训练数据的合法来源、知识产权与个人信息合规
依法开展预训练、优化训练等训练数据处理活动:使用具有合法来源的数据和基础模型;涉及知识产权的不得侵害他人依法享有的知识产权;涉及个人信息的应当取得个人同意或者符合法律、行政法规规定的其他情形;采取有效措施提高训练数据质量,增强真实性、准确性、客观性、多样性;并遵守《网络安全法》《数据安全法》《个人信息保护法》等法律、行政法规的其他有关规定和主管部门的监管要求。
- 触发条件
- 所有自建或微调模型的生成式服务提供者,包括使用第三方开源基础模型再训练的团队——「基础模型来源合法」本身也是被检查项。
- 做完之后应留存的证据
- · 训练数据来源台账(数据集名称、来源、获取方式、许可协议或授权文件、使用范围限制)
- · 基础模型许可证与合规使用说明(含开源协议条款比对)
- · 知识产权风险筛查记录(版权、商标、数据库权利)与移除清单
- · 训练语料中个人信息的合法性基础说明与去标识化/清洗记录
- · 训练数据质量评估报告(真实性、准确性、客观性、多样性四维)
首次达标投入估算:20–50 人日(估算,非承诺)