11月19日，CCF YOCSEF济南分论坛在国家超级计算济南中心举办了题为“数字化助推社会治理的技术路径”的闭门深度技术论坛。本次论坛由中国计算机学会主办，YOCSEF济南学术委员会、山东大学、山东建筑大学、国家超级计算济南中心协办，YOCSEF济南主席刘新锋（山东建筑大学）、YOCSEF济南副主席孟雷（山东大学）、YOCSEF济南委员刘宁（山东大学）担任执行主席，YOCSEF济南委员盖伟（山东大学）和李曼祎（山东大学）担任线上主席。

论坛邀请到国家重点研发计划“社会治理与智慧社会科技支撑”重点专项应用示范团队以及相关领域的企业代表和学术专家，吸引了包括山东大学、山东建筑大学、山东财经大学、山东师范大学、山东省工业技术研究院、浪潮软件科技有限公司、山东舜网传媒股份有限公司和济南储光信息科技有限公司等科研院所和公司的专家学者共计30余位参加。围绕数字化赋能传统社会治理模式的技术路径和智能化提升社会治理手段的技术路径两条主线、开展数字化智慧社会治理技术问题的探讨，探讨、梳理、凝练出了一条社会治理模式创新、业务平台实景互动能力提升的技术路径。

图1.YOCSEF济南主席刘新锋作论坛开幕致辞

图2.论坛会场与会嘉宾

YOCSEF济南主席、论坛执行主席刘新锋作开幕致辞，他表示数字化转型是新一代智能技术驱动下的社会变革，是社会、政府、企业当下面临的重要挑战。国家“十四五”规划要求“加快数字化发展 建设数字中国”，明确指出“以数字化助推城乡发展和治理模式创新”；自然资源部明确“到2025年，50%以上的政府决策、生产调度和生活规划可通过线上实景三维空间完成”。然而，现有技术和系统平台普遍面临基础感知设施缺、数据要素挖掘难、业务模型不完善、实景三维用途乏等痛点问题，如何实现政法综治业务全要素全周期的数字化、构建虚实共生的社会治理平台是数字化助推社会治理亟待解决的技术瓶颈。

上午的引导发言阶段由三位引导嘉宾分别从社会治安综合治理、智慧司法和智慧警务等社会治理典型场景及现有技术和平台进行介绍并发表引导观点。浪潮软件科技有限公司数字治理事业部副总经理商浩以“社会治理行业应用实践”为题，围绕数字化平台助推济南市域社会治理的应用实践，分析了社会治理及社会治理所面临的多个挑战、存在的多个问题，介绍了“济南市域社会治理全景多维综合应用平台”的总体架构、运行机制、数据支撑体系，以及“两中枢七工作应用平台”体系。与会专家围绕“如何看待智能化技术在社会治理应用平台系统中的使用成效？”“平台如何保护居民和网格员数据隐私？”“信息技术应用创新产业方面，从芯片到服务器架构是否国产化？”以及“如何判断应急事件？”等问题开展了进一步讨论。

图3.浪潮软件科技副总经理商浩作引导发言《社会治理行业应用实践》

尹义龙教授团队的孙皓亮博士作了题为“智慧司法专网跨域认证和可信交互研究”的引导发言。孙博士以数字化助推法检司跨部门协同业务为例，介绍了团队承担的重点研发计划专项“智慧司法可信协同支撑环境关键技术研究”，介绍了智慧司法的研究现状及问题、跨部门可信协同应用的支撑环境以及数字身份统一认证与可信交互的系统建设方案。他认为这种跨域的业务协同理念对各种部门都具有普适性，有望提高社会运行效率。与会专家就“法检司案件粒度定义是什么？”“法检司部门信息流转慢是机制问题还是信息化手段不充分？”“异常访问的定义是什么以及如何识别？”“如何理解系统会针对不同的数据，使用不同的技术，实现可靠的认证识别算法？”“如何检测有权限用的异常行为？”“通过行为模式是否可以进行身份冒用识别？”等问题进行了思辨讨论。

图4.山东大学尹义龙教授团队孙皓亮博士引导发言《智慧司法专网跨域认证和可信交互研究》

山东警察学院的侯睿主任以“智慧警务与社会治理实践思考”为题，分享了数字化助推智慧警务与社会管理的研究、实践和思考。他点明了数据是情报人员的生命的观点，以案件侦查和疫情防控为例阐述了数据挖掘、信息研判、情报获取、决策支撑的现有方法和关键技术。此外，侯主任介绍了在城市扩大化、文化多元化、互动虚拟化的背景下，公安部门的群防群治宣传、智慧警务APP等专群结合数字化社会治理工作。与会专家围绕“智慧警务的难点是治理要素的筛选还是数据建模和收集？”“虚拟警察在政务上如何使用？”“密集人群的交叉轨迹分析是如何做到的？”“知识图谱中算法和人工干预的比重是如何分配的？”“地域数据的汇聚和跨部门协同如何进行？”等问题展开讨论。

图5.山东警察学院警务信息系主任侯睿作引导发言《智慧警务与社会治理实践思考》

图6.论坛嘉宾合影

下午的闭门论坛阶段围绕一个议题及三个子议题进行三个小时的深度思辨研讨。议题一是“数字化赋能传统社会治理的模式与技术路径”，重点放在治理模式转型，子议题从治理业务数字化建模、智能算法结合方式、数据模型安全可信三个方向展开，参与嘉宾主要是业务口专家，由论坛执行主席刘宁主持。与会专家围绕“社会治理场景的数字化建模”“人工智能算法与传统社会治理的结合模式”“数字化社会治理下的数据隐私和决策可信”三个子议题展开了头脑风暴，总结了数字化的社会治理转型遇到的主要挑战，包括数据获取的精度、数据传输、数据管理和共享、数据治理建模复杂度、人工智能和业务场景的有机结合等。其中针对“社会治理场景的数字化建模”问题，嘉宾武蕾与侯睿表达了不同的意见，武蕾表示在目前开发过程中似乎对三维孪生模型没有太大的需求，侯睿则认为三维GIS的应用场景远远大于二维GIS，只是受系统建设、信赖度不高、要价太高等现状所限，围绕该问题，与会专家对二维和三维建模的应用场景和结合方式展开了深度思辨。此外，围绕“人工智能算法与传统社会治理的结合模式”，与会专家认为社会治理本身问题就非常复杂、现有模型和技术的准确率比较低，可以将识别检索、仿真等人工智能算法嵌入数字数字化社会治理的业务流程，用弱智能来替代非常繁杂的、重复的工作，来解放人力。面向“数字化社会治理下的数据隐私和决策可信”子议题，专家围绕使用区块链和联邦学习技术辅助解决隐私问题和增强决策可信进行了思辨讨论，在如何基于规则和示例构建可信赖决策模型、以及如何将技术应用到警方反洗钱工作等社会治理场景梳理出了一条技术路径。

议题二是“智能化提升社会治理手段的技术路径”，重点放在助推数字化治理业务开展的智能技术，子议题从低质社会治理大数据治理、治理事件推演、社会治理数字孪生平台建设三个方向展开，参与嘉宾主要是计算机领域专家，由论坛执行主席孟雷主持。围绕“低质社会治理大数据下智能化模型的设计与构建”、“面向社会治理事件推演的多主体博弈技术”、“支撑社会治理全生命周期感知调控的数字孪生技术”三个子议题，针对“低质社会治理大数据下智能化模型的设计与构建”子议题，与会专家结合各自的研究方向和实践经验，讨论面对数据缺失问题，可以通过循序渐进地提出并形成统一的数据评估标准，获取高质量数据，通过采用联邦学习算法来挖掘重要数据，通过人机协同的方法，构建半监督，保证数据质量。在“面向社会治理事件推演的多主体博弈技术”子议题中，专家们认为结合复杂网络和主体博弈技术，能够对社会治理事件进行建模，而且需要对社会治理时间具备充分深入了解才能实现社会治理实践的推演。专家在讨论到“支撑社会治理全生命周期感知调控的数字孪生技术”议题时，结合工作经验介绍了不同的场景建模，把工作经验融入到社会治理当中，证明了不同场景的社会治理有一些业务存在相似和共通性。在算力方面比较推荐边缘计算，在满足算力需求的同时整个系统能够具有比较高的时效性。

图7.闭门论坛阶段议题一讨论现场

图8.闭门论坛阶段议题二讨论现场

图9.嘉宾热议

  两个议题的观点输出在论坛的第三阶段输出总结讨论中进行碰撞优化，对于数字化助推社会治理的多个相关议题形成了共识，包括：

  (1) 现有数字化社会治理手段亟待解决的痛点问题：一是平台的数据流转和异常反馈依赖网格员手动录入和预设阈值，业务数字化、自动化程度提升空间大；二是三维实景化建设基础设施不全、治理业务全周期的要素和数字模型缺乏，需要探索数字孪生等新技术新概念、以完成治理模式的渐进式改革创新。

  (2) 社会治理数字化的技术需求：现有治理业务模式需要业务数字化和实景化建设、稳步实现数字化转型；需要结合人工智能和三维建模技术、打通治理业务自动化和实景化管控的技术瓶颈；需要结合大数据技术、人工智能技术、通信技术实现“强度整合、高度共享、深度应用”的数字化社会治理新理念和新模式，助力社会治理、经济发展和学术科研生态环境建设。

  (3) 社会治理数字化转型的主要挑战：包括数据获取的精度、数据传输、数据管理和共享、数据治理建模复杂度、人工智能和业务场景的有机结合等。可以着重把数据治理的过程进行标准化，获取需求并把需求传达给研究人员，从而更好地应用于社会治理数字化转型。

  (4) 社会治理场景的数字化建模手段：提出并形成统一的数据评估标准、使用联邦学习挖掘重要数据、通过人机协同方法进行数据模型矫正。

  (5) 人工智能技术的使用：社会治理的数字化转型会遇到很多问题，而众多机器学习算法都可以在这个阶段进行助力。但同时要注意问题导向，具体问题具体分析，采用更具体更合适的算法和技术。结合复杂网络和主体博弈技术，能够对社会治理事件进行建模，而且需要对社会治理时间具备充分深入了解才能实现社会治理实践的推演。

  (6) 社会治理数字化平台功能架构：需要结合数字化技术提升抗干扰能力强、精度高、通用性强、加速创新等优势，在算力方面比较推荐边缘计算，在满足算力需求的同时整个系统能够具有比较高的时效性。

  (7) 实景三维建设：虽然三维模型受系统建设、信赖度不高、要价太高、数据量大、加载慢等现状所限，但在城市化高层建筑场景、地形外貌描述等场景，其应用场景远远大于二维模型，可以通过无人机扫描解决三维信息获取和精度问题，通过将重建模型存储在本地来解决因为数据量大而导致的加载慢问题。建模多种多样，还需要对数据有充分的了解。

  (8) 数据隐私：联邦学习技术在保护隐私方面会有很大的作用，通过联邦学习可以让模型在各方数据之中训练更好的大模型，同时保护各方数据的隐私性，而且在社会治理中是有广泛应用场景的，比如警方的反洗钱工作、银行与公安数据互通问题等。

  (9) 可信计算：涉及到决策可信问题，可以使用区块链技术，直接抽取规则的离散深度学习模型，决策树，基于示例的方法等，都可以帮助建立可信赖的决策模型，提供决策可信。但仍要注意，算法技术要根据应用而言，具体情况具体分析。

  本次深度技术论坛思辨成果将进一步整理发布，并凝练数字化社会治理白皮书和内参报告等深度输出，为传统社会治理模型与信息技术的数字化融合以及济南市社会治理数字化平台建设进言献策。