今年,GPT、AI繪畫等人工智能大模型工具火熱,許多人也想來追一波AI創業熱潮,相關創業項目層出不窮。優質數據對AI大模型訓練至關重要,只有擁有足夠多的數據,才能訓練出智能、強大的AI工具。我國互聯網蓬勃發展二十余年,還能缺少數據?這不,曼昆律師最近接到網友咨詢,準備用爬蟲爬取知乎數據,做一個知乎GPT機器人豈不美哉?且慢,這其中的法律風險不可忽視。
01 爬蟲是把雙刃劍
爬蟲技術是一種通過編程自動從互聯網上獲取數據的技術。它的名字形象、生動地表明了它的工作原理:模擬人類在網頁瀏覽器中瀏覽網頁的過程,進行數據采集和數據抓取。
網絡爬蟲廣泛應用于搜索引擎、數據采集、廣告過濾、大數據分析等領域。作為一種功能強大的信息采集程序,它能夠顯著提高工作效率,尤其是對海量數據的收集和整理。
DigiDaigaku 母公司 Limit Break 完成對 NFT 平臺 FreeNFT 的收購:金色財經報道,NFT 項目 DigiDaigaku 母公司 Limit Break 首席執行官 Gabriel Leydon 發推稱,Limit Break 已完成對 NFT 平臺 FreeNFT 的收購,擬具體收購金額暫未對外公布。FreeNFT 是一個 Free to Own 生態的 Launchpad,DigiDaigaku 曾在該平臺上抽獎。
收購完成后,FreeNFT 仍將免費供開發人員使用,Limit Break 除了營銷和內容創作協助之外,還將為該平臺提供智能合約服務,包括合約編寫、鑄幣托管、集成 ERC-721、以及可編程版稅解決方案。[2023/3/15 13:05:27]
然而,一旦技術被不正當使用,也會引發“蟲災”,導致網絡擁堵、崩潰、服務器癱瘓甚至引發數據安全風險。我們熟悉的“裁判文書網”也不能幸免:
DigiDaigaku:將向攻擊者尋求賠償:11月3日消息,DigiDaigaku官方就CEO Gabriel Leydon賬戶被盜并發布釣魚網站一事進行更新:Gabriel Leydon的推特帳戶因SIM卡調換(美國東部時間5:39PM)被盜。DigiDaigaku要求攻擊者降低其法律風險并刪除已發布的推文,在確定攻擊者身份后會提出指控并尋求損害賠償。[2022/11/3 12:13:22]
圖:2019年,最高人民法院發布的《關于“中國裁判文書網”網站建設建議的答復》
02 使用爬蟲技術的風險
爬蟲作為一項獲取數據的技術手段,并未被法律禁止。但使用方式及使用目的決定了是否會產生違法的行為和后果。
DigiDaigaku母公司 CEO:未來幾周內將對NFT持有者發放至少3次空投:10月2日消息,DigiDaigaku系列NFT發行公司Limit Break首席執行官 Gabriel Leydon 在社交媒體上發文表示,未來幾周內將對 DigiDaigaku NFT 持有者進行至少 3 次空投。首次空投是向 DigiDaigaku Genesis 持有者空投沙盒游戲 Castaways 主題的 NFT,作為使用 DigiDaigaku Genesis 形象參與游戲的入場券;第二次空投是向 DigiDaigaku Genesis 持有者空投與 DigiDaigaku 本身游戲相關的 NFT,具體細節未披露;第三次空投是在 DigiDaigaku Heros 正式推出后,空投的 NFT 需要與創世空投的 NFT 結合使用。[2022/10/2 18:37:32]
使用爬蟲技術, 能在短時間內對網站進行大量訪問,頻繁抓取頁面和數據。這可能會導致網站的帶寬和服務器負載急劇增加,從而影響網站的正常運行,甚至導致宕機或響應緩慢,干擾被訪問網站的正常運營,嚴重時可構成犯罪。
新西蘭企業家Craig Heatley投資NFT公司Glorious Digital:2月17日消息,新西蘭千萬富翁、企業家和慈善家Craig Heatley入股了最近成立的新西蘭公司Glorious Digital,這是一家專門從事高端NFT業務的公司,專注于藝術,音樂和體育領域。(NewstalkZB)[2022/2/17 9:58:11]
楊某授權公司員工張某開發某信貸系統軟件,該軟件內的“網絡爬蟲"功能能與深圳市居住證網站鏈接。2018年5月,該軟件連續兩小時對深圳市居住證系統查詢大量訪問,致使深圳市居住證系統無法正常運作,極大地影響了該居住證系統使用方深圳市局人口管理處的日常運作。二人均構成破壞計算機信息系統罪。[(2019)粵0305刑初193號]
與使用方式相比,如何使用爬取的信息和數據,對爬蟲行為的定性影響更大。
澳本聰Craig Wright稱中本聰從未登錄Bitcointalk 論壇:澳本聰Craig Wright最近稱,中本聰從未登錄使用過論壇Bitcointalk。該網站是已知最早的比特幣論壇之一,并且有許多帖子來自聲稱是Satoshi的帳戶。Wright稱中本聰未使用該平臺進行交流,他說中本聰使用該網站是一個“神話”。
“這是一個神話,Bitcointalk上Satoshi的賬號是我的,上面所有帖子實際上都是我發的,并且未被編輯或更改,并且網站登錄名屬于我”。(Bitcoin.com)[2020/4/28]
非法使用爬取的數據和信息主要有:
(1)盜取個人信息:使用爬蟲技術惡意抓取網站上的個人信息,可能涉及侵犯他人隱私、個人信息,嚴重可構成侵犯公民個人信息罪。
(2)商業競爭中的不正當行為:使用爬蟲技術獲取競爭對手的商業秘密、定價信息、用戶數據等,對數據整合后“搬家”到其他平臺,通過這種便捷的方式獲取大量有價值的數據、信息,以謀取不正當競爭優勢。
在“酷米客訴車來不正當競爭糾紛案”中,法院認為,未經權利人許可,利用網絡爬蟲技術進入權利人的服務器后臺的方式非法獲取并無償使用權利人的實時公交信息數據的行為,實為一種“不勞而獲”、“食人而肥”的行為,且具有非法占用他人無形財產權益,破壞他人市場競爭優勢,構成不正當競爭。
(3)侵犯知識產權:爬取受版權保護的內容,然后用于未經授權的公開傳播或商業用途,屬于侵犯知識產權的行為。
03 爬蟲數據“投喂”大模型的風險
通過前面的分析可知,使用爬蟲技術的風險主要在于爬取的方式以及爬取的內容,那是不是控制爬取的頻率和內容,爬取公開內容,用來訓練機器人就沒有什么風險了呢?
首先,知乎官方賬號早在2018年就發布了《關于知乎用戶權益保護升級的公告》,提到:知乎對第三方開放知乎內容的使用采取白名單制,第三方需要通過官方合作渠道進行申請。如果爬取行為違反了知乎的服務條款,知乎可能采取封禁賬號、IP地址或者其他法律行動。
摘自《知乎機構號使用規范》(試行)
其次,知乎上的內容通常由用戶原創或授權發布,著作權歸用戶本人所有。未經授權地爬取和使用這些內容,可能涉及侵犯知乎的版權和著作權。
其實,訓練AI大模型,“數據盜竊”并非個案。上個月,筆神作文公開指控昔日合作伙伴學而思,認為學而思通過爬蟲方式“偷數據”訓練自家AI產品。筆神作文表示,將通過司法程序解決糾紛,要求“學而思”支付1元賠償金,公開道歉,并刪除已爬取的數據。
04 小結
在人工智能創業的熱潮中,數據變得越來越重要。在面對爬蟲技術帶來的誘惑時,應當認識到,雖然爬蟲技術本身并未被禁止,但其不當使用可能導致法律問題,尤其是在涉及個人信息、隱私、版權和不正當競爭等方面。
《生成式人工智能服務管理暫行辦法》中明確提到,訓練數據處理活動時,應當使用具有合法來源的數據和基礎模型。各位老板在創業過程中,要確保數據采集的合法性和道德性。如果想要使用爬取的數據訓練AI大模型,務必事先獲得數據來源方的授權,并遵守相關平臺的規定。
劉紅林律師
個人專欄
閱讀更多
Foresight News
金色財經 Jason.
白話區塊鏈
金色早8點
LD Capital
-R3PO
MarsBit
深潮TechFlow
簡介 SERAPH 是由老牌經典游戲《傳奇》團隊 Actoz 開發的一款基于區塊鏈的暗黑 like 游戲。畫面操作與傳統暗黑風格的 Loot ARPG 大致相同.
1900/1/1 0:00:00作者:Hacash愛好者新晉 PoW 項目 Kaspa 近期表現出色,短短一年時間就已經超越了百倍漲幅, 市值已經進入前 50 .
1900/1/1 0:00:00作者:Jesse Hamilton, Jack Schickler,CoinDesk;編譯:松雪,金色財經這是美國國會穩定幣立法迄今為止取得的進展,但這一進展受到黨派沖突的影響.
1900/1/1 0:00:00作者:Galaxy 編譯:Yvonne,MarsBit注:本文節選并譯自Galaxy發布比特幣礦業年中報告 概要 2022 年,礦工們面臨著一場危險的風暴,各種不利因素交織在一起.
1900/1/1 0:00:00Worldcoin是一個代幣免費分發項目,該項目和Open AI創始人Sam Altman頗有淵源,但實際運營仍以CEO ALEX Blania為主.
1900/1/1 0:00:00作為當代最具雄心的企業家,馬斯克的一舉一動都處在鎂光燈下。馬斯克的最新舉動是徹底改變老牌社交媒體Twitter的經典“小藍鳥”LOGO.
1900/1/1 0:00:00