生物识别技术伦理治理技术研究——基于技术轨道理论

Research on ethical governance technology of biological identification technology： based on technology track theory

摘要

生物识别技术为社会带来积极影响的同时，在客观上也产生了隐私保护、公平应用等伦理问题。以技术维度为主线，这是生物识别技术伦理高效、敏捷治理的基础。基于技术轨道理论构建了生物识别技术伦理治理框架，梳理了生物识别技术轨道及伦理治理技术。高效治理的关键在于生物识别技术全生命周期的数据、算法、系统三个层面对隐私与安全保护、公平性检测等伦理治理技术的应用。以海康威视公司人脸识别技术为例，阐述了加大对伦理治理技术的应用，对确保生物识别技术可信可持续发展具有积极意义。

Abstract

While biological identification technology has brought positive impacts to society， it has also raised ethical issues， such as privacy protection and fair application. Taking the technical dimension as the main line is the foundation of efficient and agile governance of ethical issues in biological identification technology. Based on the technology track theory， a framework for ethical governance of biological identification technology was constructed， and the track and ethical governance technology of biological identification technology were sorted out. The key to efficient governance lies in the application of ethical governance technologies such as privacy and security protection and fairness detection at the three levels of the entire lifecycle of biological identification technology， including data， algorithms， and systems. Taking Hikvision’s facial recognition technology as an example， this paper elaborated that increasing the application of ethical governance technology is of great significance to ensure the trustworthy and sustainable development of biological identification technology.

Graphical abstract

关键词

生物识别技术 / 技术轨道 / 伦理治理技术 / 伦理治理路径

Key words

biological identification technology / technical track / ethical governance technology / ethical governance pathway

21世纪，人工智能、生物识别技术等新兴技术正颠覆性地重塑着人类生活、工作和交流的方式，为人类社会带来了积极影响的同时，也引起了对技术伦理问题的深刻反思。生物识别技术具有身体信息化的特征，数据不平衡、泄露和算法局限性等缺陷都可能对社会信任体系造成巨大影响。党和政府高度重视科技伦理治理，出台了一系列政策。现有研究对生物识别技术伦理治理更多关注于保护隐私、公正、责任、包容等原则与标准设定^［1-3］，对伦理治理的底层逻辑缺乏深度分析，因而在治理实践中难以快速厘清这些标准的争议，无法满足生物识别技术伦理高效、敏捷的现代化治理需求。基于此，本文以技术维度为主线，围绕生物识别技术全生命周期，从伦理治理框架、治理路径，以及技术实践三个方面开展研究，以一个新的视角审视当下生物识别技术伦理治理缺失和治理实效虚置的原因并寻求解决方法，促进生物识别技术可信可持续发展。

1　生物识别技术伦理问题与治理研究

1.1　生物识别技术应用及伦理问题

生物识别技术是一类基于个体独特的生理或行为特征对个体身份进行自动辨识或认证的技术^［4］，主要包括人脸识别、指纹识别以及虹膜扫描等。生物识别技术与传统的身份鉴定方法相比，具有携带方便性、不易伪造或被盗，安全保密性强的优点^［5］。21世纪生物识别技术进入了大规模应用阶段，全球每年以19%以上的年复合率增长，特别是从2020年至2022年应用市值从230亿美元上升到了383亿美元^［6］。手机指纹、安防刷脸等无处不在的识别计算已成为人们日常生活最常用的软件应用，技术的可信度成为大家关注的焦点。然而，在医疗、银行、零售、营销等行业，在数据主体不知情的情况下收集生物特征数据集侵权行为非常普遍。软件公司在数据主体未授权情况下开展数据分析，消费者的线上行为存在隐私被侵犯的可能，还面临着生物数据丧失的重大风险。中国消费者协会2018年对100个移动应用程序进行了评估，发现其中47个应用程序的隐私条款内容不符合标准，34个应用程序没有隐私条款。85.2%的用户受到的电信骚扰，都是缘于个人隐私信息的泄露^［7］。中国软件评测中心2023年5月对16个下载安装量在1亿次以上的即时通信类主流 App进行了检测，在读取身份、拍摄照片等方面均存在严重的获取隐私敏感权限超必要的问题^［8］。有关部门对于生物信息收集门槛要求较低，普通软件公司、App运营方常越权要求民众提交自己的信息作为接受服务的前提条件，导致公民信息被随意收集。网上风靡的“掌纹算命”“面相测试”等微信小程序甚至利用欺骗手段采集用户生物信息。同时，潜在的身体信息泄露产生的人格歧视与污名化、群体社会排斥等伦理问题也越来越凸显。生物识别技术面临着前所未有的隐私保护与伦理治理挑战，提高技术使用者和操控者的伦理意识，提升伦理治理能力也越来越紧迫。

1.2　生物识别技术伦理治理研究现状

世界各国和有关地区在大力发展生物识别技术的同时，也高度重视生物识别技术的向好向善应用，积极将伦理治理纳入发展战略。2001—2006年，美国兰德公司、欧盟委员会工作组织、经济合作与发展组织、美国国家科学技术委员会等发布了一系列关于生物识别技术伦理问题的报告^［9-14］。这些报告讨论了隐私（信息隐私、身体隐私等）、功能僭变、间接的医学影响等伦理问题。2007年开始，欧盟委员会第七框架计划资助的RISE项目（2008—2022）国际会议陆续召开，生物识别技术的伦理组织、法律问题得到了系统、深入的讨论。Andrew ^［15］讨论了生物识别技术欺骗和反欺骗技术引起的社会和伦理问题。Marcus^［16］ 讨论了生物识别技术发展如何改变国家的治理，引用了中国的社会信用体系（SCS）的例子。Sunilduth^［17］分析了毛里求斯政府国家生物识别身份证计划中的伦理审查标准。

中国针对生物识别技术伦理治理，在《中华人民共和国网络安全法》《中华人民共和国数据安全法》《App违法违规收集使用个人信息行为认定方法》等法律法规都有一定程度的体现。2022年3月20日，中共中央办公厅、国务院办公厅印发《关于加强科技伦理治理的意见》，要求各地区各部门结合实际认真贯彻落实，把党和国家对科技伦理治理的重视提升到了前所未有的高度。2023年4月4日，科技部发布了《科技伦理审查办法（试行）》征求意见，开始从国家层面通过一系列政策体系的调整，实现对现行科技伦理审查制度的重塑。2023年9月，《科技伦理审查办法（试行）》印发。然而，生物识别技术伦理治理面临着“科林格里奇困境”（Collingridge Dilemma）。手机指纹解锁、居民小区人脸门禁已经成为日常生活不可或缺的一部分，而隐私泄露、人格歧视等伦理问题由于在设计阶段未被重视以及预设手段，广泛应用后再治理变得十分困难。生物识别技术伦理治理已经失去了伦理先行的土壤，学者们从规制体系及规制层面、治理主体的协同手段方面，以及信息化传播角度的治理做了大量补救性研究^［18-20］，但是现行的手段仍然存在运行受阻的情况，伦理治理形式意义重于实质效果。为此，笔者构思从技术的底层逻辑解决技术伦理治理的核心问题，以伦理治理技术推进伦理治理体系与治理能力建设。

2　基于技术轨道的生物识别技术伦理治理框架

意大利经济学家多西（Dosi）1988年提出了技术轨道理论，技术是“沿着由范式规定的经济和技术折中的技术进步轨迹”^［21］，它是由不可通约性硬核技术（核心技术）和可通约性的保护带技术（外围技术）组成的技术体系^［22］。多西的理论能够解释生物识别技术的方向选择与实践过程，新识别技术对旧技术的替代就是一种类似于科学范式的选择过程，这个过程考虑的因素不仅包括算法、材料、设备等关键要素，还应该包含伦理风险与伦理符合性等保障要素，不同伦理保障要素选择也是同一技术范式下产生差异性技术轨道的重要原因。

根据技术轨道理论，生物识别技术轨道方向是基于创新源、创新目标、创新场所的一种创新过程，其中社会需求，潜在新技术选择、新设计思想抉择，以及规模生产产品类型等都涉及具体的伦理治理方案选择。如图1所示，在构思新可能新技术以及新设计思想的时候，就要将伦理符合设计作为重要内容融入概念和设计过程；在涉及模型开发和数据集等底层技术的时候必须考虑基准伦理风险；考虑社会需求与规模生产的时候，必须保证所有用户能够公平学习，算法针对特定属性区分的用户群体要做出相同的概率预测，包括人口结构均等、概率均等和机会均等，产品在投放市场前应进行公平检测。目前，伦理符合设计技术和检测技术均处于起步阶段，伦理治理技术系统性融入技术轨道理论还没有成熟的方法论。因此，在生物识别技术治理框架基础上加强对伦理技术治理路径的探索，对提升伦理治理实践能力具有重要意义。同时，增加了伦理要素的技术轨道理论，能保证技术创新向好向善的技术进步方向前进。基于技术轨道理论的伦理治理使得伦理治理由约束条件映射为发展性条件，常规的一次性伦理审查治理变成了技术创新主体自组织的持续检测与测试改进过程，从根本上调动了技术创新主体的治理积极性与持续性。

3　生物识别技术伦理治理技术及路径

3.1　生物识别技术轨道及伦理治理技术

生物识别技术轨道具有多路径特征，各种可能技术就像并排行驶的“马路”，“马路”中央部分就是技术轨道中心，“行驶”在中心的少数优势技术组成了技术轨道的主干，那些发展困难的技术则处于路况较差的“马路”的边缘^［23］，多条技术轨道并存是轨道间的一种结构，一条技术发展的S曲线便对应着我们所说的技术轨道，多条技术轨道“S曲线”对应着相关联的技术轨道内的结构^［24］。如图2所示，人脸识别技术就有基于主分量分析的PCA识别法、基于独立成分的ICA分析法、基于隐马尔可夫模型的HMM法和基于神经网络的ANN分析法等^［25］。PCA识别法根据图像的统计特性进行正交变换（K-L变换）得到对应的脸特征向量，是广泛的应用属于优势技术簇。同样，指纹识别技术、虹膜识别技术也有优势技术簇。指纹识别技术从应用场景细分为手机指纹识别、门禁指纹识别、考勤指纹识别，虹膜识别又分为单模与多模态识别。技术轨道结构揭示了技术选择的多路径特征和技术发展的路径依赖特征。基于社会的需求，市场会产生可供选择的系列技术方向，每一技术方向都是市场机会、技术方法、产品生产抉择后形成的路径关系。换言之，一条技术轨道有一个从不成熟到成熟的不连续性过程，就是以技术推动的方式为技术路线图的构建提供满足市场需求的发展过程。然后，这个技术推动方式不是单因素的经济技术因素，还包括伦理技术因素，即通常说的伦理约束，包括隐私保护、数据透明、公平安全等。

生物识别技术在路径抉择时数据层存在系统性的深度学习训练，但是这个训练依赖的数据往往反映了人类社会演化历程中积累的道德偏见，可能产生偏见歧视、技术滥用等伦理风险。国际上，普遍采用安全计算、联邦学习、同态加密等相关技术进行数据隐私测试。例如利用美国司法部数据集、CrowS-Pairs（衡量刻板印象偏见）、Winogender（衡量与职业相关的性别偏见）、StereoSet（衡量性别、种族、信仰和职业上的刻板印象偏见以及原始语言建模能力的基准）等典型数据集进行公平性测试^［26］。目前，IBM、微软、谷歌、百度、华为等面向偏见检测、隐私保护、安全性、风险管理、提高公平性、透明度、可解释性等均开发了一系列内部测评工具（详见表1），开展了一些探索性伦理治理机制建模及自我审查工作，这些工具的应用将从根本上影响到生物识别技术轨道方向的抉择。

近年来，华为公司、中国电子技术标准化研究院在利用国外先进工具的基础上，也开始自主研制的公平性、隐私保护等相关标准与规范，并通过建立行业性的涵盖数据集、算法库、模型库的基础资源库，以及基于行业的检验检测服务平台，尝试提高中国伦理治理技术的整体水平。

3.2　生物识别技术伦理治理技术的实现路径

生物识别技术伦理治理融入技术研发和产品开发的全过程，既需要技术工具的保障，还需要建立完善管理机制与实现路径。伦理治理技术工具应服务于伦理风险管理流程中不同阶段的治理目标，按照等级设定治理要求，不然又会成为二次技术伦理产生的源头。生物识别技术伦理治理从路径层面包括数据、算法、系统三个层面的隐私与安全保护、公平性检测等。

随着人脸数据、行动轨迹数据、指纹数据等的生物特征数据集呈现指数级膨胀，数据赋值量也越来越大，个人敏感信息、个人隐私保护的重要性日益凸显。生物识别需要大量数据用于算法训练，存在数据防盗、防泄漏的强烈需求。在识别软件开发过程中，针对数据集的代表性差、规模不清晰、均衡性不足等问题，需要公平性检测。数据标注过程的数据泄露是导致个人信息泄露的最大风险源，在治理机制上就需要有基于伦理符合性设计原则，具体工作日志中要有数据的可追溯技术。总之，从治理技术角度来看，开发设计者、规模应用者使用数据必须得到数据主体采集授权，同时保证数据预处理、模型训练等环节数据安全，且具有充足的隐私保护能力。

算法是生物识别技术的核心技术，现在流行的复杂神经网络算法容易导致决策不透明，算法推理结果不可预见。人类因为自身的认知能力受限，从而无法预测系统作出的决策原因与产生的效果，最终造成算法决策偏见。如人脸识别技术就曾存在白种人识别偏向，这种以较为隐蔽的方式强化着现有的偏见和差异，将对社会产生长久的危害；算法在运行推理环节如果被错误使用或滥用，将使虚假信息广泛传播，对数据主体带来身份丢失的重大隐患。一些国际化软件公司推出了技术工具解决办法，Google发布了PAIR技术的What-If模块，能够以交互式可视化方式检查机器学习模型的公平性；微软基于Explainable Boosting Machine 算法开发的InterpretML可以训练可解释机器学习模型和黑盒模型，使预测结果更精准，且有可解释性；IBM 推出AI Explainability 360工具包，可对8种智能解释方法和2种评估指标进行透明性分析。

系统也是伦理治理技术应用的关键点。生物识别技术智能具有不透明性、低可解释性的特征，可能引发个人信息数据泄露。系统的安全漏洞、设计缺陷能导致威胁个人权益、社会秩序等一系列伦理风险。在系统安全与鲁棒性方面，数据投毒、后门攻击检测、伪装恶意样本、生成虚假样本影响数据集等问题依旧层出不穷。如何以经济高效且无差错的方式设计和实施一个安全和可信赖的生物识别系统，成为当前信息技术发展面临的一个巨大挑战。针对系统伦理治理挑战，业界在治理路径上主要有对抗测试、博弈模型、形式化验证三种解决方案。在系统研发全生命周期中，需采用随机攻击、盲盒攻击、黑盒攻击、白盒攻击4个等级对抗测试^［26］；同时，引入形式化验证作为对抗测试方法的补充，常用的不完整验证程序由于泛化性能好，使用较为普遍。进一步，通过建立博弈模型，开展以对抗样本生成和防御为核心的对抗深度学习以检验系统设计伦理符合性达成度。

4　案例：海康威视人脸识别技术伦理治理技术实践

4.1　海康威视公司人脸识别技术的发展

海康威视人脸识别技术经历了三个阶段的大发展。第一阶段是2001年至2014年，公司主要从事安防视频监控产品的研发、生产和销售，引进的H.264算法到视频监控行业并得到广泛应用，公司在2010年上市后快速发展，于2011年跃居全球视频监控市场占有率第一名。第二阶段为2015年至2021年，针对传统数字化安防技术无法处理海量大数据，开始涉足人脸识别的深度算法技术，自主研发的Smart265技术，实现了实时人脸抓拍、布控报警、属性识别、统计分析、重点人员轨迹还原等功能。第三阶段从2021年至今，海康威视专注定位于“智能物联AIOT”，致力于在人脸识别中融入物联感知、人工智能、大数据技术等新一代信息技术，接连发布AI Cloud 架构、AI开放平台等智能化产品。根据 Omdia 报告及在A & S公布的“全球安防 50强”榜单，公司在视频监控行业全球第一，拥有全球视频监控市场份额的24.1%^［27］。

4.2　海康威视人脸识别技术伦理治理技术应用

海康威视公司对人脸识别技术伦理治理的责任划分为技术主体（对应研发活动）、应用主体以及管理主体三个方面。同时，将萤石网络（智能家居）、海康机器人（移动机器人与机器视觉）、海康微影（红外热成像）、海康存储（智慧存储）、海康消防（智慧消防）、海康智慧安检等产品技术伦理风险划分为应用型、技术型和技术应用混合型三类技术伦理风险。应用型技术伦理风险在应用场景中容易使得已经接受的伦理问题产生放大或者变形，例如：在萤石网络使用人脸识别技术过程中原有的“数字鸿沟”由于技术智能化就会推向“智能鸿沟”的伦理问题，进一步扩大了公平问题甚至加剧了社会的不平等。应用型伦理风险的责任主体主要是应用主体和管理主体。海康威视公司在技术使用方面避免高难度，以提高使用能力来保障的用户权益，在管理平台底层就推动技术敏捷治理，积极实践正确行权用权。技术型伦理风险主要从可问责性和透明性两个维度进行伦理准则的分析。比如识别技术的人种歧视，主要从数据集以及训练模型开展回溯研究。混合型伦理风险主要表现在安全性受到技术本身与技术的场景应用共同影响，改变了安全伦理价值的认知。AI开放平台应用在提高了数据安全程度要求的同时，也新增了网络安全方面的安全维度要求。海康威视公司积极增强系统的韧性和抗干扰能力建设，在供应方面应加强质量管控，在使用方面禁止违规使用。

海康威视公司对于人脸识别技术伦理的治理依托产品全生命周期视角开展。在产品的概念与设计阶段：通过公平性检测判定算法不存在对特定人群以及性别歧视设计，模型训练环节的算法没有产生偏见、不公平问题；利用隐私攻击与检测技术判定数据主体采集授权风险，算法不存在对个人和社会的恶意设计、潜在危害，算法具有安全、可控性设计。在数据集和模型开发阶段：通过公平性检测技术判定数据集的规模、均衡性等合规；数据标注准确率合格；利用隐私攻击与检测技术判定数据预处理、模型训练等环节数据处理流程隐私保护。在市场准入阶段：通过公平性检测技术判定测试数据集规模、均衡性等质量问题；模型评估环节的算法偏见问题以及缺乏有效的版本管理、不可追溯等问题。推广和上市后：通过隐私攻击与检测技术判定再训练阶段数据处理流程安全问题，模型推理环节运行数据处理流程安全问题，模型更新时缺乏有效版本管理；通过可解释评估判定模型推理环节的算法不可解释、不可预测问题，进行伦理跟踪评估评测。以上四个阶段形成多个反馈回路，伦理治理技术嵌入人脸识别产品全生命周期。

5　结语

生物识别技术的大规模应用带来了一系列的伦理问题，包括隐私侵犯，生物数据失控、社会排斥等。同时，潜在的身体信息化产生的人格歧视与污名化、群体社会排斥等伦理风险也越来越大，生物识别技术伦理治理是确保生物识别技术可信的重要条件，具有特别的意义。

生物识别技术伦理在治理过程中面临着“科林格里奇困境”。根据技术轨道理论，生物识别技术发展方向会受到伦理治理技术的约束。伦理符合设计、数据基准伦理风险评估、公平性学习、公平检测等这些伦理治理技术是否注入技术研发者的伦理意识、是否成为技术开发的行为规范，是解决目前伦理窘境的关键所在。生物识别技术伦理治理的技术路径包括对数据、算法、系统三个层面的隐私与安全保护、公平性检测等。目前，IBM、微软、谷歌、百度、华为等开发了一系列内部测评工具。通过海康威视人脸识别技术伦理治理技术应用为例，研究发现在技术产品概念与设计阶段、数据集和模型开发阶段、市场准入阶段、推广和上市后四个阶段对数据、算法、系统三个层面开展有针对性的公平性检测、隐私攻击与检测、可解释评估，对确保生物识别技术可信可持续发展具有重要意义。

总之，提升人工生物识别技术等新兴技术伦理治理水平，必须深耕伦理治理底层理论和治理技术研究，主要有三点建议：一是攻关隐私计算、联邦学习等底层隐私保护技术，以及对抗学习、公平性预处理、公平性判别器等公平性增强技术等。二是共建伦理治理技术服务平台。多部门参与构建能衡量与职业相关的性别偏见、衡量性别、种族、宗教和职业上的刻板印象偏见以及原始语言建模能力的基准的行业性典型训练数据集。三是面向重点敏感领域攻关专项伦理治理技术。针对脑机接口、智能医疗、自动驾驶等高风险领域，开展伦理治理技术创新专项研究，建设伦理治理专用数据集，提升高风险领域的伦理治理技术。

参考文献

[1] 王国豫 ．科技伦理治理的三重境界［J］．科学学研究，2023（41）：1932-1937.

[2] WANG G Y. Three levels of ethical governance of science and technology［J］. Studies in Science of Science，2023（41）：1932-1937.

[3] 赵雪梅，霍竹，邓益志，等 ．创新主体科技伦理管理现状及提升策略研究：基于11省（市）的调研分析［J］.中国医学伦理学，2023，36（6）：597-605.

[4] ZHAO X M， HUO Z， DENG Y Z， et al. Research on the current situation and improvement strategies of science and technology ethics management of innovation subjects based on the investigation of 11 provinces （autonomous region， cities） in China［J］.Chinese Medical Ethics， 2023， 36（6）： 597-605.

[5] 陈仲林，杨梦婕，侯旭敏，等.从医疗机构视角思考《涉及人的生命科学和医学研究伦理审查办法》［J］.中国医学伦理学，2023，36（5）：482-487.

[6] CHEN Z L， YANG M J， HOU X M， et al. Thinking from the perspective of medical institutions on Measures for Ethical Review of Life Science and Medical Research Involving Humans ［J］. Chinese Medical Ethics， 2023，36（5）：482-487.

[7] Association for Biomerirics（AfB）， International Computer Security Association（ICSA）. 1998 Glossary of biometricterms［J］.Information Security Technical Report， 1998， 3（1）： 98-108.

[8] 杨强，谭礼俊. 生物识别技术对比浅析［J］. 大众科技，2005（2）：51-52.

[9] YANG Q， TAN L J. Comparative analysis of biometric technology［J］. Popular Science and Technology， 2005（2）： 51-52.

[10] 共研产业研究院.2023—2028年中国生物识别技术产业全景调查及投资咨询报告［R］.2022.

[11] 中国消费者协会.中消协在京发布《100款App个人信息收集与隐私政策测评报告》［EB/OL］.（2018-11-28）［2024-02-05］.

[12] 清华大学智能法治研究院.App隐私政策对比分析报告：即时通信类［EB/OL］.（2023-05-15）［2024-02-05］.

[13] RAND. Army biometric applications： identifying and addressing sociocultural concerns［R］. 2001.

[14] EC. Working paper of the data protection working party of the european commission： biometrics［R］. 2003.

[15] BIOVISION. Roadmap to successful deployments from the user and system integrator perspective［R］. 2004.

[16] Commission European. Biometrics at the frontiers： assessing the impact on society［R］. 2005.

[17] National Science and Technology Council. The national biometrics challenge［R］.2006.

[18] Data Security Council of India. Biometrics and ethics-EU project RISE［R］. 2009.

[19] REBERA A P， BONFANTI M E， VENIER S. Societal and ethical implications of anti-spoofing technologies in biometrics［J］. Science and Engineering Ethics，2014， 20（1）：155-169.

[20] SMITH M. The future of biometrics and liberal democracy［J］. Biometric ldentification， Law and Ethics， 2021， 11：79-95.

[21] BAICHOO S， KHAN H M， BISSESSUR P， et al.Legal and ethical considerations of biometric identity card： case for mauritius［J］.Computer Law and Security Review： The International Journal of Technology Law and Practice，2018，34（6）：1338-1341.

[22] 安慧影，黄朝峰，李阳.新兴技术伦理风险协同治理研究［J］.科技进步与对策， 2023，3（1）：1-10.

[23] AN H Y， HUANG C F， LI Y. The collaborative governance of ethical risks in emerging technologies［J］. Science and Technology Progress and Policy， 2023，3（1）：1-10.

[24] 胡海明. 生物识别技术应用：伦理和治理研究［D］.北京：北京协和医学院，2018.

[25] HU H M. Biometrics applications：ethics and governance［D］.Beijing：Peking Union Medical College，2018.

[26] 程思凡.生物识别信息传播伦理问题研究［J］.中国出版，2023（1）：34-38.

[27] CHENG S F. Research on ethical issues in the dissemination of biometric information［J］. China Publishing Journal，2023（1）：34-38.

[28] DOSI G.Technological paradigms and technological trajectories［J］.Research Policy，1982，11（3）：152-154.

[29] 郑雨.基于技术创新视角的技术范式不可通约性理论［J］.科技进步与对策，2007，24（12）：156-168.

[30] ZHENG Y. Incommensurability of technology paradigm［J］. Science and Technology Progress and Policy，2007，24（12）：156-168.

[31] 杨德林，陈春宝.中国企业国际化实证分析［J］.中国软科学，1997（2）：33-39.

[32] 曾建新，刘兵.基于技术轨道理论的核电堆型技术创新路线图结构［J］.湖南科技大学学报（社会科学版），2013，9（5）：106-110.

[33] ZENG J X， LIU B. Research of road map structure of technology innovation about nuclear power reactor type based on the theory of technological trajectory［J］. Journal of Hunan University of Science and Technology （Social Science Edition），2013，9（5）：106-110.

[34] 彭之军.人脸识别技术进展综述［J］.信息与电脑，2023（15）：168-171.

[35] PENG Z J. Literature review of advances in face recognition technology［J］. Information and Computers， 2023（15）：168-171.

[36] 国家人工智能标准化总体组.人工智能伦理治理标准化指南（2023）［R］.2023.

[37] 鲍晓娜，张舒畅，任曙明，等.技术机会窗口、债务融资决策对后发企业创新的影响：基于海康威视的探索性案例研究［J］.管理案例研究与评论，2023，10（16）：567-581.

[38] BAO X N， ZHANG S C， REN S M， et al. The influence of technology opportunity window and debt financing decision on the innovation of latecomers：an exploratory case study based on Hikvision［J］.Journal of Management Case Studies，2023，10（16）：567-581.

基金资助

教育部人文社科研究项目“生物识别技术伦理审查缺失问题及组织治理研究”(23YJA630058)

湖南省普通高等学校教学改革研究项目(HNJC-2022-0748)

国家自然科学基金“以科学为基础的创新生态系统协同演化及政策研究”(71974091)