精准刻画的技术，其作用正日益凸显，近年来已被广泛应用于市场营销、健康医疗、决策支持、个性化服务与推荐等领域。然而，在用户画像技术大规模应用的同时，其引发的数据安全风险问题也愈发突出。涉及用户个人的隐私数据若被不当使用或遭到恶意泄露，可能会给用户带来难以预估的风险；此外，规模化用户数据还可能会被恶意用于操纵公众舆论、开展不正当商业竞争等。因此，如何有效防范用户画像应用带来的安全风险，已成为当前业界重点关注的方向。

1用户画像的基本概述

1.1 用户画像的定义

用户画像又被称为用户原型或用户数据画像，是指通过对收集到的用户社会属性、行为习惯、兴趣偏好、消费特点等重要数据进行分析与标签化处理，构建具象化的虚拟用户模型，从而实现对用户的全方位描述与刻画。用户画像的核心在于画像构建，目的在于落地应用。现有用户画像构建主要围绕2个目标展开：一是企业根据用户需求、观点等多维特征，从海量用户群体中抽取典型用户群体；二是针对单个用户的行为习惯、兴趣偏好等数据，通过构建多维度用户标签，刻画其真实意图。

1.2 用户画像的数据来源

用户数据获取是构建用户画像的重要前提，用户数据获取的全面性和准确性直接影响用户画像质量。用户画像数据可根据数据来源、数据类型、数据结构、数据形态进行不同分类。从数据来源来看，用户画像数据可通过问卷或访谈调查、网络公开数据爬取、平台数据库采集等方式获取。从数据类型来看，用户画像数据包括文本、图像、音频、视频等类型。从数据结构来看，用户画像数据可分为结构化数据、半结构化数据及非结构化数据。从数据形态来看，用户画像数据又可分为用户显性数据、用户隐性数据及混合性数据3类。其中，用户显性数据一般指用户在使用应用时根据平台要求提交的注册信息，如用户ID、性别、出生年月、所在地区、感兴趣主题等，该类信息由用户直接提供，直观且易于获取，但用户可能出于多种顾虑未如实填写，导致信息准确性无法保证。用户隐性数据一般来自用户使用应用过程中产生的行为数据，如搜索关键词、网页浏览记录、点赞收藏记录等，平台通过对该类数据进行统计分析，可间接推断用户的真实需求、兴趣偏好等特征，相较于用户显性数据，用户隐性数据来源于用户日常实际操作，更加真实可靠、价值更高。混合性数据则是上述2类数据的结合。用户显性数据直观易获取，但易受用户主观因素影响，用户隐性数据客观准确，但需基于大量用户行为数据的收集与分析，混合性数据兼顾二者优势，能更有效地挖掘用户有价值的信息。

1.3 用户画像的研究现状

1.3.1 国外研究现状

国外对用户画像的研究起步较早。Cooper提出了7步人物角色构建法，通过行为变量构建典型用户画像。该方法的流程包括确定用户行为变量、访谈目标用户、识别重要行为模式、确定人物特征与目标、检查完整性、描述典型场景、指定用户类型。Alaoui等人针对个性化服务需求，提出了一种通过跟踪用户偏好与意图构建动态用户画像的方法，该方法能更准确地理解用户需求，从而为用户提供恰当的服务。Fernandez等人提出了一种基于语义的用户画像建模方法，该方法不仅能从在线社区的用户活动中收集原始数据，还能结合特定情景对数据进行解读，进而推断用户在不同时间与不同在线社区中的需求、行为与偏好。De Amo等人针对传统推荐算法存在的严重可扩展性问题，提出了一种基于数据挖掘技术的自动偏好获取方法，用于从偏好数据库中挖掘用户画像，并在真实的电影用户偏好数据库上进行了实验，结果验证了该方法的有效性。该方法是首个基于情境偏好规则概念构建可读用户画像的方法。Adlin等人提出了人物角色生命周期理论，将用户画像构建过程划分为类似人类出生与成长的5个阶段：角色规划、角色构思与孕育、角色诞生与成熟、角色发展、角色复用与迭代更新。

1.3.2 国内研究现状

与国外研究发展状况相比，国内针对用户画像的研究起步相对较晚。张涛等人针对小众领域因用户量与信息量较少导致用户画像构建困难的问题，提出了一种基于网络浏览行为构建小众领域用户画像的方法。该方法通过构建小众领域伪本体，从有限的用户网络浏览数据中挖掘用户兴趣信息，进而生成基于领域兴趣的用户画像。李爱斌针对当前推荐系统中文本信息过载而视图信息利用不足、多模态信息获取困难及不同模态间语义交互难以处理等问题，通过整合文本、图像多模态数据，提出了一种基于多模态数据的原型个性化电影推荐系统。林燕霞等人提出了一种微博群体用户画像构建方法，该方法基于社会认同理论，通过文本挖掘微博用户关注的主题，实现用户群体分类与特征属性提取，最终得到5类典型微博群体用户画像。毛太田等人通过网络调查法与半结构化访谈法收集数据，基于扎根理论与“压力源—应变—结果”（stressor-strain-outcome, SSO）理论构建了人智交互情境下用户隐私悖论行为的画像模型，并以人工智能生成内容用户为调研对象，结合K-means聚类算法，识别出4类差异显著的用户群体画像类型。辛欣等人通过建立中国邮轮用户评论主题维度词库，结合大数据情感分析挖掘用户偏好，在对26名有效游客深度访谈后，形成用户画像的5个维度，最终构建出6类邮轮游客用户画像。

上述国内外针对用户画像的研究，能够为用户画像构建与风险治理提供重要借鉴。在构建方面，可借鉴国内外用户特征分析思路、数据采集与建模方法，结合国内应用需求优化画像特征与模型设计，提升构建过程的科学性与适配性。在风险治理方面，可参考国内外典型风险案例与治理实践，为建立契合国内应用场景、衔接国际标准的治理体系提供实操参考。

2 用户画像的构建方法

用户画像作为精准识别用户特征、实现个性化服务的重要基础，其构建方法直接影响应用效果。当前用户画像构建技术日趋成熟，本文分别从基于本体、主题、用户兴趣偏好以及用户行为4个方面对用户画像构建方法进行介绍，多维度刻画用户特征，为精准服务与智能决策提供有力支撑。

2.1 基于本体的构建方法

在用户画像体系中，本体是指定义用户相关概念、概念属性及概念间关联关系的结构化用户知识体系。基于本体的用户画像构建方法能够解决传统用户画像标签语义模糊、维度孤立、难以关联等问题，使用户画像从零散的标签集合升级为机器可理解、人可解读的用户知识系统。郭红梅等人构建了基于科研机构本体的机构画像，有助于用户全面了解科研机构的属性与特征，精准识别关联机构，为机构宏观决策、科学预测及挖掘潜在合作对象与竞争对手提供支撑。于宝君等人针对0～6岁低幼儿童的阅读需求，以其家长购买图书的在线评论为依据，基于低幼儿童信息属性、绘本信息属性及购买者在线评论的信息属性等分析低幼儿阅读群体特征，并借助本体构建了该群体的用户画像。张子姝将本体概念引入旅游领域，以代表性平台“马蜂窝”为例，构建了基于本体的虚拟旅游社区用户画像，并据此对目标用户开展个性化推荐。

2.2 基于主题的构建方法

基于主题的用户画像是指通过从用户收集的文本信息中提取隐含主题，挖掘用户潜在特征，并利用隐狄利克雷分配（latent Dirichlet allocation, LDA）等主题模型构建用户画像。黄玉民等人针对如何从用户数据与海量短视频数据中精准获取用户兴趣信息的问题，提出了一种融合LDA模型与基于狄利克雷多项式混合模型的收缩型吉布斯采样（Gibbs sampling for the Dirichlet multinomial mixture, GSDMM）模型的改进主题模型，用于构建三级短视频用户画像。实验表明，该方法能够较为完整、准确地刻画短视频平台用户画像，可为平台个性化推荐提供支撑。赵倩倩在对社会影响较大的网络舆情事件中的重点人物进行数据分析的基础上，提出了一种基于LDA主题模型与K近邻（k-nearest neighbors, KNN）文本分类算法的网络舆情重点人物用户画像系统。该系统先通过LDA主题模型生成带有语义信息的主题词矩阵，再利用KNN文本分类算法对矩阵进行分类，得到重点人物微博内容的分类结果，最后对用户画像系统进行功能测试，验证了其有效性。温昕针对当前用户画像研究多聚焦静态特征，忽略了用户兴趣与关注点可能随时间变化，导致静态画像无法准确反映用户动态需求的问题，提出了一种基于动态主题模型的bilibili网站用户画像构建方法。该方法首先爬取并预处理了2019—2023年该网站科技区头部博主视频及其评论文本数据；其次通过动态主题模型进行主题识别与用户特征主题提取，分析用户潜在偏好及偏好变化趋势；最后从内容偏好与视频形式2个维度构建用户动态画像。

2.3 基于兴趣偏好的构建方法

用户兴趣偏好体现了用户在特定领域的实际需求、行为习惯与情感倾向。基于兴趣偏好的用户画像是指通过对用户显性或隐性兴趣偏好数据进行深度挖掘分析，提取用户兴趣偏好特征，进而构建基于用户潜在兴趣偏好的画像模型。徐建民等人提出了一种结合用户内容偏好与情绪倾向构建微博用户兴趣画像的方法，该方法利用LDA模型从用户历史信息中挖掘内容偏好特征，并在此基础上通过情感分析模型解析用户在不同内容偏好下的情绪倾向，从内容偏好与情绪倾向2个维度精准刻画微博用户兴趣画像。李松等人提出了一种基于评论信息构建网络购物用户兴趣画像的方法，该方法以2021年上半年化妆品网购用户评论为研究对象，创新性地构建了包含专业兴趣标签、情感标签、否定词及程度副词的用户兴趣词典，通过用户评论情感倾向特征分析、用户兴趣标签云分析、用户兴趣标签的语义网络分析，进行用户兴趣画像分析。吴树芳等人针对当前微博用户画像构建中用户特征提取不够全面、精准的问题，提出了一种基于用户兴趣转移的动态兴趣画像构建方法。该方法先获取用户初始兴趣词集，再引入时间衰减函数实现兴趣词集的动态更新，最后融合静态属性标签与动态兴趣标签完成微博用户画像的构建。

2.4 基于用户行为的构建方法

基于用户行为的用户画像是指通过收集、分析、挖掘用户各类网络行为数据（如信息搜索、信息发布、购物交易、社交互动等），全面洞察用户潜在意图、真实需求与特征规律，进而构建精准的用户画像模型。王晰巍等人针对直播电商用户，提出了基于信息行为聚类的用户画像模型。该模型从用户信息使用行为特征、信息交互行为特征及购买行为特征3个维度出发，提取了10项二级评价指标与18项三级评价指标，并结合因子分析与K-Means算法对用户信息行为开展聚类分析，最终构建了用户信息行为画像模型。王海燕等人针对现有模型在构建用户画像时未融入属性挖掘，导致模型构建耗时较长、对供电所用户用电行为分析效果不佳的问题，提出了基于属性挖掘的供电所用户用电行为画像构建方法。实验结果表明，该模型通过简化画像构建过程，有效缩短了构建时间，使用户用电行为的分析结果更贴近真实用电情况。韩波等人针对新闻阅读从传统媒体转向互联网过程出现的信息过载、内容推送不精准等问题，提出了一种基于用户行为分析的用户画像构建方法。该方法以越牛新闻客户端为例，通过分析用户阅读行为提取特征，动态融合用户多领域阅读偏好与新闻文章标签分类体系，实现用户画像系统的精准构建。

2.5 构建方法之间的比较

为更全面、直观地展现上述4种用户画像构建方法的差异，本文从构建逻辑、优势、局限性及典型应用场景4个维度对这4种方法进行简要对比，如表1所示。

表1 4种用户画像构建方法的比较

3用户画像安全风险与治理

3.1 安全风险

用户画像技术在广泛应用的同时，也伴随着日益突出的安全风险问题，这不仅可能侵害用户的合法权益，还会影响用户画像技术应用的公平性与可靠性。因此，正视用户画像安全风险，是规范用户画像技术应用、保障用户画像技术更好发展的重要前提。本文将从以下3个方面对用户画像的安全风险进行分析。

3.1.1 法律合规风险

与传统个人信息数据不同，用户画像数据是通过对数据进行挖掘、分析、整合形成的聚合数据。我国相关法律法规和标准规范虽对用户画像有所涉及，但在立法层面仍存在2个方面不足：

一是相关法律法规和标准较为分散。《中华人民共和国个人信息保护法》作为规范用户画像的主要依据，其第六条、第十三条、第十七条、第二十四条、第二十八条至第三十四条分别从目的限制与最小必要原则、合法性基础、告知义务、自动化决策及敏感个人信息的处理规则等方面对用户画像进行规制；《中华人民共和国数据安全法》要求对数据实行分类分级保护；《中华人民共和国消费者权益保护法》规定经营者收集、使用消费者个人信息，应当遵循合法、正当、必要的原则，并征得消费者同意；GB/T 35273—2020《信息安全技术个人信息安全规范》从用户画像的使用限制、个性化展示的使用、基于不同业务目的对所收集的个人信息的汇聚融合以及信息系统自动决策机制的使用等方面对用户画像作出规范指导。上述法律法规和标准分属不同行业主管或监管部门，易出现监管重叠或监管空白等问题，且尚未形成对用户画像的统筹监管与全流程监管。

二是相关法律法规不够细化。例如，《中华人民共和国个人信息保护法》第二十四条对“个人信息处理者利用个人信息进行自动化决策”作出规定，要求保证决策的透明度和结果公平、公正，但未就算法透明度的具体标准、如何证明决策结果的公平公正作出明确规定。此外，相关法律法规虽明确了“告知—同意”规则，但在实际操作中，对告知方式、用户同意的形式及效力等均缺乏具体规定。

3.1.2 数据安全风险

用户画像的构建离不开海量的用户数据，在对用户数据进行收集、使用的过程中可能面临多方面数据安全风险，具体如下：

一是数据违规收集风险。企业在构建用户画像时可能未遵循“合法、正当、必要”原则，以不合法、不透明的方式违规获取用户数据，例如，将构建画像所需的用户敏感数据与核心服务绑定，用户若不授权则无法使用服务，进而隐性强制收集用户数据。企业还可能在隐私政策中模糊告知“收集数据用于个性化服务”，却不明确说明具体用途，导致用户无法评估授权风险。此外，企业还存在超范围收集与用户画像无关的用户数据等问题。

二是用户隐私泄露风险。用户数据在被收集后，在存储和传输环节仍面临安全风险，例如，用户画像数据存储系统因未加密、弱密码、软件漏洞等系统漏洞遭到黑客攻击，致使海量用户隐私数据被窃取。以美国电话电报公司（American Telephone & Telegraph, AT&T）用户数据泄露案为例，AT&T于2024年3月30日发布声明称，因遭受大规模黑客攻击，约7300万客户的姓名、出生日期、电子邮箱地址、邮寄地址、电话号码等个人信息被泄露至暗网。此外，企业内部员工可能受利益驱使，违规对外售卖用户画像数据，或因安全意识淡薄、操作不当导致用户画像数据意外泄露。企业在向合作方共享用户画像数据时，可能因未明确合作方的数据使用范围或缺乏有效监管，导致数据被合作方泄露。用户隐私数据一旦被泄露，可能使用户面临身份冒用、财产损失等重大风险。

三是数据滥用风险。用户画像数据在应用环节同样存在安全风险。例如，企业可能将用户为特定目的授权使用的用户画像数据，在未经用户许可的情况下，擅自用于其他领域或业务场景。企业还有可能将用户画像数据提供给第三方机构，第三方机构通过自有算法或模型对数据进行二次加工，生成未经用户授权的新标签或用户画像，并将二次加工成果用于其他商业目的。

3.1.3 算法偏见风险

用户画像的核心在于利用算法与模型实现对用户的全方位精准刻画。用户画像相关算法在提供精准分析与自动化决策的同时，受多种因素影响可能引入算法偏见风险，具体如下：

一是数据源头偏差导致的算法偏见。若算法训练数据未能覆盖多元用户群体（如老、弱、病、残等特殊群体），或数据本身存在偏见（如传统职业招聘数据中可能隐含性别歧视、司法数据中可能隐含种族歧视或阶层不平等），算法在学习过程中可能会将既有偏见复制或固化至用户画像中，形成“老年用户不擅长网上消费”“女性用户不适合技术类工作”等偏见标签。以美国Workday招聘歧视案为例，该案为一名患有焦虑症的40岁以上非裔男性提起诉讼，称其通过Workday平台申请100多个职位均遭拒绝，指控该公司的AI筛选工具基于健康状况、年龄及种族对求职者实施歧视。

二是模型自身设计缺陷导致的算法偏见。部分模型过度依赖用户历史数据或单一维度数据，忽视应用场景差异。例如，用户某一时间段内的低消费系临时资金紧张所致，而非长期消费特征，这会造成用户画像偏离真实情况，难以实现精准刻画。当带有偏见的画像被用于决策后，受歧视用户群体的后续数据可能被再次反馈至模型，使算法进一步强化初始判断，如此循环往复，将导致受歧视群体长期处于不利地位。

3.2 治理建议

用户画像技术促进了多领域的产业应用，但是对于用户画像安全风险的治理尚存在不足，应在推动用户画像技术发展应用的同时，做好相应的安全治理研究。例如，针对用户画像技术面临的安全风险，应从完善法律法规体系、提升安全技术能力、构建协同治理机制等方面有效推进用户画像的安全治理。

3.2.1 完善法律法规体系

我国《中华人民共和国个人信息保护法》《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国消费者权益保护法》《互联网信息服务算法推荐管理规定》和GB/T 35273—2020《信息安全技术个人信息安全规范》等法律法规和标准的出台，为用户画像的数据收集、算法生成、画像应用等提供了初步监管规则，但随着用户画像技术与实践应用的不断深入，现有法律法规仍难以实现全方位监管，未来需进一步完善针对用户画像的法律法规体系。

一是细化用户画像全流程规则。在用户数据收集阶段，法规应明确“最小必要”原则及其量化标准，禁止以其他理由强制收集与用户画像无关的数据；在用户画像应用阶段，企业须以通俗易懂的语言向用户说明画像的数据来源、构建逻辑及可能产生的影响，相关法规应建立分类分级的用户同意机制，如常规个性化服务可采用一般同意，涉及用户敏感信息或可能产生重大影响的画像应用则须取得用户单独同意。

二是明确用户画像相关主体责任。相关法规应压实企业主体责任。企业作为用户画像的构建与使用主体，需明确其在数据收集、算法生成、画像应用等全流程中的法律责任，对强制收集非必要数据、造成用户隐私泄露、产生算法偏见等违法行为，应加大处罚力度，并实行追责到人制度。

3.2.2 提升安全技术能力

加强对用户画像安全技术的研究是用户画像治理的重要组成部分。用户画像安全技术能力提升应围绕数据合规、隐私保护、算法公平等核心目标，从技术研发、流程管控、评估验证等方面构建一体化技术体系，提升用户画像技术治理水平。

一是强化数据安全技术治理。在用户数据收集阶段，通过研发用户画像必要数据识别系统等技术手段，防止超范围获取用户非必要数据；在用户数据处理阶段，运用数据标识与分类分级技术，识别并区分敏感数据与非敏感数据，为后续数据处理提供差异化保护，同时通过引入数据脱敏、隐私计算等技术构建安全可信的数据空间，在数据不出域的前提下完成对用户画像相关数据的分析，有效降低个人信息泄露风险。针对第三方机构对用户画像数据的二次使用，可通过构建用户画像数据溯源系统，记录数据来源、授权、处理、流转等全流程轨迹，从而实现数据的可追溯。

二是强化算法公平的技术治理。在算法模型训练阶段，为避免数据偏差，通过部署数据样本均衡检测系统，识别并补充弱势群体（如老年人、残疾人等）的样本数量，运用算法偏见检测系统，对涉及性别、年龄、种族等敏感属性的歧视性偏见及时预警，并据此修正模型。

3.2.3 构建协同治理机制

用户画像的安全治理不能仅依靠单一主体的监管模式，需要构建政府监管、企业自治、用户参与的多方联动的治理格局。

一是政府监管要形成合力。明确网信部门、各行业主管部门、市场监管部门等的职责定位。例如，网信部门负责统筹用户画像的数据安全、算法合规及画像应用工作，统一监管标准并规范执法流程；各行业主管部门负责制定适用本行业领域的用户画像监管细则；市场监管部门针对同质化推送导致的“信息茧房”、利用算法实施的“大数据杀熟”等违规行为开展专项执法。各部门协同联动，形成跨部门、全流程的治理模式。

二是企业应加强自身治理。除了接受政府部门统筹监管，企业应积极推动从“被动合规”向“主动治理”转变。例如，企业需明确用户画像数据收集、处理、存储、使用等各环节的责任部门与操作规范，对用户画像数据实行分类分级管理，通过设立专职岗位、严控审批流程、开展内部评估自查等举措，提升企业自治水平。

三是鼓励用户参与治理。企业应为用户提供画像标签查询、偏差标签调整建议、画像应用反馈等渠道，对于用户发现的企业违规行为，监管部门应开通投诉举报通道，支持用户维权监督。

4 结语

当前，用户画像已成为支撑企业精准运营和个性化服务的关键技术，但随着相关技术研究的深入与应用场景的不断拓展，由自身技术特性及监管体系不完善引发的各类安全风险问题正日益突出。频发的安全风险事件在损害用户合法权益的同时，也制约了用户画像应用的健康发展。本文在充分调研用户画像研究现状的基础上，深入分析了其面临的安全风险问题，并为规范和完善用户画像治理提供了参考建议。

本文省去了参考文献，以方便排版

作者简介

沈传年（1981—），男，硕士，高级工程师，主要研究方向为网络与信息安全、区块链；

张超超（1988—），男，硕士，工程师，主要研究方向为信息安全、人工智能；

闵宗茹（1991—），通信作者，男，硕士，工程师，主要研究方向为数据挖掘、信息安全；

刘丽娟（1989—），女，硕士，工程师，主要研究方向为人工智能、数据挖掘。