論算法類商業秘密的弱保護及其實現路徑

基金項目：國家社會科學基金重大項目“網絡化開放創新范式下企業知識產權市場化保護與價值轉化法律機制研究”（21amp;ZD141）

中圖分類號：D922.16 文獻標識碼：A文章編號：1003-854X（2025）05-0138-07

一、問題的提出

近年來，我國已從立法、行政及司法層面全方位加大了對商業秘密的保護力度，例如擴張商業秘密客體范圍、增加侵權行為類型、擴大保密義務來源、降低商業秘密權利人舉證難度以及降低侵犯商業秘密罪的入罪門檻（改結果犯為情節犯）等，如此種種，反映了我國商業秘密“強保護”的立場。然而，這一立場如適用于算法類商業秘密，則不無疑問。算法復雜性、數據依賴性和低透明性等特征，為權利人利用商業秘密保護機制謀取不當利益提供了可乘之機，因此，“強保護”立場可能會不合理地擴張其保護范圍，進而侵害他人利益和社會公共利益。

為實現算法商業秘密權利人的私權保護與權利限制之間，以及個人利益與公共利益之間的平衡，知識產權領域既有文獻主要圍繞兩個研究向度展開：一是算法的法律規制。主要通過正當程序加以限制和賦予算法相對人相關數據權利來對抗商業秘密保護。二是算法的法律保護。大部分研究者主張對算法的保護采用專利模式或以專利為主的綜合模式，試圖通過完善并充分利用專利制度“公開換保護”的機制，促使更多的算法技術信息從“黑箱”走向開放。總體觀之，既有研究并未充分關注如何立足于商業秘密制度本身防范保護過度，從而實現有效監管和激勵創新的問題。造成這一現象的原因是多方面的：一是理念層面，在商業秘密保護理念的不斷渲染和強化下，對算法商業秘密采“強保護”之立場似乎理所應當，而對其保護范圍的控制缺乏足夠重視；二是規范層面，由于我國商業秘密制度長期棲身于《中華人民共和國反不正當競爭法》（以下簡稱《反不正當競爭法》）之中，《反不正當競爭法》屬于典型的行為規制法，通過對特定行為的禁止來實現對商業秘密的保護，因而尚無清晰的權益邊界，而不似“設權模式”下的法律規范構造通過對權利的限制限定權利范圍；三是實踐層面，商業秘密本質屬性是信息，而信息本身就兼具個體價值與社會價值，但實踐中卻未能充分發揮商業秘密侵權認定規則的利益平衡作用。

鑒于此，本文將以商業秘密侵權認定規則為依據，以弱化算法的商業秘密保護為研究視角，致力于在個案中合理界定算法商業秘密保護范圍、適當控制保護水平，防止和規制權利人濫用算法商業秘密損害他人利益、社會公共利益，以期為算法保護、創新激勵與算法透明間的平衡提供新思路。

二、商業秘密保護對象拓展至算法

算法本質上是人類與機器交互的決策機制，即人類通過代碼設置、數據運算與機器自動化判斷進行決策的一套機制。①算法本身是人工智能系統中相對獨立且具有經濟價值的組成部分，可被單獨地表達。③為有效保護算法帶來的經濟利益，實踐中有大量經營者選擇將算法作為商業秘密進行保護。因為商業秘密保護能夠彌補專利權保護難和著作權保護不足的缺陷。就著作權保護模式而言，由于著作權保護受制于“思想與表達二分”，因此僅可為算法的表達形式（例如代碼）提供保護。而在商業秘密保護模式下，保護范圍還延及抽象思維層面。就專利權保護模式而言，一是算法本身是否可以作為專利權保護客體尚存爭議，可能不滿足作為專利權客體的必要條件；二是專利權系以“公開換保護”，而算法的公開披露可能因算法黑箱問題存在實踐障礙。相較之下，商業秘密制度所保護的客體范圍更廣，同時，算法運行于相關智能系統的技術底層，具有天然的非公開性，與商業秘密的秘密性特征高度契合。此外，算法獨特的技術特征為其構筑了極強的保密屏障，第三方若想對其進行反向工程將面臨較大的技術困難。特別是，對于那些具有自適應、自主學習能力的算法，其內部狀態和行為會隨著時間、輸入數據或外部環境的變化而動態調整，這種動態性意味著算法在不同時刻的表現可能截然不同。③故而，對于算法這類低透明、不易被反向工程的信息而言，商業秘密保護制度常作為專利制度的替代方案。

2020年，我國最高人民法院發布《關于審理侵犯商業秘密民事案件適用法律若干問題的規定》（以下簡稱《商業秘密司法解釋》，也順應智能時代的發展需求，明確規定將算法作為技術信息納入商業秘密保護的客體范疇。由此可見，將算法作為商業秘密保護已獲得了制度激勵，但在司法實踐中，是否需要繼續為算法保密提供更多激勵，進一步強化算法商業秘密保護，值得深入思考。

三、控制算法商業秘密保護水平之正當性

將算法作為商業秘密保護，涉及多重利益的復雜交織。為實現這些利益的和諧共存，需要通過商業秘密制度中的利益平衡措施來適當控制算法商業秘密的保護水平，進而為算法研發環節的創新留足空間，為算法應用環節的監管提高透明度。

（一）算法研發環節：留足創新空間

1.實現激勵個體創新與促進信息共享相協調。商業秘密保護以維護所有者利益為起點，通過賦予所有者有限的排他性控制權，從而持續激發其研發創新。誠然，商業秘密保護制度能夠在一定范圍內促進知識信息的披露和共享。一則，因為商業秘密保護制度能夠減輕企業為防止競爭對手獲取信息而必須采取的物理措施和合同約束的成本負擔；二則，因為商業秘密保護制度確保了在合同談判階段，商業秘密所有者可以更安心地向對方披露信息，而不必過于擔心對方在未提供適當補償的情況下使用這些信息。④但受制于“以保密守權利”的特質，商業秘密保護下的信息披露對象僅限于特定范圍。正所謂“有其源方有其流”，創新需要以充分的信息為源，故信息的自由流動于社會的發展至關重要。尤其自20世紀末期以來，隨著企業創新范式由封閉向開放轉變，越來越需要知識、技術等創新資源在外部環境和組織內部的創新過程中進行流動。③若過度強化算法商業秘密的保護，創新主體將因此受到更大的激勵對算法進行保密，進而變相增強了其從專利制度向商業秘密制度“逃逸”的欲望，不利于實現提升整體經濟效率的政策目標。此外，商業秘密的有限排他性本可激勵算法持有者積極創新、搶占先機，但過度保護卻易使其陷入“創新惰性陷阱”，導致創新減緩、技術應用滯后。因此，商業秘密制度對算法技術的保護，不僅需要激勵個體在當下的靜態創新，還需要合理控制保護范圍和力度，以更有效地協調靜態創新成果的保護和動態創新過程的激勵。

2.維護公平和自由的市場競爭秩序。算法商業秘密的保護邊界，不僅直接關系到相關知識開放與共享的水平，還涉及市場競爭等更加廣泛的問題。算法是經營者獲得、維持乃至強化市場力量的重要工具。究其原因，在于大數據與算法之間的相互作用。數據的規模和質量是提升算法性能的重要基礎，掌握大量、多元、優質數據的經營者，通常能夠開發出更先進的算法，而高性能算法又能更有效地收集、挖掘和分析更多高質量數據，形成良性循環。在高質量算法領域，潛在進入者不僅面臨著大數據質量和價值差異、高昂的數據收集成本以及網絡效應等因素帶來的資源壁壘，還面臨著較高的技術壁壘。若過度保護算法商業秘密，將導致競爭對手及潛在進入者因難以繞過已有的市場壁壘而缺乏足夠的創新動力，進而影響整個產業的創新活力與競爭力，最終損害消費者利益。

（二）算法應用環節：利于監管問責

1.限制利益驅動下的信息擴張。權利人出于對利益最大化的追求，往往傾向于擴展算法商業秘密的保護范圍。一方面，商業秘密的秘密性意味著外部機構無法對其內容進行預先審查和授權，這導致算法商業秘密的界限在實際認定中存在更大的彈性和不確定性，由此產生的模糊地帶為算法持有人權益的不當擴張留下了空間。另一方面，算法的隱蔽性、復雜性以及專業性，使其易于在商業秘密的外衣下與不符合秘密性、保密性和價值性要件或不具有合法性的信息相雜糅。這可能導致一些信息盡管并不真正符合商業秘密的要件，但也被納入了算法商業秘密的保護范疇。由此，便產生了實質上的算法商業秘密和表面上的算法商業秘密，若一味強化保護，忽視對二者的界分，將可能損害他人或者社會公共利益。因此，在加強商業秘密保護的呼聲高漲之時，更應重新回歸商業秘密制度的初衷，合理控制算法商業秘密的保護范圍。

2.促進算法黑箱下的外部監管。過度強化商業秘密保護會導致商業秘密制度的功能異化，從防止競爭對手盜用轉至阻礙社會公眾的監督。算法決策過程往往錯綜復雜，外界難以察覺。在商業秘密制度和算法技術保護的雙重屏障下，算法開發者和控制者為追求經濟利益的最大化，可能會濫用算法實施損害消費者和社會公共利益的行為。司法實踐中，算法開發者常以商業秘密為由規避外部監督，而司法裁量往往優先保護商業秘密，致算法公平性審查缺位。例如，在“美國威斯康星州訴Loomis案”中，法院依據COMPAS算法系統（用于預測再犯風險）輔助量刑，并以保護商業秘密為由，未強制算法控制者向被告Loomis公開闡釋該系統的計算過程（如算法源代碼、不同因素在風險計算中的權重等）。Loomis認為法院在判決過程中并未充分說明算法結論的公正性，主張其正當程序權利受到侵犯，但該州最高法院駁回了其上訴請求。

綜上所述，對算法商業秘密的保護，需在充分性與適度性間平衡。在經濟層面，合理界定保護范圍，既能激勵創新，又能優化資源配置；在算法治理層面，適當控制保護水平，有助于規范算法使用，確保公正透明，避免算法成為法外之權。

四、現行法律體系下算法商業秘密弱保護的進路檢視

商業秘密制度的設計貫穿了防范商業秘密保護過度的利益衡平理念。商業秘密的構成、保密義務來源、不法行為認定以及合法來源抗辯這四個維度，從“正向界定”和“反向排除”兩個方向共同劃定了商業秘密的保護范圍。換言之，在算法商業秘密侵權認定中，以“弱保護”為視角控制商業秘密保護水平存在兩條路徑：一是嚴格認定算法商業秘密是否存在；二是審慎判斷侵權事實是否成立。

（一）商業秘密構成維度

商業秘密的構成維度從源頭上限定了商業秘密保護客體的邊界。通常而言，一項信息要獲得商業秘密制度保護，需要符合雙重標準。第一重標準是客體范圍要件，即是否屬于商業秘密保護的客體；第二重標準是客體屬性要件，即是否符合構成商業秘密的特性要求，如秘密性、保密性、價值性等。在算法語境下，對算法本身和商業秘密構成要件的理解，均會影響算法商業秘密保護的范圍。

1.算法商業秘密客體范圍模糊。《商業秘密司法解釋》并未明確算法商業秘密的內涵與外延，亦未就“算法與源代碼”“算法與數據”等相關概念之間的關系予以回答。具體而言，以下兩個問題有待厘清：一是，可納入算法商業秘密保護的客體范圍，是否等同于源代碼；二是，智能時代，算法對外部數據具有高度依賴性，輸入與輸出數據是否也應作為算法商業秘密的組成部分受到保護。相關概念的不明確，容易造成算法商業秘密保護范圍邊界不統一的問題，影響司法正義。

2.“價值性”認定缺乏合理的推定標準。商業秘密保護客體須滿足秘密性、保密性與價值性的資格要件。其中，“價值性”要件在司法實踐中極少得到充分論證。總體而言，“價值性”的基本要求體現為，能夠為經營者帶來競爭優勢，而該競爭優勢的來源又在于該信息處于秘密狀態，不為其他競爭者掌握，并且價值性的內涵不僅包括現實價值，還包括潛在價值。理論上，原告應充分證明其主張的秘密信息具有獨立經濟價值，但實踐中直接證明往往較為困難。綜觀我國司法實踐，法院通常是在認定信息具有秘密性基礎之上，通過邏輯推演分析該信息是否具有現實或潛在的價值或競爭優勢。？而商業秘密價值性司法認定差異很大，在部分案例中存在不當推定的情形。例如，法院可能基于合理保密措施的存在推定信息具有價值性，其邏輯在于，若該秘密沒有價值，原告就不會采取特別手段來保護。“保密即有價值”的推定邏輯實質消解了價值性要件的獨立審查功能。除不當推定外，不少判決書中甚至并未充分審查亦或是直接忽視了價值性要件分析。如在我國首例算法商業秘密侵權案（“智搜公司訴光速蝸牛公司等侵犯商業秘密糾紛案”）中，法院對涉案算法的價值性判斷僅輕輕帶過。而對價值性要件的不當推定或忽視，可能導致法院依據本身證明力不足的證據認定信息具有實際或潛在價值。因此，應重新審視價值性要件的認定框架，避免人們因不重要的信息陷入糾紛的漩渦。

（二）保密義務來源維度

違反保密義務是侵犯商業秘密的行為類型之一。對此類侵害商業秘密行為的認定，須以行為人負有相應保密義務為前提。限定保密義務來源并規范保密義務內容，有助于實現算法商業秘密保護與其他利益保護的平衡。

1.保密義務來源擴張。我國2019年修訂的《反不正當競爭法》將“違反約定”變更為“違反保密義務”。《商業秘密司法解釋》對“保密義務”的來源作出了解釋，即行為人的保密義務不僅源于雙方約定，還擴展至法定義務和推定義務。相較而言，推定保密義務的來源具有較大模糊性，而權利人基于自身利益考量，往往傾向于較為寬泛地解釋或肆意擴大相對人的義務范圍。因此，當商業秘密保密義務負擔與信息自由映射權利相沖突，基于利益平衡，應對商業秘密保密義務進行適當限制。

2.保密協議功能異化。簽訂保密協議是保密義務的核心來源，也是權利人采取保密措施的重要途徑。勞動者權利與商業秘密保護之間的沖突在算法領域尤其顯著，原因有二：一是算法等高科技行業的人員流動性大；二是人工智能產業對研發和創新的依賴性極強，而這一過程又高度依賴各類信息資源。相較于競業禁止協議，保密協議在雇傭關系中更常見，但其對勞動者流動性和社會創新的負面影響卻更容易被低估。有學者通過對446份保密協議進行實證研究發現，諸多保密協議實質上達到甚至超過了禁業競止協議的限制效果。①誠然，權利人為相對人設置保密義務屬于自我防御的重要手段，但保密義務不應成為對勞動者就業自由的絕對障礙，也不應被異化為遮蔽違法行為的法律屏障。

（三）不法行為認定維度

商業秘密不法行為的認定，同樣也是司法實踐中調節商業秘密保護力度的平衡器。商業秘密制度并不能保障權利人對特定技術客體享有絕對支配權，而是旨在禁止他人實施特定類型的行為。在1994年《與貿易有關的知識產權協定》之后，各國就侵犯商業秘密行為的主要類型基本達成共識，即不正當獲取、不當披露以及不當使用商業秘密等行為。其中，獲取、披露行為的內涵相對明確，即自己持有或對他人公開導致秘密信息溢出原來存在的范圍。然而，實踐中對不當使用行為的理解尚有差異。2020年施行的《商業秘密司法解釋》第九條新增“改進使用”商業秘密的規定，即涉嫌侵權人“對商業秘密進行修改、改進后使用，或者根據商業秘密調整、優化、改進有關生產經營活動的”，均應認定為使用商業秘密。但司法解釋中關于改進使用的規定較為概括，如何判斷是否構成改進使用是首要難題。

明確“改進使用行為”的內涵與外延至關重要。一方面，改進行為雖不像直接使用那樣對權利人造成直接性影響，但會減少侵權者的研發時間和成本，間接為其帶來不當利益，同時稀釋權利人的市場價值；另一方面，技術迭代的正外部性要求法律容忍合理的改進空間。改進算法技術對社會進步具有積極作用，若將所有改進使用情形均視為侵權，會使算法所有者獲得超出其應有激勵范圍的利益，最終抑制行業創新動力和競爭活力。實踐中，在比對改進使用的技術信息與權利人主張的商業秘密時，一般存在兩種結果：一種是與權利人的商業秘密實質性相同，另一種是既不相同也不實質性相同。對于后者是否構成不當使用行為，尚不明確。此外，在進行比對時，比對范圍的選擇、實質性相同的考量因素，均會對算法商業秘密保護范圍產生影響，對此也需進一步探討。

（四）合法來源抗辯維度

反向工程豁免是一項重要的制度設計，為商業秘密保護提供了持續性、動態性的平衡工具。在算法領域，實施反向工程的核心在于通過分析輸出結果來反向測試、推演算法的內在邏輯，旨在厘清輸入數據與輸出結果之間的統計學聯系。然而，算法所有者為獲取最大限度的利益，通常還尋求商業秘密制度以外的合同法保護，即通過契約的方式給另一方施加額外限制。一個典型的例子就是在許可協議中設置“禁止反向工程條款”（以下簡稱“禁反條款”），禁止使用者通過實施反向工程獲得源代碼等關鍵信息。實際上，軟件業興起初期，“禁反條款”即已普遍見于銷售合同中。但對于“禁反條款”約定或單方告示的效力問題，學界仍存在爭議。“肯定說”基于“意思自治原則”，認為只要“禁反條款”屬于雙方意思自治的約定結果，法律不應過度干涉，屬有效約定。“否定說”基于商業秘密的權益特征，認為“禁反條款”無效，否則將違背商業秘密保護法的立法目的。

對算法實施反向工程，既受合同義務的法定約束，也受技術壁壘的客觀制約。反向工程的還原精度受到抽象層次、反向工程對象完整度以及實施對象與反向工具的交互程度等的多重制約。同時，算法反饋環路中往往存在人為操控與主觀判斷，這些人為的操控使得算法不僅僅是數學公式的簡單堆砌。專業技術人員若要實施反向工程，需要通過算法生成的結果推測算法黑箱中存在的運算步驟，是從結果推斷其如何產生的過程。然而，一方面，智能算法，尤其是深度學習模型，通常包含數百萬甚至數十億的參數，這些參數在多層網絡中相互作用，形成了極其復雜的結構。另一方面，智能算法具有高度的數據依賴性，程序員需要海量的相關數據才能學習到準確的模型并進行編碼，面臨著較大的技術和資源挑戰。鑒于對算法實施反向工程的技術難度不斷增加，應當重新審視“禁反條款”的效力問題，避免對算法商業秘密予以過度保護。

五、算法商業秘密弱保護的實現路徑

算法商業秘密保護力度的合理控制，需重視并明確“價值性”認定標準，適當約束保密義務范圍，審慎認定“改進使用行為”，原則上否認“禁止反向工程條款”的效力，實現私權保護與創新激勵、監管透明之間的平衡。

（一）“價值性”認定的明晰化

價值性作為商業秘密的構成要件之一，對商業秘密保護客體范圍的確定起到了關鍵的限定作用。價值性要件的內涵，經歷了從“使用說”到“潛在說”、從“重要說”到“并非微不足道說”的發展歷程。③盡管秘密信息是否已被實際使用不再是價值性的衡量標準，但基于秘密信息所產生的競爭優勢或經濟價值必須“并非微不足道”。從經濟學視角審視，法律對商業秘密設置價值性要件是經濟邏輯下的必然之舉，只有當收益超過成本時，給予某一資源法律保護才具有經濟學上的意義。

價值性要件的認定標準在很大程度上決定了算法商業秘密保護標準的高低和利益平衡。有學者從美國經典案件“Taborv.Hoffman案”中，總結出了適用于價值性評估的分析框架，即利用反向工程的邏輯來間接判斷秘密信息的價值性。具言之，從以下三方面綜合考量信息的價值性：一是就該項秘密信息進行反向工程必須是具有一定困難的；二是反向工程必須是可行的；三是實施者對一項有價值的秘密信息進行反向工程所需的材料本身不是商業秘密。③這一框架的邏輯在于，商業秘密法不保護那些競爭對手能夠輕松復制的創新成果，這避免了對那些普遍存在且不具備競爭優勢的知識進行過度保密。此外，合法進行反向工程所必須的材料本身，并不自動構成商業秘密。若缺乏對這一要求的保障，則在特定情況下，可能導致商業秘密所有者對其創新成果形成永久性壟斷，與法律僅賦予商業秘密相對排他權的初衷背道而馳。因此，該框架能夠在為算法提供廣泛保護的同時，將商業秘密與非商業秘密信息進行合理區分。將該框架運用于算法領域，可以得出以下判斷結果：

首先，源代碼屬于商業秘密的保護范疇。源代碼是開發者使用人類可讀的編程語言表示的符號化指令序列或符號化語句序列。源代碼經過編譯后，即可轉化為機器可讀、可執行的目標代碼（由二進制數1和0組成的指令序列）。一般而言，通過采取反編譯等技術逆向獲取源代碼在理論上是可行的，但源代碼與經過反向編譯的目標代碼之間并不具有一一對應關系，這導致通過反向工程獲取源代碼的這一過程難度大、不易成功。因此，算法源代碼滿足商業秘密的價值性要求。需要注意的是，可納入算法商業秘密保護的客體范圍，并不能直接等同于源代碼。雖然，司法實踐中對算法是否實質性相同的判斷往往落腳在對源代碼的比對上，但這并不意味著算法等同于源代碼。算法是解決問題的思路、步驟和邏輯，可以用自然語言、偽代碼或流程圖等半形式化的方式來描述，而源代碼是由一系列完全形式化的編程語言編寫的指令組成。算法關注的是為了達到某個具體技術目標的實現流程或邏輯，而源代碼關注的是用計算機語言來表達算法的具體實現和編程細節。盡管源代碼是算法技術最核心的部分，但是，算法還包含了算法結構、決策邏輯、數據權重等內容，源代碼僅是在一定程度上反映算法邏輯。換言之，源代碼僅是算法的一種載體，并非算法本身。

其次，輸入數據、輸出數據不可一概納入商業秘密的保護范疇。由于算法代碼異常復雜，僅通過閱讀代碼而不結合實際數據輸入和運行效果的觀察，將難以充分理解算法的功能和邏輯。開發人員在訓練時所使用的輸入數據至關重要。鑒于算法對數據的高度依賴，如果缺乏對這些數據的訪問，那么技術人員就無法充分理解算法如何處理信息、作出決策，從而嚴重阻礙進行系統性研究的可能性。輸出數據同樣也是技術人員對算法進行反向工程所必須的部分。如果輸入和輸出數據均被納入商業秘密保護范疇，算法持有者將在事實上形成壟斷，因為競爭對手幾乎不可能對該技術進行反向工程。更何況，算法與其他商業秘密的不同之處在于，即便競爭對手可以訪問相關輸入和輸出數據，也極難對算法進行反向工程。在此情形下，若仍將輸入、輸出數據混同算法本身一并予以保護，將不合理地擴大商業秘密保護范圍，導致利益失衡。

（二）保密義務范圍的適當約束

若無限制地擴大商業秘密的保密義務來源，或概括性地要求勞動者對所有信息內容保密，將會侵犯勞動者的擇業自由；反之，如果過分強調勞動者的擇業自由，而忽視商業秘密的保護，勞動者在利益驅動下可能會泄露商業秘密，從而損害權利人的合法權益。因此，對商業秘密保密義務的適用范圍進行合理約束是必要的，但同時也應當限制適度。

其一，就保密義務的來源認定而言，應限定“推定保密義務”的范圍，排除不合理的推定義務。保密義務的產生須以相對人明確認識到相關信息是商業秘密為前提。在商業秘密權利人未與相對人簽訂明示保密協議，或雖有保密協議但保密對象不明的情況下，相對人對其獲知的信息不負有保密義務。換言之，商業秘密權利人未采取足以讓相對人認識到其獲知的信息屬于商業秘密的管理措施時，不能直接推定相對人負有保密義務。否則，將使相對方負擔不可預見的保密義務，極大妨礙相對人的行動自由，難謂公平。

其二，就保密協議的客體認定而言，權利人須證明保密協議對于保護其“合法商業利益”是必要的，并證明為這種利益施加保密義務是合理的。首先，保密協議的目的是防止行為人披露或未經授權使用尚未公開、不為公眾所知悉的信息，因此，保密協議需要排除已為公眾所知悉的信息。其次，保密協議的內容應當是權利人擁有正當權益的信息。盡管《反不正當競爭法》并未明確將“合法性”作為商業秘密構成要件之一，但從法理角度出發，“合法性”是合理界定商業秘密保護范圍的重要限制。若權利人利用商業秘密的非公開性特點，將違法、違規、違反公序良俗的算法信息（如涉及竊取用戶數據、進行橫向和縱向壟斷、侵犯他人合法權益等算法信息）混同為商業秘密加以保護，以阻礙消費者、公共監督群體監督，這顯然違背了商業道德和立法目的。@最后，明確劃分勞動者的基本技能與商業秘密，確保勞動者自由就業所需的一般性知識、技能與經驗不受商業秘密保密義務的限制。

（三）“改進使用行為”的審慎判斷

關于“改進使用行為”的判斷，《商業秘密司法解釋》并未明確改進使用的技術信息是否需要達到與權利人主張的商業秘密實質性相同的程度，但根據《反不正當競爭法》可以推斷出實質性相同的應然要求。為減輕商業秘密權利人的舉證責任，修訂后的《反不正當競爭法》增加了第32條，為商業秘密侵權行為審查提供了更為合理的邏輯順序，即學界概括的“實質性相同 + 接觸－合法來源”審查規則。概言之，在存在商業秘密的前提下，當被訴侵權人具有接觸商業秘密的可能性，且被訴侵權信息與商業秘密實質性相同時，若被訴侵權人無法證明被訴侵權信息具有合法來源，那么法院則可據此推定存在侵權行為。由此可見，“改進使用”的技術信息需要達到與權利人主張的商業秘密“實質性相同”，才構成侵權。反之，如果二者之間既不相同也不實質性相同，則不構成侵權，否則在邏輯上無法自洽。

如何對改進后的算法技術進行實質性相同的判斷是問題的關鍵，對比范圍的選擇和考量因素的權衡，均會影響算法商業秘密的保護范圍。首先，在比對范圍層面，要嚴格界定權利人主張的不為公眾所知悉的信息范圍，排除已公開、業界通用或者通過反編譯顯而易見可以得到的代碼，同時，也要跨越“表達”層面，深入算法整體的邏輯步驟和模型結構等“思想”層面進行全面評估，防止將技術貢獻度不足的局部相似擴大為整體侵權認定。其次，在考量因素層面，則需突破單純代碼重合度的量化評價，轉向技術貢獻實質效果與市場競爭替代性的綜合評估。若僅著眼于貢獻的“量”，而未對其“質”給予重視，容易陷入保護泛化困境。對此，可借鑒美國司法經驗，依據“實質來源”規則判定是否構成間接使用他人商業秘密，若被告所使用的技術實質來源于原告的商業秘密，則構成間接使用。質言之，若被訴算法核心功能實質依賴權利人的商業秘密且形成市場競爭替代，則可認定構成實質性相同，從而在防止搭便車與保障累積創新之間實現制度平衡。

（四）“禁反條款”效力的再審視

在算法私權崛起的智能社會，若一味對算法商業秘密予以“強保護”，于權利人而言，將面臨雙重后果：一方面權利人將取得超額市場利益，但另一方面權利人的繼續創新也可能因無法獲取其他受保護的外部信息而受到限制。于實施人而言，可能將付出高昂成本進行低效的重復研發。于公眾而言，將影響公眾接受技術溢出的可能，無助于新信息的累積交換，不利于社會凈效益實現。因此，在算法領域內，鑒于商業秘密所涉利益的復雜性以及算法技術發展的不確定性，除非反向工程的實施將對相關產業或者公共利益造成嚴重損害，否則，原則上應當認為“禁反條款”無效。

首先，肯定“禁反條款”的效力將違背商業秘密保護法的立法目的。商業秘密制度雖通過承認智慧成果創造者一定的權益來促進科技和社會的進步，但其保密性特征天然制約技術擴散效能，故“反向工程豁免”實質上是利益平衡的制度性矯正。若允許權利人借助合同工具排除反向工程，那么無疑是默許權利人自行擴大商業秘密權益的外延。算法技術壁壘雖增加了反向工程的實施難度，但不能因此認為反向工程完全不可能實施。此時疊加合同法保護將導致權益泛化，既架空“反向工程豁免”的利益平衡功能，又通過契約自由之名不當壓縮技術發展的合法空間。其次，肯定“禁反條款”的效力將擾亂知識產權體系的既有設計和功能劃分，削弱專利制度的激勵作用。肯定“禁反條款”的效力將使得商業秘密制度對算法技術的保護力度極大提升，算法持有者基于逐利本性，自然會選擇商業秘密制度。如此一來，必然造成專利制度功能的部分喪失，而喪失的代價則是信息的不公開。最后，肯定“禁反條款”的效力可能助長權利濫用。“禁反條款”雖在形式上屬契約自由范疇，實則也有可能是權利人限制合同相對人意思自由的產物。“禁反條款”實際上進一步鞏固了權利人的市場地位，封閉技術信息的合理流通渠道。于此情形下，“禁反條款”一方面被權利人用作一種保持競爭優勢的工具，但另一方面，若權利人借此進行不正當競爭，或超越合法壟斷的范圍來排除和限制競爭，便可能違背公平競爭的基本原則，構成權利濫用。

六、結語

“凡權利，必有邊界”，放諸商業秘密領域也同樣適用。在商業秘密保護范圍愈發寬泛、保護力度愈發強化的背景下，需要警惕算法持有者以保護商業秘密為名，肆意擴張保密信息范圍，故意規避外部監管，過度妨礙勞動者的擇業自由，濫用“禁反條款”抑制競爭等風險。盡管這些風險并非算法領域所獨有，但“算法黑箱”和算法技術本身的特性，使得相關問題在算法領域表現得尤為突出。算法商業秘密的保護，既要注重權益保護，也要防范一味地“強保護”。因此，實務中需要借助更為精細化的利益平衡規則，從商業秘密的構成、保密義務來源、不法行為認定和合法來源抗辯等四個維度，合理劃出算法商業秘密的范圍和邊界。需指出的是，雖然應對算法商業秘密進行“弱保護”，但并不意味著動搖算法商業秘密保護的基本立場，而是在確保創新成果得到充分尊重的同時，尋求私權保護與公共利益之間的動態平衡，從而推動創新要素的合理配置，保障社會公共利益的廣泛實現。

注釋：

① 丁曉東：《論算法的法律規制》，《中國社會科學》2020年第12期。

② 王德夫：《論人工智能算法的知識產權保護》，《知識產權》2021年第11期。

③ 梁志文：《論算法排他權：破除算法偏見的路徑選擇》，《政治與法律》2020年第8期。

④ MarkA.Lemley，The SurprisingVirtuesof TreatingTrade SecretsasIPRights，StanfordLawReview，20o8，61（2），pp.336-337.

⑤ 寧立志、龔濤：《專利非實施主體的價值評判與法律規制一以網絡化開放創新范式為視角》，《知識產權》2024年第4期。

⑥ 黃武雙：《商業秘密保護的合理邊界研究》，法律出版社2018年版，第13頁。

⑦ CamillaA.Hrdyamp; ChristopherB.Seaman，BeyondTradeSecrecy：ConfidentialityAgreementsthatActLikeNoncompetes，TheYaleLawJournal，2024，133（3），p.669.

⑧ 張玉瑞：《商業秘密法學》，中國法制出版社1999年版，第159—160頁。

⑨ Lena Chan， The Weaponization of Trade Secret Law，ColumbiaLaw Review，2024，124（3），pp.730-734.

⑩ 楊瑩瑩：《算法透明的法律實現與限定—基于商業秘密保護的視角》，《電子知識產權》2023年第11期。

作者簡介：楊瑩瑩，武漢大學法學院博士研究生，湖北武漢，430072；寧立志，武漢大學法學院教授、博士生導師，湖北武漢，430072。

（責任編輯 李濤）