训练数据“公开可得”判定与书面留痕
对每一批用于预训练或微调的抓取数据,判断其中个人数据是否属于“公开可得”。数据位于数字屏障之后并不当然排除公开可得性,但必须结合屏障目的、屏障效果、获取步骤的数量与复杂度、以及该数据能否从其他来源无限制获取逐案评估。当“该数据不属于公开可得”在合理范围内可争辩而机构仍依赖该例外时,必须以数据保护影响评估或其他书面记录说明评估与理由,并能在 PDPC 要求时提交。
- 触发条件
- 以网络抓取方式构建训练语料的模型提供者与数据集供应商。
- 做完之后应留存的证据
- · 抓取数据源清单与屏障类型标注
- · 逐来源的公开可得性评估记录
- · 数据保护影响评估(DPIA)
- · 爬取行为的 robots/ToS 合规核查记录
首次达标投入估算:10–25 人日(估算,非承诺)