--- author: 睡前消息 date: '2025-12-18' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=EcUaxd996rA speaker: 睡前消息 tags: - benfords-law - data-audit - statistical-fraud - public-oversight - blockchain-governance title: 本福特定律与数据打假：揭秘政务名单背后的“最强5人组” summary: 本期节目由“最强5人组”政务名单造假事件切入，深入探讨了本福特定律、齐普夫定律及拉普拉斯分布等数据审计工具。通过对国内旅游、GDP及财政数据的实测验证，揭示了数据逻辑自洽的重要性，并提出利用区块链技术与公众监督权来遏制形式主义造假，提升公共治理透明度。 insight: '' draft: true series: '' category: data-engineering area: tech-engineering project: [] people: [] companies_orgs: - Enron - Luckin Coffee - Arthur Andersen - European Court of Auditors products_models: [] media_books: - Journal of Space Industrial Management status: evergreen --- ### “最强5人组”事件 **[静静]**: 大家好，2025年12月12日，星期五，欢迎收看《睡前消息》第990期，请静静介绍话题。过去一周，从湖北竹溪县开始的**“最强5人组”**事件快速扩散。**百度文库**“1万中国普通人名大全”的前五个名字，在全国几十个地方反复出现。**杭州师大**公示的福利基金受益名单、安徽六安的为民服务名单、京沪高铁的面试否决名单都用上了。这5个名字，几乎连顺序都完全一样。 至于后面的1万个标准名字，也批量出现于各种政府文件。比如，2024年**营口市**非公有制工程系列中级职称评审通过人员名单、**辽宁**非公有制高级职称评审通过人员名单。杜公，你怎么评价？ **[杜公]**: 目前的新闻可以从两方面看出更大的隐患。首先，有一部分机构造假水平很低，几乎不投入什么成本，就能有效地应付上级的合规要求。这次事件之所以被称为“最强5人组”，是因为大多数需要编造名单的人，甚至连百度会员和下载费用都不想付，直接就使用了最前面可以免费复制的名字。可以想象，还有更多造假的人没有这么蠢，也没有这么懒。 其次，以辽宁为代表，有一部分机构愿意多付出一点点成本，编造的名单已经不再限于前5个免费人名了。这说明造假人员的手段确实有明显的分层。可以设想，在涉及利益更大的问题上，更多人使用了更多的造假手段。所以如果想找到真正的问题，仅仅靠百度去搜索重复人名是不够的。 今天我要分享一些稍微升级的“平民工具”。这些工具和“百度人名大全”一样，在缺乏相关背景资料的时候，也能找出造假嫌疑犯。从常理来说，编造人名是一种小众的造假手段，大多数造假是修改或者编造数据。目前校验数据是否自然产生，最简单的工具是**本福特定律**（Benford's Law）。 ### 本福特定律与财务审计 **[杜公]**: 1938年，物理学家**本福特**发现了一条规律：人类社会凡是涉及物质数量的基础统计数据，无论是绝对数字大小，首位数字出现的概率都比较稳定。首位数是1的概率达到了30%，首位数是9的概率最低，只有大约4.6%。从1到9，每个数字都有比较固定的出现频率。 这是因为人类社会一直在发展，从农业社会开始，人口、经济和大多数物资的数量从长期看来都是**指数增长**的。如果用十进制去表达指数增长的数据，必然会发现首位数是1字头的时候，首位数变化很慢。比如说从100到200需要增长100%，这导致1字头的数据占了30%以上。而到了首位数5字头的时候，首位数变化就快了，从500涨到600只需要增长20%，这导致5字头的数据不到8%。 所以，对于跨越多个数量级的统计数据，对于长期符合指数增长规律的数字，本福特定律就会严格生效。不难发现，本福特定律最适合的领域是工商业的记账数字。 现在我们说起会计师事务所，有“四大”的说法：**普华永道**、**德勤**、**毕马威**和**安永**。20世纪的时候，全球有五大会计师事务所，另外一个是**安达信**，有将近100年的历史。但是安达信牵扯到一件财务造假丑闻，很快就解体了。 安达信当时的客户是**安然公司**（Enron），这家德克萨斯州的能源企业在**全球500强**排行榜一度排到了第七。2001年，安然的投资人公开质疑，表示自己仔细研究了公司财报，看不明白安然到底怎么赚钱。随后，多家投资机构跟进，指出安然涉嫌财务造假。2001年10月，安然终于承认自己从1997年开始虚构了将近6亿美元的利润，同时隐瞒了130亿美元的债务。 从1985年开始，安达信就是安然的审计服务商。作为世界最顶级的会计师事务所，安达信16年都没有能发现客户财务造假，彻底摧毁了自己的公信力。伴随着安然破产，安达信也很快就解体了。 安然造假事件发生以后，一些大型研究机构拿到财报，用本福特定律做了复盘，发现安然的每一笔能源交易收入首位数频繁出现3、4和5，严重背离了本福特定律。如果哪位观众也炒股，发现自己当股东的企业一方面宣称业务增长，另一方面拿出来的大多数数据开头不是1或者2，就可以考虑抛售了。 安然和安达信的造假事件发生在2001年，之后的造假企业也经常在类似方面暴露问题。2020年1月，做空机构**浑水公司**发表了一份匿名报告，指责**瑞幸咖啡**虚构了交易额。审计机构安永结合做空报告，认为瑞幸确实存在财务造假问题，迫使瑞幸公司认错。2022年，中欧商学院教授**成琳**复盘了瑞幸造假事件，他发现瑞幸2018年到2019年的财报资产损益表严重偏移了本福特定律。从安然到瑞幸，这些大公司不缺资深的会计师，但是拿出来的数据依然经不起本福特定律的考验，这充分说明了本福特定律的稳定性。 ### 审计实战：国内经济数据验证 **[杜公]**: 国内的研究人员也意识到了，无论是打假还是内部审计，都可以运用本福特定律。2024年，《航天工业管理》公众号发表文章，探讨本福特定律在国有企事业单位主要领导人员经济责任审计中的应用。静静帮我读一段。 **[静静]**: “以某研究所2015年的财务数据虚实账为例进行分析。此单位全年虚实账共约3万笔，对全年虚实账金额首位数字出现的概率与本福特定律给定概率按月分析，1月、5月、11月的数据均有较大偏离。其中，1月首位数字是1的概率偏离40.4%，首位数字是5的概率偏离37.4%。进一步分析上述数据并查看相关证明材料，发现该单位财务资料中，1月存在多笔外协研制经费不合理调整的情况，而11月存在多笔差旅费报销不合理的情况。” **[杜公]**: 几个外行会计师完全不用考虑企业经营什么业务，只统计首位数据就发现了财务造假，而且确实对应了年初、半年和年底的数据造假高峰，这就是本福特定律的力量。 然后我们看看哪些中国常见数据可以用本福特定律来验证。这里我要再介绍一下本福特定律的具体应用条件： 1. 数据应该来自简单的基础指标统计，不能用对数坐标等手段处理过。 2. 这个领域应该有长期的指数增长趋势。 3. 数值跨度最好在三个数量级以上。 4. 数据要完整，必须包含95%以上的基础数据。 5. 要统一数据口径和单位。 6. 样本量不能太少，至少要30个数据点，最好在100个以上。 根据这些条件，我最先想到的验证样本就是中国分省、尤其是分地级市的经济统计数据。我们找到了三组数据： * **A组**：2024年国内主要旅游地区的旅游人次和旅游收入。 * **B组**：国内361个主要城市的**GDP**数据。 * **C组**：361个城市的财政收入数据。 我们用IT审计网提供的免费本福特测试工具分别验证。首先来看各地旅游收入，按城市计算的测试结果是数据偏离度14%，中等，勉强可以相信。但是，省一级旅游数据的偏离度达到了21%，说明省级的数据比城市数据更值得怀疑。 这里我提一句，原始数据显示，**贵州省**2024年旅游收入1.46万亿。同时，根据贵州国民经济统计公报，2024年第三产业的增加值是1.26万亿，比旅游收入还要少。这只能有两种解释：或者是贵州在编造数据，或者是旅游收入的水分很大，主体是销售从小商品批发市场买来的商品，本地只能赚一个差价。 根据这个方向进一步查下去，可以发现贵州年度公报的数据也是对不上的。贵州2023年的第三产业只有1.07万亿，2024年增长到1.26万亿，明明是增加了18%，但是贵州自己说只增长了4.8%。前后两年的第三产业数据和旅游收入数据不可能同时正确。这就是本福特定律挖掘漏洞的能力。 然后看B组的分城市GDP数据，偏离度14%，首位数字为2、3的数据偏多，相对算是可信。 最后看C组的分城市财政收入数据，数据来源是AI自动收集了各地统计公报和人大报告，然后人工校对核实。测试结果很不错，偏离度只有11%，明显优于上面的AB组数据。我对于各城市的财政收入数据本来也没有很大疑问，因为市政府如果宣布自己收到了这么多钱，就要应付同样力度的财政责任。在测试之前，我就预计财政收入数据要比GDP和旅游收入数据更真实。本福特定律验证了我的常识，也验证了自身的可靠性。 ### 齐普夫定律与拉普拉斯分布 **[杜公]**: 除了本福特定律，还有什么简单的方法验证数据真假？刚才提到自然生成的数据，首位数字概率不均匀，但**末位数字**的出现概率是均等的，从0到9各有10%的概率。一般来说，如果是人为变造数据，更倾向于给末位取数0或者5。 这方面也有查实的案例。2008年，世界经济危机导致希腊破产。2009年，**欧盟统计局**审计希腊的财政数据，发现当地的财政赤字、税收、医保数据都有问题，末位数字出现0的比例高达20%。欧盟统计局公开表示，希腊政府有意误报数据，目的就是为了瞒报政府财政赤字。 最典型的尾数造假发生在人口方面。**知乎**上有一个问题：“为什么每隔5年印度就会出现一个生育高峰？”答案就是当地的统计员嫌麻烦。他们在印度的农村遇到大量文盲，说不清具体出生年份，统计员就随便写一个估算数据，导致出现大量5或者0结尾的年份。只要统计一下数据的尾数，也能发现造假的痕迹。 如果要深入检查文本的原创性，还可以用到**齐普夫定律**（Zipf's Law）。1949年，哈佛大学语言学家**齐普夫**发现，如果一个文本是人类自己写出来的，单词出现的频率有固定的规律。无论是小说、新闻报道还是个人日记，原创文字必然是少数功能词占据主导，比如“的”、“是”、“了”。 进一步研究发现，高频词和低频词之间有相对固定的比例。使用率最高的单词出现的频率通常是第二位的两倍。这个齐普夫定律的使用场景，可以用来检验**AI写作**或者是生硬的内容造假。 2009年**伊朗总统选举**中，政府公布了投票站工作人员的笔记。**密歇根大学**汇总所有文本后发现，少量词语出现的频率太高，排序靠后的词汇多样性不够，倍数不符合齐普夫定律。如果高频词出现太多，低频词太少，说明伊朗几个公务员就在套用模板制造了大量的记录。 除了数据和文本造假，还有一种造假是图像造假。我们第511期节目介绍过，2022年，**英国剑桥晶体学数据中心**发现中国同一家“论文工厂”批量制造了810篇论文，人为加工了1000多个晶体结构照片。剑桥的学者认定这些假晶体照片的结构太工整，像素点分布太整齐，不够随机。 这里用到的统计学概念是**拉普拉斯分布**（Laplace distribution），指误差的分布规律。假设我们是一个专业的射击运动员，就算我们是奥运金牌得主，也不可能每次都打中靶心，一定会出现失误。但这个失误不是完全随机的，绝大多数都会落在靶心附近，形成一个尖峰，偶尔出现的严重偏差在图表两侧形成厚厚的尾巴。 人类伪造数据的时候，一般比较心虚，会下意识地消除微小误差，也不太敢加入极端的误差。所以校验数据的时候，如果波动的分布太平滑，极端的误差太少，就有很大概率是在造假。 比如说，2000年前后，**阿根廷**政府为了减少债务，推动国家货币大幅贬值，严重影响了生活。阿根廷政府表示可以按照官方通胀数据组织加薪谈判。到了2007年，官方发布物价上涨幅度只有5%，比国际预测低了4倍。专家研究发现，官方公布的商品价格变动太平滑了，像是一条直线缓慢上升。**国际货币基金组织**（IMF）通过拉普拉斯分布认定其造假。 ### 监督权与区块链方案 **[杜公]**: 现在已经到了AI时代，上面提到的打假知识不用自己按计算器，马上就能找到大量的AI工具。我们整理成一张表格分享给大家。 当然，造假人员也能用到这些知识。最起码他们造假结束以后，可以用这些工具检验自己的数据，然后填补漏洞。这是一场公平的**“军备竞赛”**。现在“百度人名大全”就能打假，本福特定律就能发现全国性的数据偏差，这说明相当一部分公共机构还没有进入这个军备竞赛。我们获得了一个暂时的监督窗口，一旦他们也使用AI造假工具，打假难度就大了。 对于未来的问题，我有两个建议。第一个方案显而易见：要求**全面公布公共机构的统计数据**。不能只公布局部数据，也不能今年公布明年不公布。这样数据之间就能相互校对。如果各市的数据加起来不等于省级数据，而且有明显偏差，小学生也能知道有人在公开造假了。 第二个方案是利用**区块链**技术，保证每层数据都可以追溯到基层原始信息。区块链的链式存储加上时间戳属性，让每个流程节点的参与方、数据格式都被固化。如果每一次数据采集都被永久记录且可逆向追溯，造假就只能出现在汇总层面了。 在区块链化的工作场景下，公示名单不能临时编造，而是必须从一个报名截止时就确定的“人名库”里选择。发布的公示名单将拥有唯一的标识ID，无论是参与者还是旁观者，都可以自行检验名单。这个过程还不会泄露隐私。 但无论哪种方案都有一个基本前提：要保证人民群众的**监督权**和**追责权**。国家应该有专门的基金奖励每一个成功的数据造假举报。这次“最强5人组”事件的最初发现者，工作业绩超过了100个计检人员，他应该拿到巨额奖励。 另一方面，基层单位编造这么多的人名，说明现行体制过于强调自上而下的内部监督。基层为了对付上级的合规检查，不得不制作大量的形式主义文件。如果国家能够充分开放人民监督，把日常工作数据向全社会开放，基层单位的压力本来并不需要这么大。 所以，趁着大多数公共机构还没有利用AI工具修饰数据，我建议大家拿出本福特定律，利用小学算术知识，先去核对本地的经济数据。这是减轻政府工作压力的最好办法，基层工作人员一定会感谢你的。感谢各位收看，990期节目到此结束，我们周日再见。