大數據時代數據公開與知識產權保護的沖突與協調

朱真真

(中南財經政法大學知識產權研究中心,湖北 武漢 430070)

0 引言

近年來，隨著新技術革命的到來以及互聯網的迅速發展，技術進步的同時帶來了海量數據的快速傳播。雖然這些數據本身是沒有價值的，然而，通過數據重用技術，企業管理者能夠從原始數據中獲取價值，這種新現象通常被稱為 “大數據”。許多學者認為，這一現象很快將引領科學和創新的新領域[1]。專家斷言，大數據等新一代互聯網技術深刻改變了世界，也讓各國站在科技革命的同一起跑線上。

在大數據所引發的諸多挑戰當中，與數據重用相關的問題是最迫在眉睫的問題之一。對多來源的全體數據進行高效的反復利用，是大數據的價值來源。但目前許多由數據推動的大數據實踐沒有充分的記錄和公開，數據來源和譜系的非公開性阻礙了數據重用，從而阻礙了數據方法的創新應用[2]。問題的關鍵不僅僅在于數據本身是否被充分公開，還在于大數據從業者是否公開了其分析數據的方法。在許多情況下，關于如何最初收集和準備數據沒有足夠的信息。了解數據的來源，以及它們是如何由管理者組織和操作的，這對于下游的重復使用是至關重要的，這也是數據重用的本質，而公開不充分的問題會威脅到大數據自身的進一步發展。

雖然公開問題本質上不是知識產權法固有的問題，但它提出了一個知識產權法非常熟悉的關注點，即其主要目的是鼓勵技術披露以加速創新。但是，現有的知識產權政策對于鼓勵大數據公開沒有什么意義。同時，各種法律和經濟力量正在推動大數據朝著不公開的方向發展。作為傳統上鼓勵技術披露的法律體系，知識產權法如何與大數據的公開進行協調？對大數據這一寶貴資源進行更優化的配置，以使其更好地為經濟發展和社會進步所用。

1 追根溯源——大數據及數據公開的基本問題

1.1 大數據的基本概念

“大數據”這一術語指的是一種新的實證研究方法[3]，該方法由特定的實踐組成，伴隨著從設備和服務增長記錄的電子數據記錄而發揮作用。如今，各行各業的專家們利用這種方法來提高醫療質量，培育更高產的農作物，改善交通擁堵狀況，并預測全球金融交易的流向。可以預見，我們的生活方式將不可避免地被這種新技術所影響和改變[4]。

大數據與傳統的實證研究方法最明顯的一個不同特征在于：以大數據為基礎的研究方法開始于從先驗中自動的和不分先后地收集的記錄。自科學研究方法誕生以來，研究人員通常先研究問題和進行假設，然后才收集實驗性證據[5]。而大數據研究方法將從舊數據中提出新問題,作為這個過程的開始。這種新的經驗主義的實現以互聯網為基礎的設備和服務的巨大發展為基礎，使得電腦可以自動記錄日益發展的人們日常生活信息。例如，互聯網搜索歷史，信用卡記錄，醫療機構提供的臨床和基因數據都是數據的重要來源。

盡管大數據方法引發了許多熱議，諸如隱私問題[6],但不可否認的是，大數據具有促進創新的巨大潛力。 “大數據技術將帶來巨大的益處，我們不應該選擇放棄[7]。”換言之，大數據將激勵重要的創新。正如早期的攝影技術一樣，盡管是對個人隱私的一個巨大挑戰，但它具有促進技術變革的巨大潛力。

1.2 大數據公開所遭遇到的挑戰

盡管我們對大數據抱有熱切的期望，大數據的重要意義也已經被無數行業實踐所證明，但與此同時，仍然存在一個疑問：為什么大數據還沒有帶來學者所預測的重大創新？答案就在于數據重用的挑戰。大部分描述大數據對于創新的潛力的觀點都假定數據可以被進行有意義的重復利用和重組，以便檢測出新問題的存在。也就是說， “如果要獲得大數據所帶來的利益，那么產生這些數據的研究人員就必須分享這些數據這樣一來，數據就可以被其他人進行重復使用[7]。”換言之，數據將被非特定的人以非特定的方式用于非特定的時間。數據重用的潛力是大數據方法的核心價值來源。

有兩個實質性障礙阻止數據的重復利用,第一個挑戰純粹是技術性的：由于數據經常以不同的格式記錄和發布，所以研究人員要匯總來自多個不同來源的數據非常困難，但這個問題可以通過技術的發展而克服，一些國際標準制定組織已經在開發和鼓勵使用標準數據格式來實現大數據的匯總。例如，美國國家標準與技術研究院(NIST)于2013年組建了一個關于大數據的工作小組，旨在開發一套通用的大數據定義，分類法和參考架構[8]。國際標準化組織和W3C組織了類似的小組，以探索標準格式的采用。相比之下，數據重用的第二個障礙則更具挑戰性：數據往往充斥著收集和組織它的人的主觀判斷。正如學者所指出的那樣， “處理大數據的過程是主觀的，而且它所量化的東西與客觀事實不一定一致” “在分析階段存在的隱藏的偏見存在相當大的風險，并且與數據本身一樣重要[9]。”這些通常的主觀判斷給數據重用帶來了問題。

(1)數據篩選和分類。在一個龐大的數據庫中查找有用的信息，從某種意義上說就是大海撈針。社交網絡和在線論壇等大數據提供者使用的在線資源，通常涉及廣泛的話題。此外，隨著社交網絡的興起，廣告商可以獲得消費者有關品牌偏好、購物習慣甚至個人愛好的更多更詳細的大量數據，但這些數據必須經過篩選和分類才能得到充分利用。然而，這一操作過程有高度的主觀性。

在數據收集過程中，人的主觀判斷是非常重要的。例如，數據科學家可能會預測，最關心航空公司新航線的客戶是那些居住在大城市并喜歡旅游的人。依靠這種預感，他們將創建一個符合這些標準的客戶的選擇。利用這些信息，航空公司可以將廣告和促銷優惠僅僅提供給最可能感興趣的客戶。也就是說，數據篩選通常依賴高度主觀的判斷。

(2)數據清理。大數據從業者使用的原始數據集通常包含錯誤，部分原因是由于數據龐大的規模：前所未有的數據量意味著前所未有的錯誤數量。另一個比較隱蔽的錯誤來源是自動化以及不分青紅皂白的信息收集，這也是大數據方法的一個標志。更為隱蔽的是，當不同來源的無差錯數據被合并時，一些數據錯誤就會出現。在實踐中，識別和糾正這樣的錯誤是美學和統計學的雙重實踐。

假設一個互聯網公司希望收集訪問者在其網站上停留的時間，當分析師從公司的網絡服務器收集相關數據時，發現大多數訪問者似乎停留在網站上2～5分鐘。然而，有些是持續了好幾天的訪問，還有一些難以理解的結果，如亂碼。面對這些異常的結果，分析人員可能會首先嘗試找出錯誤的來源。例如，持續時間為 “0分鐘”的訪問記錄是由自動軟件代理生成的。訪問持續了數天，可能是因為不使用計算機的用戶未關閉其網頁瀏覽器。在確定了這些錯誤的來源之后，分析師會針對不同的實際清理不同的數據。例如，如果她希望了解所有訪問者如何與網站互動(包括不活躍的用戶)，分析人員可能會決定只刪除0分鐘的條目。如果分析人員的目標是要了解用戶在網站上停留多長時間，然后再點擊將其轉到其他網站的鏈接，則可能還會刪除超過10分鐘的所有條目以排除不活躍的瀏覽者，最終經過清理的數據集將反映分析人員對錯誤來源和其具體目標的判斷。這個例子說明，數據清理的過程也伴隨著大量主觀判斷。

(3)數據掩飾。許多大數據制作者清除或掩蓋包含在他們開始進行的原始數據中的個人識別信息，在一些行業，如醫療行業，這是強制性規定。例如，美國早在其1996年的 《健康保險流通與責任法案》 (HIPAA)就規定，除非名字、郵政編碼、治療日期和其他特定信息被刪除，否則個人健康記錄不能在機構之間共享。即使沒有法律的強制性規定，市場力量也迫使一些大數據生產者隱去個人資料。正如數據選擇和數據清理一樣，數據掩飾是科學與藝術的混合體，其產物常常包含主觀判斷。

對數據進行匿名化的最簡單方法是完全去除可用于識別個人的信息，如姓名、地址和電話號碼。雖然這種方法往往能夠有效確保匿名，但也很可能消除有用的信息。例如，完全去除個人識別信息便不可能進行縱向數據分析。

大數據實踐(將原始數據轉化為有用的數據集的方式)經常需要主觀判斷，由于這些判斷通常是以特定的方式進行的，以響應最初收集給定數據集的獨特環境，所以它們對于下游用戶來說是個謎。概言之，大數據實踐很容易被保密。大數據實踐是非常主觀的，很難通過反向工程破解。結果就是，大數據實踐為自己增添了神秘色彩。此外，一系列不利于公開經濟和法律的政策進一步將其推向保密。

為什么不依靠市場力量去鼓勵類似的數據公開？如果一個數據生產者不斷發布沒有依據的數據，人們可能會認為該公司的聲譽很差，消費者會轉向更可靠的數據發布者，這種觀點誤解了形成大數據的商業環境。對商業公司來說，數據是一個副產品，而不是資源。搜索引擎、移動電話、健康設備、公共設施和其他大數據主要來源的發布者很少或根本沒有動力去公布他們的數據收集和準備的方法，因為目前還沒有這種抽象信息的商品化市場。大數據代表一個次要的，很大程度上是投機性的公共福利，它位于數據生產者和他們的客戶之間的商業交易的下游。

除了沒有任何經濟激勵措施來刺激他們進行公開以外，大數據生產者可能面臨強烈的披露障礙。例如，隱私條款可能會阻礙收集和傳輸醫療記錄的機構傳達可用于識別患者的匿名信息。出于對競爭的擔憂，企業很可能選擇對數據準備方法進行保密。例如，機器設備制造商可能不希望其客戶或競爭對手了解其設備產生的數據中的缺點或錯誤。最后，一些發布者可能將他們的數據準備方法視為能夠為其提供競爭優勢的有價值的商業秘密。

2 尷尬現狀——知識產權法對數據公開的阻礙作用

知識產權法的核心目標是通過鼓勵技術公開來刺激創新。目前遇到的大數據公開及數據重用問題表明，知識產權法在重要的新興技術領域并沒有實現這一目標。另一方面，雖然大數據是新興現象，但并沒有 “新”到不能適合于現有的知識產權框架之內。事實上，長期以來知識產權中涉及的軟件、算法和數據庫的爭論都與大數據直接相關。

2.1 商業秘密進路不適合大數據公開

以信息為基礎的產品供應商可以選擇通過商業秘密的方法來確保其流程和專有技術的獨占性。 《反不正當競爭法》第10條第3款將商業秘密定義為：①有價值的 “信息”；②權利人采取了保密措施進行合理的保護。法律對信息的定義是非常廣泛的，包括技術和非技術信息(方法、專有技術甚至思想)。重要的是，值得商業秘密保護的信息不一定是絕對秘密的，只要是合理努力防止公開的信息即可。商業秘密盜用救濟可包括金錢損害賠償和禁令救濟，消費者不易理解的信息化流程特別適合于商業秘密保護。眾所周知的谷歌PageRank算法以及大數據公司所使用的算法是兩個典型的例子。源代碼(軟件開發者編寫的指令和消費者無法查看的指令)通常也通過商業秘密來進行保護。帕梅拉·薩繆爾森曾指出，軟件行業的商業秘密也可能延伸到 “實用性的工業技術，這種技術通常是試驗和試錯的結果[10]。”

20世紀90年代，商業秘密法是有關軟件的學術爭議的核心，因為它涉及大數據公開問題。當時學者認為，商業秘密法會減緩軟件創新的步伐，因為它會阻止源代碼及相關操作的公開。例如，羅伯特·G·博恩警告說，商業秘密會導致在不同公司工作的軟件工程師進行無意義的重復努力。廣泛的商業秘密會減少軟件行業的累積創新率[11]。但軟件方法有時可能會被進行反向工程，商業秘密不是軟件行業的專有技術傳播的絕對障礙，因為反向工程是法律所允許的，而且往往很容易在目標代碼上執行。

像算法一樣，許多大數據操作可能符合商業秘密法對 “信息”的廣義定義。因為這種實踐通常是通過軟件實現的，所以大數據生產者也可以對協助實現這些操作的代碼獲得商業秘密保護。此外，從實踐的角度來看，對這些信息進行保密可能比對軟件方法進行保密更容易。與軟件不同，大數據操作不能被進行反向工程。這就是說，專家無法破譯一組數據是如何組合起來的，沒有什么比數據本身更能起作用了。因此，商業秘密促進軟件方法公開的學術論證似乎并不適用于大數據實踐。

2.2 專利法進路不利于鼓勵大數據公開

從理論上講，專利法可能會推動一些 “大數據”的開發者向公眾進行公開。因為，根據專利法的規定，作為向公眾提供他們的技術的交換，專利權人能夠獲得比其他知識產權所有人(如著作權人)享有更為強大的排他性權利：20年內能夠禁止他人任何未經授權的使用、制造、銷售或進口其專利產品。實際上許多大數據實踐不太可能符合專利法規定的起始資格要求，或雖然可能符合條件，但不太可能獲得有意義的專利保護范圍。因此，專利法似乎沒能有意義地鼓勵大數據實踐的公開。

根據我國專利法規定，專利的保護要件為新穎性、非顯著性和實用性。雖然大數據實踐可能會克服實用性障礙，但是它們是否具有足夠的新穎性和非顯著性從而值得專利保護，尚存疑問。另外，正如Datamize案判決所指出的，任何完全依賴主觀判斷的實踐都可能無法獲得專利保護，因為這種權利要求不符合專利法的明確性要求。法院解釋說， “由于權利要求語言的含義取決于某個人的意見的不可預知的變幻莫測，這使得公眾無法獲悉專利權人的排他性權利。”然而，過程專利權利要求可能涉及某種程度的人為判斷。如前所述，一些大數據實踐完全依賴于搜集者的主觀判斷，因此，這些大數據操作似乎不具備獲得專利保護的資格，因為它們的權利要求沒有充分的明確性。然而，其他部分依靠主觀判斷的大數據操作可能有足夠的確定性。例如數據清理、數據屏蔽的實踐，比如用虛擬值替換身份化信息。這些過程可能有充分明確的權利要求語言，以獲得專利保護。雖然以客觀為基礎的大數據操作可能有足夠的確定性而獲得專利保護，但也可能存在其他保護障礙。例如，未能表現出足夠的新穎性或非顯著性，可能會導致申請被拒絕或后來的無效。

另一方面，正如前文所分析的，盡管有其優點，專利保護的范圍比商業秘密更狹窄。例如，相當于抽象概念的算法，無法成為專利法的保護對象。與大數據相關的可專利性的最終限制是專利法的確定性要求。專利權利要求(所謂專利保護的 “界限”)必須用足夠明確的術語來書寫。更重要的是，即使專利保護可用于這些大數據操作，但生產者可能更傾向于選擇不進行公開。David Friedman等指出了兩種情況，在這兩種情況下商業秘密優于專利保護[12]：

(1)當對于一項發明來說，輕而易舉將其保密的期間要長于其他發明人自行提出這個想法的期間時，商業秘密是比專利更為可取的選擇。許多大數據操作正好可以歸入這一類。像谷歌的PageRank和大數據公司使用的算法一樣，大數據操作產生商業上有價值的產品和服務，同時完全保持在公眾的視線之外。這使得商業秘密保護對大數據生產者更具吸引力。因為與軟件對象代碼不同，大多數大數據產品不能被進行反向工程。

(2)當專利保護相對于發明的價值而言成本過高時，商業秘密在經濟上比專利保護更可取。與軟件行業一樣，大數據也是更新換代非常快的行業。大數據制作者往往認為其實踐的經濟價值壽命相對較短，因此不值得花費時間和成本去獲得專利保護。在這種情況下，數據制作者可能不愿公開他們的做法，完成專利申請的繁瑣過程，更不用說申請專利的時間和金錢成本。在這種情況下，專利保護可能根本就不值得。

2.3 著作權法進路為大數據資料庫提供了薄弱的保護

如果沒有對著作權的介紹，知識產權法與大數據之間的關系的討論是不完整的。與專利法和商業秘密不同，著作權不對過程或方法提供排他性保護，但著作權法可能會保護這些實踐的最終表現形式。著作權法可以保護數據匯編中的原創性表達，一些數據單獨看來不起眼，但共同組合起來就構成了原創性表達。因此，著作權法保護 “匯編若干作品、作品的片段或者不構成作品的數據或者其他材料，對其內容的選擇或者編排體現獨創性”而構成的作品。當選擇或安排所需數據的過程中，需要主觀判斷的操作，數據匯編就能夠獲得著作權保護。匯編的主要形式有挑選、安排等。 “挑選”意味著在某一特定數據集中的選擇哪些事實，以便將其納入匯編作品時進行判斷。 “安排”是指將數據排序或歸類為列表或進行分類，超越了單純的數據機械分組(例如按字母順序排列，按時間順序排列)。前文所描述的數據篩選形式作為挑選的一種形式，明顯符合原創性要求，但這種保護不可能有效減少不必要的復制。這是因為抄襲者在理論上可以很容易地盜用單個數據，而不需要復制他們在數據庫內的具體選擇或者編排。因此，大數據資料庫享有的著作權保護范圍可能會比較薄弱。這表明，盡管大數據的主觀性可能使大數據庫受到一定程度的著作權保護，但這種保護不太可靠。

3 未來發展——鼓勵大數據實踐的公開之建議

現有的專利法或著作權法的知識產權范式并不是對大數據進行保護的最佳選擇。與此同時，大數據實踐并不是自我公開(即它們不容易被進行反向工程)的這一事實使它們很好地利用商業秘密這一工具，或者僅僅選擇不公開。這些研究說明，我們需要制定鼓勵公開大數據實踐的新政策。為了解決這一需求并激發進一步的研究，本文提出一個根植于知識產權法的政策模式。這個模式并不是一個正式的立法建議，而是旨在為今后此方面的討論提供線索，以引發更多的討論和研究。例如，美國聯邦貿易委員會 (FTC)已經在調查大數據實踐如何影響消費者，并且在理論上可以制定鼓勵更多披露的規則。

特殊知識產權保護形式是一種可能性。具體而言，可以設定一種新的法定權利(在此稱為 “數據權”)，這個權利將屬于那些在數據收集和準備方法方面清楚和完整地描述這些方法以及從這些方法生成的數據的申請人。關于該權利的權利范圍可以用知識產權中所有權利都具有的三個特征來界定：①保護客體；②授予公開者對該客體的排他權；③由排他性所生出的一系列獨占性規則。

3.1 權利客體

數據權可以保護根據本領域普通技術人員不容易掌握的一種或多種方法收集或操作的任何數據，該保護可能擴展到單個數據以及數據的資料庫。在這方面，數據權可以保護比著作權更大的客體范圍。例如，著作權法通常只涉及對數據的匯編的最終表現形式。因此，潛在的下游用戶將不能以著作權許可方式繞過這種權利。

3.2 權利范圍

數據權利人有權在法定期間內禁止未經授權的用戶使用他們的數據，并請求禁令救濟。數據使用的例子是，將數據集應用于分析以研究新的問題或現象。數據持有者無權阻止第三方對數據本身的描述性使用，因此，潛在的數據可以自由復制和傳播，除了數據發布者通過合同等方式施加額外的限制。這種有限的排他性權利旨在平衡數據生產者控制下游使用的權利與公眾獲取數據的公共利益之間的平衡。

3.3 可獲得性規則

數據權保護只適用于公開了與他們所希望保護的每一條數據相關的所有數據收集和編排實踐的發布者。這里的公開要求類似于專利法要求申請人在專利申請中披露其發明，但其要求低于符合著作權要求作者尋求保護時要將其作品在有形客體上進行固定的要求。然而，數據庫的獲取規則是獨一無二的，因為它們所保護的主題 (數據)將與它們所披露的主題 (方法)不同。這種特殊保護形式可能會有效鼓勵一些若非如此將不會進行的大數據公開。數據發布者長期以來一直希望獲得專門的保護，使他們能夠更好地控制數據的下游使用。本文前面提出的經濟理論指出，在數據發布者重視排他性超過他們更重視數據收集和組織的實踐中的排他性的情形中，他們可能更傾向于數據權保護而不是商業秘密。同樣，數據權不太可能鼓勵新的或有價值的公開。因為數據權只給發布者提供了一種經濟上的激勵，所以不適合鼓勵在隱私或進行商業秘密保護的強烈的商業利益的環境中進行公開。

自20世紀90年代以來，美國和歐盟國家都出現了為電子數據庫提供專門保護的法案。這些法案的主要目的是：使數據庫發布者可以主張制止未經授權的復制。這些法案背后的主要政策原理是，因為數據成本高昂且容易復制，所以數據的收集需要類似知識產權保護的激勵。但一些學者認為，通過對有價值的數據進行限制，這些提案有可能會削弱市場經濟所依賴的競爭精神。此外，Mark等認為，圍繞特定技術設計的專門知識產權保護形式往往缺乏本質上的靈活性，并可能降低知識產權制度作為一個整體的一致性和可預測性[13]。

本文所描述的數據權在很大程度上與之前的特殊數據保護法案有著本質區別,數據發布者不會授權數據發布者制止復制或傳播其數據的行為。相反，這個權利將直接針對未經授權的數據使用。因此，這個建議不會限制公眾對數據的訪問(這是美國學者在數據保護法案中引用的 “惡作劇”的主要來源)。相反，該提案允許數據發布者在有限的時間之內控制其數據的下游使用(如數據分析)。此外，與其他形式的知識產權一樣，數據權要求其發布者進行有價值的公開。此外，這個建議可能會存在一些操作上的障礙，例如數據生產者選擇性不公開的風險。簡而言之，數據制作者可能會選擇發布模糊的、不完整的或不準確的對其操作的描述，以獲得保護。雖然這種風險是真實存在的，但是知識產權法長期以來一直處理類似問題，對權利人進行嚴厲的懲罰。例如，專利法不正當行為原則規定，在審查過程中向知識產權局做出事實歪曲的申請人可能導致其專利無效。

4 結論

從目前的情況來看，知識產權法并沒有鼓勵大數據生產者向公眾披露一些最有價值的操作。如果大數據操作沒有公開，這個重要領域的創新就會衰退。本文建議設定一種數據權，作為一種新的探索機制。通過為大數據發布者提供一些新的權利(一種限制下游數據使用的專有權)，這種新的權利形式可以鼓勵有價值的技術的公開，否則這些技術將會被隱藏起來。

鑒于大數據在經濟和社會的發展中日益重要，應關注我們的法律制度如何影響這一寶貴的新資源的生產和使用。目前，現有知識產權制度對這一資源還沒有很好地進行配置，以實現在這個新領域鼓勵技術公開的目標。筆者試圖對此進行探討，引發學界對這一問題更多的研究，以期幫助我們獲得大數據在今天以及尚未確定的未來的更大益處。