基于区块链技术的虚假新闻检测方法
时间：2023-01-18 22:25:05 来源：柠檬阅读网 本文已影响 人 
龚胜佳，张琳琳，赵楷，刘军涛，杨涵
基于区块链技术的虚假新闻检测方法
龚胜佳1，张琳琳1，2*，赵楷1，2，刘军涛1，杨涵1
（1.新疆大学 信息科学与工程学院，乌鲁木齐 830046；
2.新疆大学 网络空间安全学院，乌鲁木齐 830046）（∗通信作者电子邮箱 zllnadasha@xju.edu.cn）
虚假新闻不仅会导致人们形成错误观念，损害人们的知情权，还会降低新闻网站公信力。针对新闻网站出现虚假新闻的问题，提出一种基于区块链技术的虚假新闻检测方法。首先，通过调用智能合约为新闻随机分配审核者来判定新闻的真实性。然后，调整审核者数量以确保有效审核者的数量，提高审核结果的可信度。同时设计激励机制，根据审核者的行为分配奖励，并运用博弈论分析审核者的行为和获得的奖励，为了获得最大利益，审核者的行为必须是诚实的。而后设计审计机制检测恶意的审核者，以提高系统的安全性。最后，利用以太坊智能合约实现了一个简易的区块链虚假新闻检测系统，并对虚假新闻检测进行了仿真，结果显示所提方法的新闻真实性检测的准确率达到了95%，表明该方法可有效防止虚假新闻的发布。
区块链；
智能合约；
虚假新闻；
新闻网站；
博弈论
随着互联网的快速发展，人们正逐步改变获取新闻的方式，网络新闻已经成为人们获取信息的主要来源。然而随着媒体商业化，新闻机构的竞争日趋激烈，个别媒体为了追求不正当利益、提高自身知名度，不惜铤而走险，试图利用传播和制造虚假新闻的手段获取社会的广泛关注、影响社会舆论［1］。在2020年新冠疫情的影响下，出现了大量与疫情相关的谣言。一些媒体为了获取浏览量，不审核新闻内容，争抢第一时间发布新闻；
并且一家媒体率先发布不实信息后，就有多家媒体盲目跟从，纷纷转载。媒体往往蜂拥而上接力传播，扩大了虚假新闻的散布范围，有些原本只是在地方或某区域流传的虚假新闻，由此在全国范围内播散。在2020年度虚假新闻典型案例中，“白岩松今晚专访钟南山”谣言最开始出现在微信朋友圈中，一些媒体不加甄别地转发，导致谣言迅速扩散。这种行为不仅违背了职业道德，还会降低新闻机构的公信力［2］。
由于机器学习技术的快速发展，已经出现了许多打击“假新闻”制作和传播的解决方案，这些研究大多针对社交平台，需要新闻文章信息、用户的评论反馈和发布者的历史行为等特征对新闻内容真假进行建模预测。它们都依赖历史数据，需要收集用户的评论和发布者的历史行为，并且大多数模型是针对短新闻进行分类，在预防新闻网站虚假新闻发布中存在困难。在复杂的自然语言处理和机器学习技术中，自动化评估文本技术依赖手工编写文本特征来将一段文本分类为真或假。由于对假新闻的语言特征了解不完备，这种技术受到了限制［3］。
2008年至今，随着区块链技术的不断成熟，研究学者开始探索区块链技术在金融、物联网、网络安全以及数据溯源等领域的行业应用。利用区块链去中心化、不可篡改、可溯源性等特性［4］，安全存储记录新闻内容，以应对新闻业中新闻内容溯源、版权保护、广告分发统计等问题。区块链也被视为新闻业未来发展的重要技术支撑。针对新闻网站中虚假新闻发布和新闻网站被篡改问题，本文结合区块链智能合约和星际文件系统（Inter Planetary File System， IPFS），构建了新闻内容真实性与完整性检测模型，并通过内容管理系统（Content Management System， CMS）和以太坊实现了基于区块链的新闻真实性与完整性检测方法。
本文主要工作如下：
1）提出新闻真实性检测方法，由区块链智能合约为新闻随机分配审核者并统计审核结果，若超过一定的阈值，则判断新闻内容为真。
2）对虚假新闻检测进行仿真，在存在一定数量恶意参与者时，虚假新闻检测的准确率也能达到95%。
3）选用以太坊作为区块链存储关键数据，IPFS存储完整的新闻数据，实现新闻真实性检测系统。
检测虚假新闻的方法主要分为两类：一类是基于机器学习方法完成检测任务，另一类则结合区块链技术检测虚假新闻。机器学习方法主要分为基于新闻内容的虚假新闻检测和基于社交上下文的虚假新闻检测。针对新闻内容的虚假新闻检测中，文献［5］中提出基于新闻内容特征的虚假新闻检测方法，通过文本挖掘方法将文本数据集转化为结构化格式的数据集，使用23种有监督的分类算法对新闻进行分类，F1值为65%。在社交上下文虚假新闻检测任务中，虚假新闻有三个普遍公认的特征：文章的文本、用户的反馈和发布者的历史行为［6］。文献［7］中通过构建新闻文章、创作者和主题的可信度标签的相关性，有效地将这些相关性纳入框架学习，提高了虚假新闻检测的精确度。机器学习方法虽然拥有大量的历史数据，可以有效地检测新闻的真实性，但是当新闻内容长度过长时，检测效果并不理想。
区块链是一种将数据区块按照时间顺序组合而形成的链式结构，在去中心化系统中各节点共享且共同维护分布式数据账本。由于区块链技术在底层数据方面具有时间戳的技术特性且难以篡改，可以对虚假新闻产生和传播路径精确定位［8］，从而实现在源头打击虚假新闻。文献［9］中利用区块链的防篡改优势，将官方媒体签名的新闻数据存储到区块链中，保证数据的完整性和来源的可靠性，解决虚假新闻恶意传播的问题。文献［10］中提出了基于区块链的新闻验证框架，该框架的体系结构由发布者管理协议、新闻智能合约和及新闻区块链构成。利用三种类型的智能合约实现注册、更新和撤销新闻机构，实行问责机制，提高新闻机构的可信度，以解决虚假新闻问题。文献［11］中提出一种新机制来跟踪新闻并评估其可靠性。该机制包括来源评估、内容篡改检测、多节点内容验证，三者相辅相成，构成完整的约束机制。文献［12］中概述了基于区块链技术构建的新闻平台Steemit，该平台设计激励机制，鼓励用户对发布的新闻投票，能及时发现并处理虚假新闻。
上述方法收集到大量的数据后可以很好地解决假新闻问题或是在发现虚假新闻时对发布机构进行处罚，但对于新用户发布新闻时无法准确检测其真实性。因此，本文提出了基于区块链的虚假新闻真实性检测方法，预防虚假新闻的发布，为虚假新闻的监管提供了一个新的思路。
通常情况下在新闻系统中的主要角色分别是新闻采集者、编辑员和审核者。传统新闻发布流程为新闻采集者采集新闻数据材料；
编辑员编辑新闻，编辑员完成编辑后，将新闻数据存储到本地数据库中；
然后审核者对新闻进行审核。审核者需要对新闻内容进行判断，若发现出现虚假内容，则审核不通过，否则审核通过。因此新闻的审核工作在新闻网站中至关重要，为新闻分配多个审核者能有效防止出现虚假新闻，但传统的新闻网站中，审核者都属于同一家公司，审核者之间可能相互影响导致新闻的可信度不够，并且出现虚假新闻时，也无法准确地找到虚假新闻发布的相关人员。
检测新闻真实性流程智能合约的主要功能有用户注册、上传新闻、选择审核者、查看新闻信息、新闻结算、审核者投票和审核者更换状态。
图1 虚假新闻检测流程
被选中的审核者可以通过智能合约获取到新闻文章信息，并向智能合约发送验证结果数据。智能合约会记录新闻存储到区块链上的时间，在审核时间内，接收审核者返回的结果，并且只会接受被选为审核者账户发送的验证结果，同一人在审核时间内发送的验证结果，只有最后一次发送的结果有效。
当审核者无法判断新闻真假时，可以选择放弃当前审核工作或不发送验证结果。如果审核者放弃审核工作，智能合约会调整审核者的人数，重新随机分配一位审核者，代替放弃的审核者。在审核时间结束后，智能合约会统计收到审核者发送的审核结果，会根据收到的审核结果判断新闻的真实性。只有当新闻为真的结果数量大于为假的数量时，智能合约才会判断新闻为真。例如一篇新闻会分配给三个审核者，当两个审核者发送新闻为真的审核结果或只有一个审核者发送审核结果并且审核结果为真，智能合约则会判断该新闻为真；
但是当智能合约收到的审核结果数量太低时，会降低智能合约判断的可信度，很可能导致误判。因此，在审核结果数量低于/3时，会保存收集到的审核结果并重新为新闻分配审核者，提高审核结果数量。
基于区块链技术的虚假新闻检测方法使用了随机选择审核者、调整审核者数量、博弈论证明和审计机制四个关键技术，保证了系统可靠性。首先随机选择审核者来保证审核的公平性，并在此基础上调整审核者数量，保证新闻审核结果数量充足；
然后通过博弈论证明，该审核者如实汇报审核结果，才能获得最大的收益。此外，本文还为审核者设置了信任分数，根据审核者的行为，动态更新他们的信任分数，以避免一些恶意的审核者。
3.1 随机选择审核者
在本文的系统中，判断新闻是否真实的结果完全取决于审核者提交的审核结果。在审核结束后，系统会根据审核者提交的审核结果和新闻真实性结果，为审核者分配奖励。当出现审核者勾结的情况并作出一致的回应时，智能合约会认为所有的审核者发送的报告是正确的，不仅审核者能从系统中获得大量的奖励，还会使新闻的可信度下降。本文提出了一种简单的随机算法来选择审核者，防止审核者勾结。首先判断在线的审核者数量是否满足要求，只有当在线的审核者数量较多时，才能快速选择审核者，降低系统的消耗；
然后将前个区块的哈希值作为随机种子，随机选择出审核者，判断选择的审核者的状态是否在线和信任分数是否合格，当审核者合格时，将其加入审核队列中，并且暂时改变他的状态，防止被再次选中，选择完个审核者后算法结束。
由于在区块链中生成一个合法的区块非常困难，需要付出巨大的代价［15］，因此本文选用区块链的前个区块的哈希值作为随机种子，随机选择审核者。为了保证审核者是随机选择的，必须保证在线的审核者数量达到一定标准。
Output：个审核者。
return
end if
end if
end while
end for
return
只有审核者的信任分数超过阈值时，他们才可以设置自己的状态为“在线”或“离线”，用来表示审核者是否可以进行新闻审核工作。在某一时刻，一个审核者可能同时审核多篇新闻。
3.2 调整审核者数量
智能合约为新闻分配完审核者后，若其中存在审核者没有足够的信息来判断新闻的真假时，智能合约只能收到少数审核者发送的审核结果，甚至可能在审核时间结束后仍收不到审核结果，这种情况下会使新闻审核结果的可信度下降。
本节针对三种情况，分别设计了三种审核者调整方法：
1）当剩余审核时间大于总审核时间的一半，审核者发现自己很可能无法判断新闻的真假时，可以选择放弃审核工作，调用智能合约为当前新闻重新随机分配一位审核者，代替自己的审核工作。
2）当审核时间结束后，智能合约收到的审核结果少于/3，若在线的审核者数量较多，智能合约会重新随机分配审核者，并重置审核时间。由于重新分配审核者会增加系统消耗，此功能一篇新闻只能调用一次，以降低系统的成本。
3）当在线审核数量不够调用随机分配审核者函数时，智能合约会判断在线审核者是否大于最小分配审核者数，例如一篇新闻最少需要3个审核者审核，则最小分配审核者数为3，当在线审核者数不小于3时，智能合约会为新闻分配3个信任分数最高的审核者作审核工作，否则分配审核者失败。
在第一种情况中，需要调用智能合约为新闻重新分配一名审核者，在以太坊网络中，调用智能合约会产生一定的消耗，详细请查看4.2节。若此功能由审核者账号调用智能合约，审核者可能会因为放弃审核工作的消耗大于不发送审核结果，从而选择不发送审核结果，导致最后收取到的审核结果数量减少。因此将由新闻机构账号调用该功能，审核者只需要改变智能合约的审核结果状态位，表示该审核者的审核结果无效即可。在审核时间过半后，由新闻机构重新分配审核者，代替放弃的审核者完成审核工作。
3.3 激励机制
为了提高审核者的积极性，本文提出了激励机制，根据审核者的行为，实行对应的奖励措施。新闻真实性完全由区块链中的审核者决定，在审核时间结束后，智能合约会统计审核者发送的验证报告，验证报告中，新闻为真数目大于新闻为假的数目时，智能合约判定新闻为真。一个审核者在审核期间发送的多次报告，用来修改之前发送的报告，默认使用最后一次的结果作为有效报告。
在新闻审核时间结束后，智能合约会根据新闻的真实性结果和审核者的行为分配对应的奖励。现实生活中，新闻为真的数量是较多的，为了防止参与者盲目地相信新闻为真，本文将发现新闻为假的奖励设置为10。分配方式如表1所示。
表1 审核者行为奖励分配
3.4 博弈论证明
由于不发送报告对新闻真实性没有影响，因此本文假设所有审核者都会发送报告并且希望自己达到最大收益。
本系统中个审核者的行为可以分为三类：全部发送新闻为真、全部发送新闻为假和部分发送新闻为真。下面将对个审核者的三类行为进行分析：
以基本的三人博弈为例，参与者为三个审核者，审核者的策略为发送新闻为真的报告或发送新闻为假的报告（表中简称真、假），三个审核者的收益如表2所示。
表2 三个审核者的博弈下收益
对于一个理性的审核者来说，若发现了新闻内容为假，其他审核者也很有可能发现了新闻为假，根据博弈论中的纳什均衡原理，审核者为了达到收益最大化，应向智能合约发送新闻为假的报告。若发现新闻为真，其他审核者很有可能发送新闻为真的报告，虽然发送新闻为假可能会获取大量收益，但是根据博弈论中的纳什均衡原理，审核者会失去收益。因此审核者为了达到自己收益最大化，应向智能合约发送新闻为真的报告。
当新闻为假时，所有的审核者为了使自己利益最大化，应向智能合约发送新闻为假的报告；
当新闻为真时，所有的审核者应向智能合约发送新闻为真的报告。因此审核者的行为是诚实的。由此，审核者应发送验证结果正确的报告。
3.5 审计机制
随机选择审核者算法很大程度保证了所选的审核者是独立的，激励机制使审核者如实发送审核报告。但系统中还可能存在恶意的审核者，因此需要一种审计机制，确保恶意的审核者被检测到，并使其失去作为审核者的资格。本节分析了两种恶意攻击方式，并设计了审计规则检测恶意的审核者。
1）恶意放弃审核攻击：攻击方完成注册成为合法审核者，这些审核者被分配新闻审核工作后，会直接放弃审核工作。这导致新闻机构调用智能合约重新选择一名审核者代替其工作，会增加新闻机构的资源消耗。
2）牺牲攻击：攻击方完成注册成为合法审核者，这些审核者被分配新闻审核工作后，直接发送新闻为假的报告。在新闻审核时间内，区块链用户并不能查看到每位审核者的审核结果，但在新闻结算后就能查看每位审核者的审核结果。其他参与者可能会分析其历史行为，之后与攻击者一起发送新闻为假的报告获取最大的收益。
为防止系统受到恶意攻击，设计了如下的审计规则：新闻结算时，当审核者发送的审核报告与实际审核结果相同时，审核者的信任分数将上升1；
当发送的审核报告与实际结果不同时，信任分数将下降10；
不发送报告和放弃审核工作的审核者信任分数下降5。当参与者的信任分数下降到一定值之后将失去被选为审核者的资格。本文实验中将信任分数阈值设置为0，初始信任分数设置为100，当信任分数低于0时，将不再为该审核者分配工作，审核者也不能将状态更改为“在线”。
这种审计机制不仅可以防止参与者恶意发送报告，还能将那些一直不发送报告和放弃审核工作的参与者剔除，并且在新闻结算时，智能合约会将未发送报告的审核者状态改为“离线”，增加不发送审核报告参与者的消耗，提升新闻审核结果的可靠性。
本文设计基于区块链的虚假新闻检测方案，实现新闻真实性检测系统。该系统包括内容管理系统、区块链、星际文件系统、新闻网站和区块链程序。系统如图2所示。
图2 系统结构
本文在Windows操作系统环境下，运用CMS搭建新闻网站，使用geth搭建区块链测试环境，通过springboot框架实现区块链程序和IPFS接口。
4.1 功能实现
为了告知审核者被分配了新闻审核工作，审核者可以访问区块链程序，获取当前在审核的新闻信息，如表3所示，其中包括新闻的id、时间和分配的审核者，每篇新闻分配了三个审核者，审核者列表中公钥地址为审核者的区块链账户。审核者可以查看是否被分配了新闻审核工作。
表3 审核者分配公示
审核者被分配新闻工作后，需要查看新闻。由于此时新闻尚未发布，不能通过新闻网站查看，审核者通过IPFS地址查看新闻。新闻大部分都包含图片和文本，直接将新闻数据上传到IPFS时，需要上传多个文件。编辑员通过CMS保存新闻后，CMS会将新闻中的图片保存在服务器，可以通过图片的资源路径访问图片；
将新闻的文本数据和图片的路径重新组合生成html文本文件上传到IPFS，通过浏览器访问IPFS文件时，若文件数据格式是html，浏览器会自动解析html数据，并加载新闻的文本数据和图片。
游客通过新闻网站访问已发布的新闻时，为了保证新闻未被篡改，在新闻网站中增加了自动验证功能，比较当前访问新闻的哈希值与区块链中存储的哈希值：若两个哈希值不同，则提示新闻可能被篡改；
若相同，则将区块链中审核者的审核结果加载到新闻网页中。新闻网页示例如图3所示。
4.2 消耗分析
本文系统通过geth搭建以太坊测试网络，测试网络由4个节点组成，并创建11个区块链账号来模拟审核者和新闻机构，其中10个账户注册为审核者，1个账户代表新闻机构。在测试过程中，为每篇新闻分配3名审核者。首先运用remix将智能合约部署到测试网络中，测试智能合约的各个功能，统计智能合约中每个功能的消耗。在以太坊中调用智能合约需要支付给矿工一定的交易费用，智能合约的功能函数越复杂，调用时所花费的交易费用越高。以太坊交易费用的单位为gas，在测试网络和主网络中，消耗的gas是相似的。本实验记录了每个智能合约功能函数所消耗的gas值，如表4所示。其中查看新闻和查看审核者信息功能分为两种查询接口：一种是不改变区块链状态的查询，不消耗gas值；
另一种是生成区块链交易，可以证明返回数据的真实性［17］，表中记录的是第二种查询方式。由表4可以看出，新闻机构消耗的gas比较大，而审核者参与到系统中只需要消耗较少的gas，这有利于更多的区块链用户参与到系统中来。
图3 新闻网站审核情况示例
4.3 可行性分析
本节对系统的可行性进行了测试。首先生成100个区块链账户，通过注册成为审核者，审核者的初始信任分数和初始奖励值都设置为100。为了验证系统的可行性，在模拟实验中，将100名审核者分为了4类，其中：70名为诚实的审核者，他们能准确判断新闻的真实性；
10名审核中只会发送新闻为假的报告；
10名审核中只会发送新闻为真的报告；
10名审核者会随机发送新闻审核报告且报告为真的概率为50%。生成2 000篇新闻，其中新闻为真的数量为1 500。每篇新闻分配名审核者，最后统计100名审核者的信任分数、奖励和新闻审核结果与新闻实际真实性不符的数量。
本文设计的审计机制可以剔除大部分恶意的参与者，但现实中可能会出现合谋的审核者，当合谋的审核中发现选中的审核者中存在同伴时，将一起发送新闻为假的报告。针对可能出现合谋的情况进行实验分析，生成100名审核者，将其分为诚实的审核者和合谋的审核者，其中合谋的审核者人数为。合谋的审核者在发现同伴时，会一起发送新闻为假的报告，以获取最大奖励。每次从中选出5名参与新闻审核，审核2 000篇新闻，结果如图5所示。由图5可知，在30人合谋的情况下，新闻检测的准确率达到了95%，在审核1 000篇新闻后，审核错误数量并没有上升，表明系统中存在一定的恶意参与者时，系统也能稳定运行。本文系统实行认证注册，避免了恶意参与者注册多个账户，通过合谋审核新闻获取奖励。通过随机选择审核者，保证选择的审核者是独立的，并使用区块链账号作为身份标识，隐藏审核者的身份信息，保证审核者在审核新闻时，是单独判断的，这也防止了审核者之间相互影响，出现“三人成虎”和“以讹传讹”等现象。
图4 审核人数的影响
图5 合谋的审核者人数的影响
本文针对新闻网站中虚假新闻的检测提供了一种新的解决思路，利用区块链智能合约强制执行的特点，在新闻还未发布时，由多名随机的人员审核，保证了新闻网站新闻的真实性；
同时为系统的参与者设计了激励机制，提高参与者的积极性；
还设计审计机制，剔除恶意的审核者。通过对审核者和新闻机构调用智能合约的相关实验分析表明，参与者的消耗很小，新闻机构消耗较多，同时新闻机构会根据参与者的行为分配奖励，这符合设计系统的初衷。但是调用区块链智能合约会产生一定的消耗，这取决于智能合约的复杂程度，我们将在后续工作中对智能合约进行优化，降低智能合约复杂程度，从而降低系统成本。本文系统中设置的信任分数一定程度上表示了参与者投票结果的准确度，信任分数高的参与者的投票结果是更可信的。我们在后续工作中将为参与者添加权重因子，提高信任分数高的参与者的投票结果比重。
[1] 陆地. 假新闻的成因、危害与治理［J］. 新闻记者， 2011（3）：29-32.（LU D. Causes， harms and governance of fake news［J］. Journalism Review， 2011（3）：29-32.）
[2] 年度虚假新闻研究课题组：白红义，曹诗语，陈斌. 2020年虚假新闻研究报告［J］. 新闻记者， 2021（1）：23-37.（Annual False News Research Group：
BAI H Y， CAO S Y， CHEN B. Fake news research report in 2020［J］. Shanghai Journalism Review， 2021（1）：23-37.）
[3] CHEN Q， SRIVASTAVA G， PARIZI R M， et al. An incentive‑ aware blockchain‑based solution for internet of fake media things［J］. Information Processing and Management， 2020， 57（6）：
No.102370.
[4] 袁勇，王飞跃. 区块链技术发展现状与展望［J］. 自动化学报， 2016， 42（4）：481-494.（YUAN Y， WANG F Y. Blockchain：
the state of the art and future trends［J］. Acta Automatica Sinica， 2016， 42（4）：481-494.）
[5] ÖZBAY F A， ALATAS B. Fake news detection within online social media using supervised artificial intelligence algorithms［J］. Physica A：
Statistical Mechanics and its Applications， 2020， 540：
No.123174.
[6] RUCHANSKY N， SEO S， LIU Y. CSI：
a hybrid deep model for fake news detection［C］// Proceedings of the 2017 ACM Conference on Information and Knowledge Management. New York：
ACM， 2017：797-806.
[7] ZHANG J W， DONG B W， YU P S. FakeDetector：
effective fake news detection with deep diffusive neural network［C］// Proceedings of the IEEE 36th International Conference on Data Engineering. Piscataway：
IEEE， 2020：1826-1829.
[8] LIN X， LI J H， WU J， et al. Making knowledge tradable in edge‑AI enabled IoT：
a consortium blockchain‑based efficient and incentive approach［J］. IEEE Transactions on Industrial Informatics， 2019， 15（12）：
6367-6378.
[9] SONG G， KIM S， HWANG H， et al. Blockchain‑based notarization for social media［C］// Proceedings of the 2019 IEEE International Conference on Consumer Electronics. Piscataway：
IEEE， 2019：1-2.
[10] QAYYUM A， QADIR J， JANJUA M U， et al. Using blockchain to rein in the new post‑truth world and check the spread of fake news［J］. IT Professional， 2019， 21（4）：16-24.
[11] SHANG W Q， LIU M Y， LIN W G， et al. Tracing the source of news based on blockchain［C］// Proceedings of the IEEE/ACIS 17th International Conference on Computer and Information Science. Piscataway：
IEEE， 2018：377-381.
[12] 马强，林浩瀚. 基于区块链技术的网络谣言治理模式探析——以新闻平台Steemit为例［J］. 新闻论坛， 2018（4）：29-33.（MA Q， LIN H H. An analysis of network rumor management model based on blockchain technology — taking news platform Steemit as example［J］. News Tribune， 2018（4）：29-33.）
[13] PENG Z， XU C， WANG H X， et al. P2B‑Trace：
privacy‑ preserving blockchain‑based contact tracing to combat pandemics［C］// Proceedings of the 2021 International Conference on Management of Data. New York：
ACM， 2021：2389-2393.
[14] FENG H H， WANG X， DUAN Y Q， et al. Applying blockchain technology to improve agri‑food traceability：
a review of development methods， benefits and challenges［J］. Journal of Cleaner Production， 2020， 260：
No.121031.
[15] ZHOU H， OUYANG X， REN Z J， et al. A blockchain based witness model for trustworthy cloud service level agreement enforcement［C］// Proceedings of the 2019 IEEE International Conference on Computer Communications. Piscataway：
IEEE， 2019：1567-1575.
[16] NASHET J F， Jr. Equilibrium points in‑person games［J］. Proceedings of the National Academy of Sciences of the United States of America， 1950， 36（1）：48-49.
[17] PENG Y Q， DU M， LI F F， et al. FalconDB：
blockchain‑based collaborative database［C］// Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. New York：
ACM， 2020：
637-652.
[18] SENGUPTA E， NAGPAL R， MEHROTRA D， et al. ProBlock：
a novel approach for fake news detection［J］. Cluster Computing， 2021， 24（4）：3779-3795.
Fake news detection method based on blockchain technology
GONG Shengjia1， ZHANG Linlin1，2*， ZHAO Kai1，2， LIU Juntao1， YANG Han1
（1，，830046，；
2，，830046，）
Fake news not only leads to misconceptions and damages people’s right to know the truth， but also reduces the credibility of news websites. In view of the occurrence of fake news in news websites， a fake news detection method based on blockchain technology was proposed. Firstly， the smart contract was invoked to randomly assign reviewers for the news for determining the authenticity of the news. Then， the credibility of the review results was improved by adjusting the number of reviewers and ensuring the number of effective reviewers. At the same time， the incentive mechanism was designed with rewards distributed according to the reviewers’ behaviors， and the reviewers’ behaviors and rewards were analyzed by game theory. In order to gain the maximum benefit， the reviewers’ behaviors should be honest. An auditing mechanism was designed to detect malicious reviewers to improve system security. Finally， a simple blockchain fake news detection system was implemented by using Ethereum smart contract and simulated for fake news detection， and the results show that the accuracy of news authenticity detection of the proposed method reaches 95%， indicating that the proposed method can effectively prevent the release of fake news.
blockchain; smart contract; fake news; news website; game theory
This work is partially supported by National Natural Science Foundation of China （12061071）， Natural Science Foundation of Xinjiang Uygur Autonomous Region （2019D01C062， 2019D01C041， 2019D01C205， 2020D01C028）.
GONG Shengjia， born in 1996， M. S. candidate. His research interests include blockchain.
ZHANG Linlin， born in 1974， Ph. D.， associate professor. Her research interests include blockchain， big data analysis.
ZHAO Kai， born in 1976， Ph. D.， associate professor. His research interests include malicious code detection， cloud computing security.
LIU Juntao， born in 1996， M. S. candidate. His research interests include blockchain.
YANG Han， born in 1998， M. S. candidate. His research interests include blockchain.
TP309
A
1001-9081（2022）11-3458-07
10.11772/j.issn.1001-9081.2021111885
2021⁃11⁃08；
2021⁃11⁃19；
2021⁃12⁃06。
国家自然科学基金资助项目（12061071）；
新疆维吾尔自治区创新环境（人才、基地）建设专项—自然科学计划（自然科学基金）（2019D01C062， 2019D01C041， 2019D01C205， 2020D01C028）。
龚胜佳（1996—），男，湖北天门人，硕士研究生，CCF会员，主要研究方向：区块链；
张琳琳（1974—），女（蒙古族），河南镇平人，副教授，博士，主要研究方向：区块链、大数据分析；
赵楷（1976—），男，安徽肥东人，副教授，博士，主要研究方向：恶意代码检测、云计算安全；
刘军涛（1996—），男，山东临沂人，硕士研究生，主要研究方向：区块链；
杨涵（1998—），男，吉林延边人，硕士研究生，主要研究方向：区块链。
