新环境下提高广播电视安全播出能力的探讨

2022-05-21羊光

西部广播电视 2022年6期

羊光

（作者单位：河南省广播电视监测中心）

作为党和政府的“喉舌”，以及信息传播的重要渠道，广播电视在影响社会舆论、引导社会价值取向中扮演着重要的角色[1]。人们对广播电视也提出了更多要求，安全播出保障能力就是满足这些要求的基础。没有安全播出，轻则导致用户收听、收看的节目质量下降，重则导致广大用户收听、收看到非法节目内容，舆论引导等功能会被弱化甚至起到反作用。广播电视的网络覆盖面较广、影响力较大，广播电视媒体只有做到安全播出节目，才能提升广播电视受众的观看、收听体验。

我国已步入“十四五”时期，5G、区块链、机器学习、云计算等新兴技术的飞速发展，给人们的工作和生活带来深远的影响。这些新兴技术也为很多工作提供了便利，使得工作的耗时更少，效果更好，效率更高。因此，安全播出管理工作也需要紧跟时代步伐，利用新技术为自己助力，以期达到更好的效果。基于此，本文从广播电视的内容安全、传输安全、信号安全和设备安全4个方面分析如何运用新技术提高广播电视的安全播出能力，并分析其可行性和合理性。

1 广播电视内容安全

1.1 广播电视内容安全概述

广播电视的内容安全，即广播电视节目的内容应积极向上，所引导的价值取向一定是有利于我国社会的和谐，有利于我国文化和经济的有序发展。为了保证广播电视的内容安全，媒体工作者可以利用机器学习的方法，对广播电视的内容进行监测和分类，来发现那些内容不健康、有损国家利益、对受众进行错误引导的节目，并及时阻断传播。

1.2 机器学习提高广播电视内容安全

机器学习是一种对数据进行分析处理，然后进行预测或者分类的算法。机器学习先利用大量的训练集数据得到训练模型，然后用验证集去确定超参数，从而选出最好的模型，再利用测试集去测试模型的泛化能力[2]。基于机器学习的学习方式，可以将机器学习分为有监督的学习、无监督的学习和强化学习。无监督的机器学习主要是利用层次法等聚类算法，在不给数据集打标签的情况下，对数据进行分类。有监督的机器学习则通过对训练数据进行特征提取，并打标签来训练样本。有监督的机器学习又可以细分为分类和回归，其中回归主要用于预测，如天气预报。强化学习则不需要训练集，它是通过与环境进行交互，从而不断优化自身的方法。

目前，机器学习已经广泛应用到各个领域。例如，人们常见的电子邮件过滤系统，就是运用了机器学习的方法，从而对邮件系统收到的垃圾邮件进行了过滤。此外，广泛应用于医药、军事、交通等领域的图像分割技术也是运用了机器学习算法。无监督机器学习的聚类算法是先将图像的像素域映射到特征域，对特征域运用聚类算法得到分类结果，然后再映射回原来的像素域，得到最终的分割结果。2016年，广为人知的AlphaGo Zero使用的也是机器学习工具。通过机器学习，AlphaGo Zero能够从头学习围棋游戏。经过40天的训练，AlphaGo Zero在围棋比赛中的表现超过了世界排名第一的棋手柯洁。

广播电视的内容都是以视频和音频的方式呈现在受众的眼前。媒体人员利用机器学习方法对这些视频和音频加以分类，截取那些具有不良内容、不法信息及传播不正之风的广播电视节目，可以有效地保证广播电视的内容安全。同时，将机器学习应用到广播电视的内容安全领域具备较强的可行性。一方面，视频和音频材料的数据集多，为机器学习提供了大量可供训练的样本。采用线下训练、线上分类的工作模式，可以大量减少工作人员的工作时间。另一方面，现在机器学习算法的发展较快，可以在已有算法的基础上进行优化，减少模型训练所需的时间开销。

2 广播电视传输安全

2.1 广播电视传输安全概述

广播电视的传输安全是指广播电视节目在制作完成至终端播出之间的传输过程中，安全得到有效保障。广播电视在传输过程中，可能会由于设备原因、人为原因等导致传输中断、传输数据被破坏、传输不稳定等问题，这些问题会降低广播电视受众的观看体验。因此，相关部门必须建设安全、稳定的广播电视传输系统，从而保证广播电视的传输安全。

2.2 采用“超高清+5G”模式，提高广播电视传输安全性

超高清视频技术作为继模拟、标清、高清后的新一轮视频技术，迅速得到广泛的应用。超高清视频具有广泛的应用场景与应用规模。现在，越来越多的移动智能终端支持超高清技术，如手机、平板等，这将为依附于这些智能终端的流媒体、短视频平台带来巨大的经济收益。流媒体平台可以通过超高清视频，以更高的画质、更真实的视觉感受来吸引用户，提高他们的观看体验。这一趋势必将冲击传统的广播电视媒体，因此广播电视必须加快转型升级，应用超高清视频技术迫在眉睫。

但将超高清视频技术应用到广播电视领域，必须先解决超高清视频的数据量大、传输速率高等问题。按照目前标准，4K超高清视频的传输速率最高可达 40 Mbps，而8K视频的传输速率更是高达160 Mbps。传统的4G网已无法完全满足超高清视频在广播电视传播中大数据量和高传播速率的要求。这必将引起节目播出时的卡顿、乱码等问题，从而降低用户的观看体验。如果不解决这些问题，那么引入超高清视频技术必然会取得适得其反的效果。5G作为一种新型移动通信网络，无论是在峰值速率、用户体验速率，还是在能效指标上都具有重大的提升，具体对比情况如表1所示。5G不仅解决人与人之间的通信问题，还解决了人与物、物与物之间的通信问题，是通向万物互联时代的关键一招[3]。5G将成为促进我国经济社会转型的关键新型基础设施之一，也必将成为推动我国“十四五”规划的关键技术之一。

5G的三大应用场景中增强移动宽带（eMBB）、海量通信（mMTC）解决了超高清视频的传播速率高和数据量大的问题[4]，而超高可靠低时延通信（uRLLC）更是使得广播电视中直播节目的时延降低。同时，相比于4G，5G更具安全性，主要表现在：第一，服务域通过更为完善的安全机制和协议来保障安全；第二，更注重用户的隐私保护，以及增强网间漫游安全；第三，具有统一的认证框架。

技术员将超高清技术引入广播电视领域，提高了广播电视的竞争力。此外，采用5G传输机制，在提高传播速率的同时，其安全性相较于传统4G也更高。因此，努力寻求一种“超高清+5G”的传输模式，并不断改进优化，是未来广播电视保持行业竞争力和传输安全的可靠途径。

3 广播电视信号安全

3.1 广播电视信号安全概述

为了进一步保证广播电视的安全，必须保证在接收端接收到的广播电视节目的信号安全可靠，即广播电视用户所接收的信号是经过授权、合法的广播电视节目内容。然而，受利益所驱使，越来越多的非法电台进入大众的视野。非法电台是一种以盈利为目的，以淫秽色情和虚假广告，尤其是医药广告为内容的广播电台。一方面，其非法占用频段，极易对民航通信、火车运行等正常通信秩序造成干扰，甚至造成严重的安全事故。此外，非法电台播放的内容与事实不符，与党和国家宣传的方针政策大相径庭，严重影响了社会的稳定，以及党和政府的公信力。另一方面，广电媒体多且散，获取用户的信息和媒体内容保护溯源都存在一定的困难，内容审核的工作量大，内容生产传播的智慧化程度不高，而且内容的第三方监管和内部审核难以互信等问题，都不能保证接收端的信号的可靠性。因此，相关部门也需要加强广播电视的信号安全。

3.2 区块链提高广播电视信号安全

解决信号安全问题，最主要的是解决信息传输的共享和互信。传统的信息在传输和共享的过程中具有以下两个安全问题：一是信息的发布和传输由一个中心节点发出，如果所传输或者共享的信息具有时效性，就难以达到实时共享。二是信息共享的双方缺乏认证机制和信任，一方很难确定收到的共享信息是另一方发送的。

表1 4G和5G的对比情况

区块链是一种带有数据“散列验证”功能的数据库。存储在区块链中的数据或信息，具有“有痕可查”“有源可溯”“不可篡改伪造”等特征。它的数据采用分布式存储，无法通过更改单一节点的数据来影响其它节点的数据。基于区块链的服务将事务记录为一个块链[5]，块由标头和事务数据组成，非创始区块的块头包含前一个区块的哈希值，即块链间的数据具有关联性，这使得基于区块链的服务能够抵抗篡改[6]。因此，可基于不可篡改性建造具有安全性保证的信息共享通道。

此外，区块链的数据不可篡改性，保证了经过正规广播电视系统传播监测并允许播出的信号被所有节点记录，而非法电台信号无法被发送到接收设备进行播出。可见，基于区块链技术的广播电视监测系统比传统的广播电视监测系统更为可信安全。另外，通过运用区块链技术将生产、播出、传播各环节的数据打通，可促使广电系统更为系统地运行，从而实现基于可信数据的媒体内容价值、传播贡献度量和溯源追踪，打造智慧广电媒体。在区块链的基础上构建针对广播电视内容全生命周期的分布式、跨域、全流程的智慧监管体系，在提高信号安全的同时，也进一步保障了广播电视的内容安全。因此，合理运用区块链技术，是提高广播电视的安全播出能力的可行方法。

4 广播电视设备安全

4.1 广播电视设备安全概述

广播电视的关键设备一旦出现故障或者被攻击，将会带来巨大的损失。广播电视相关设备无论是在制造、投入使用还是发生故障的时候，都要有相应的措施来保证广播电视的安全播出。只有设备安全，才能保证广播电视的安全播出。

4.2 提高广播电视设备安全的技术策略

在广播电视设备的制造阶段，相关设备必须顺应技术发展的潮流，符合当下的性能要求，并在未来一定时期内保持先进性。如果相关设备不能满足性能要求，则会出现设备卡顿等情况，从而引起整个广播电视传播链发生故障。另外，设备的可靠性也是需要考虑的重点问题，可靠性的设计必须满足安全性要求，即可以抵御网络攻击，如广播电视设备中的服务器、路由器都有可能是网络“黑客”攻击的目标，可以采用新型的主动防御技术或者拟态防御，保证设备的安全性[6]。

广播电视设备在投入使用的过程中，一方面，可以通过相关技术的工作人员定期对设备进行检修与维护，来保证设备的正常稳定运行；另一方面，可以通过机器学习的方法对故障进行预警。在故障到来之前，应提前做好应对策略或者制止故障的发生。例如，利用大量故障前的数据进行机器学习建模，再利用回归的方法对故障进行预测；也可以监测关键设备，当超过某一指标阈值的时候，及时检查更换设备或者调入其他设备，保证安全性的同时提高性能。另外，可以对广播电视的供电系统的负载进行实时监测，综合考虑供电系统的部署位置、传输时候的电能消耗，以及各个供电系统的最大负载量，利用负载均衡算法实行供电系统的可调度、可选择供电。当某个供电系统过载时，则派出技术人员对相关设备进行检测和维修。

如果设备出现故障，必须及时采取措施减少损失，尤其是数据存储型的设备，一旦数据损失且不可恢复，则会造成巨大的损失。因此，工作人员可以利用备份机制。当设备出现故障时，由于备份数据的存在，将备份数据转移到新设备上，能够使得系统重新正常工作。另外，烟雾报警、火灾报警、消防喷头等装置可以使得工作人员及时了解故障的发生原因，采取止损措施。