AI大模型数据被盗第一案?学而思和笔神作文“开撕”
时间:2023-06-17 07:53:28来源:21世纪经济报道

21世纪经济报道 记者钟雨欣 郑雪 北京报道


【资料图】

6月13日,笔神作文发布“关于‘学而思’ AI大模型侵权事件的声明”。声明称,4月13日至17日,学而思通过“爬虫”技术非法访问、缓存笔神作文APP服务器数据多达258万次。严重侵犯了笔神作文APP的数据权益。

对此,学而思官方微博发文回应称:“首先,MathGPT是专注于数学领域的自研大模型,没有任何作文相关数据;其次,‘作文AI助手’目前处于开发状态,尚未发布,该服务并未使用笔神作文的任何数据。”

6月14日,笔神作文再度发文,在这篇题为《学而思,你做了一次标准的扒库示范》的声明中,其表示“我们认为学而思方所述并非事实”,并列出了相关证据。

受访专家向21世纪经济报道记者分析,本次风波的实质是授权合同违约纠纷,涉及到对于合同授权范围条款的解释。AIGC产品获得训练模型数据授权是合规的根基。

学而思AI大模型疑盗取合作商数据?

“学而思在今年4月13日至4月17日,通过‘爬虫’技术非法访问、缓存笔神作文APP服务器数据多达258万次。”笔神作文在6月13日声明中表示。

笔神作文认为,这一行为不仅违反了双方的合同条款,也违反了《数据安全法》相关规定,严重侵犯了笔神作文APP的数据权益。事后其曾向学而思方面进行取证,并且对方承认是他们的算法组在爬取数据并作为己用,但在收到律师函后始终没有实质性答复。

记者了解到,笔神作文是隶属于北京一笔两划科技有限公司的品牌,据其官网介绍,笔神是一款人工智能辅助写作软件,拥有千万级写作素材库。笔神作文与学而思之间有着多年的合作基础。

笔神作文称,在不到一个月的时间,学而思的AI大模型MathGPT里包含的新产品“作文AI助手”就即将上线。疑似指后者作文AI产品使用了其数据。 

笔神作文还表示会通过法律途径来维护自身权益,但目前国内并没有“AI大模型数据盗取”的判决先例。“希望学而思就此支付1元赔偿金,并公开道歉,同时删除已爬取的数据。”

各执一词:正常合作还是“扒库”行为?

6月13日晚,学而思发布声明,从三方面进行回应:

一是,学而思和笔神作文于2020年12月开始合作,合作协议明确约定:笔神作文为学而思提供“笔神作文范文素材服务接口”,用于学而思相关服务中,每月保底费用包含的调用次数为百万次量级。合作至今,双方一直按照调用量进行正常结算。

二是,学而思对笔神作文接口的调用,属于双方合同约定的正常合作范围,对笔神素材内容的使用均符合合同要求,并未用于合同以外的任何用途。

三是,笔神作文在公开声明中提及学而思正在研发的数学大模型MathGPT以及学而思学习机“作文AI助手”,并主观揣测学而思使用其数据用于两款产品的训练和研发,这与事实严重不符。

“首先,MathGPT是专注于数学领域的自研大模型,没有任何作文相关数据;其次,作文AI助手目前处于开发状态,尚未发布,该服务并未使用笔神作文的任何数据。”学而思称。

6月14日,笔神作文发布《学而思,你做了一次标准的扒库示范》,表示“我们认为学而思方所述并非事实”,并列出相关证据。

笔神作文称,学而思在声明里提到调用数据为正常使用,笔神作文在合同中明确“甲方(注:三体云联公司)不得随意泄露、使用、传播或缓存乙方(注:一笔两划公司)服务接口中的作文范本及相关内容,否则造成的损失将由甲方全额赔偿”。同时,在合同中提出“甲方不得在未经乙方允许的情况下用于任何其他用途,包括缓存,存储,作为语料进行计算,训练等。”

但在2023年4月13日至4月17日之间,笔神作文检测到服务器接口出现大量有规律的异常访问,导致服务器承载压力快速升高。通过查阅服务器日志发现:三体云联公司未经一笔两划公司授权许可,用单一IP通过“爬虫”技术非法访问一笔两划公司服务器数据多达 258 万次。

(图源:笔神作文APP微信公众号)

“而且,从这个IP的访问日志来看,每次访问的搜索词都是作文相关的高频搜索词,我们每页会返回30篇作文,每次访问都是用搜索词从第一页逐页向后翻,这种方式基本上把库里同个题目的所有作文全部抓取完了,这种行为不是正常人使用的方式。而且很多访问的间隔都是100毫秒左右,也不可能是正常人访问的速度。”笔神作文表示。

(图源:笔神作文APP微信公众号)

笔神作文认为,这种对数据库的搜刮式访问,与以往正常的访问方式完全不同,按业内的通常说法,这就是一种典型的“扒库”行为。

网络安全专家陈业炫告诉21世纪经济报道记者,所谓“扒库”是一个口语化的形容词,用于形容大规模爬取数据。“数据爬虫过程中,爬取的规模大了、频率高了,就会被认为是非正常行为。通常情况下,高频率的请求,大规模、每一篇都会访问的遍历式行为都需引起关注。”

据陈业炫介绍,爬虫本身就是程序化的自动行为,比如每秒10次的访问量可以看作是超出普通用户的行为频率,正常用户不会大规模、高频率的访问相关网页。

在这个事件中,哪些行为是被允许的?哪些是不被允许的?“笔神允许相关合作方查询、查看数据,但是不能本地化存储用于机器学习的素材。”陈业炫说。 

据笔神作文介绍,基于双方的合作精神,笔神作文自己的技术团队设计了完备的安全机制,正常情况下,可以防止黑客们进行爬虫攻击。而只有提供给合作伙伴学而思的接口是不设防的。

如何理解接口不设防?陈业炫介绍,笔神作文方面未对学而思设置反爬虫措施。“日常的合作中,开放数据的一方通常需要限制访问的行为,包括频率和总量,给自己留以一定的反应时间,以防全部数据被快速抓走。”

21世纪经济报道记者多次通过官方电话尝试联系事件双方,截至发稿前未得到回复。

AIGC伴生侵权风险 获得数据授权是关键

AIGC火爆出圈,与之伴生的侵权风险问题也引发各界关注。国家网信办今年4月发布的《生成式人工智能服务管理办法(征求意见稿)》提到,提供者应当对生成式人工智能产品的预训练数据、优化训练数据来源的合法性负责。用于生成式人工智能产品的预训练、优化训练数据不得含有侵犯知识产权的内容。

中伦律师事务所合伙人王飞指出,以ChatGPT为代表的生成式AI,底层是一款通用的自然语言生成模型,通过互联网海量的语料库训练,对语言文本进行概率建模来预测下一段输出内容的概率,从而实现根据用户输入的文字内容生成对应文字回答的功能。

具体到本次学而思和笔神作文的“AI大模型数据窃取”风波,王飞表示,这个事件实质是授权合同违约纠纷,涉及到对于合同授权范围条款的解释。AIGC产品获得训练模型数据授权是合规的根基,授权的内容和范围、使用的形式等一般会在签订授权合同时予以明晰,但鉴于AIGC作为新生产物,怎样进行约定还要再进行探索,也会是未来AIGC产品纠纷产生的主要原因之一。

陕西华格律师事务所律师葛伟超也认为,这主要是基于合同目的而产生的问题。“双方可能会因为合同中关于数据使用的范围、方式、程度等条款约定不明产生不同理解,而对簿公堂。”

那么,构成AI大模型“数据盗取”行为,有哪些主要的判断因素?

“AI数据抓取案件本质上与近年来司法判决的典型数据抓取案件并无差别,都需要判断抓取数据行为是否损害数据持有者的商业利益与市场竞争优势、是否属于未经许可使用他人劳动成果、是否违背商业道德、抓取数据是否有合理理由。”王飞说。

在法律责任方面,葛伟超指出,利用抓取技术破坏他人市场竞争优势,具有并存在为自己谋取竞争优势的主观故意,违反诚实信用原则,扰乱竞争秩序的数据抓取行为,可能构成不正当竞争行为。同时也直接违反了《数据安全法》相关规定。

“如果合作协议中有约定违约责任条款,则依其处理。如果没有约定该种情形,则属于侵权范围,要承担相应侵权责任,包括但不限于赔礼道歉、停止侵权、赔偿损失等。”葛伟超说。

大模型的开发离不开海量数据助力。当前,数据来源的知识产权已经成为大模型发展的阿喀琉斯之踵。AI模型开发主体以何种方式、需要承担何种程度的法律义务以获取训练数据,是当前产业需要解决的核心问题。

值得关注的是,传统的“授权许可模式”对于大模型的数据训练存在天然困境,不仅在于实操层面难以落地,更在于对产业研发的长期影响。业界有观点认为,可以将数据纳入合理使用的范畴进行规制。

目前来看,日本、英国、欧盟等已对将数据挖掘作为合理使用的情形进行了立法确认:日本以“计算机信息分析”的名义规定了文本数据挖掘的著作权例外,英国同样引入文本和数据挖掘的版权许可或例外情况,欧盟则选择“非科研目的”例外的谨慎方案。中国业内也在探讨是否可以通过数据的合理使用解决数据权属带来的问题。

对于如何厘清数据合理使用和保护的边界,葛伟超认为,“首先,要明确拥有数据的经营者权利,即拥有数据所有权还是数据用益权。其次,明确数据抓取行为的性质。再次,明确该种行为损害的法益是数据财产还是竞争优势。最后,需要明确规制该种行为到底适用于竞争法、民法、或者著作权法的保护。”

标签:

生活指南
  • 环球新资讯:高通第二代骁龙8性能高,能耗少,重塑手机游戏体验天花板

    为什么说第二代骁龙8是目前安卓阵营玩游戏最好的处理器,而不是比它跑

  • 律师会见注意事项有哪些?律师会见需要准备什么材料和手续?

    律师会见注意事项有哪些?律师会见注意事项:初次会见需多次沟通,加

  • 异地就诊有“医”靠 山西住院费用跨省联网结算定点医疗机构达3935家

    山西省医疗保障局副局长冯智16日表示,该局聚焦流动人口的就医结算需求

  • 最新快讯!近4成科研人抑郁!Nature:情况很糟糕

    目前,科学界普遍存在心理健康危机。学术新人境况尤其让人担忧:工资微

  • 全球热议:俄官员:2023年俄罗斯经济增长有望高于预期

    新华财经北京6月16日电(张旌)俄罗斯经济发展部长马克西姆·列舍特尼

  • 世界新资讯:永州市中心医院泌尿外科开展首届“全国结石病日”健康促进活动

    6月15日,永州市中心医院冷水滩院区泌尿外科开展了以“认识结石,走

  • 股票投资的特点都有哪些?股票板块是指什么怎么划分?

    最近小编看到很多人在搜索股票投资的相关内容,小编呢对此也是非常

  • failedtofetch是什么意思?failed to fetch http怎么解决?

    failedtofetch是无法获取的意思。从技术层面上说来它不是什么大问题,但是会让用户感觉心里不爽。好在要

  • 南京市内景点有哪些?南京适合带娃去的地方有哪些推荐?

    南京市内景点有哪些南京拥有悠久的历史,是中华文明的重要发祥地,更是中国的四大古都之一,拥有六朝古

  • 外表给人的印象坚强 其实骨子里是极度的脆弱不堪一击的脆弱?

    摩羯座:老古板摩羯座的人都是属鸡蛋的,外表给人的印象是坚强、是对很多事情的毫不在意,其实,他们的

  • 什么是期房?买了期房想退房怎么办?

    买了期房想退房怎么办?期房退房的条件主要包括约定条件与法定条件两种。所谓约定条件是指购房者与开发

  • 常吃油条能致老年痴呆吗?油条吃多了会老年痴呆吗

    油条吃多了可能会增加患老年痴呆的风险,对身体有一定的不利影响,所以不建议长期或者过量食用油条。油

  • 安卓手机连接wifi怎么关闭二维码?怎样删除手机自带wifi二维码?

    安卓手机连接wifi怎么关闭二维码?1、在已经连接上wifi的手机上打开设置。2、在列表中点击WLAN。3、在WLA

  • 去法院离婚起诉需要哪些材料 法院离婚判决书一般多久下来?

    去法院离婚起诉需要什么材料1 原告方的身份证原件。2 双方夫妻关系的证明,一般可提供结婚证和婚姻登记

  • 发明专利证书有什么用(发明专利证书的作用有哪些)

    发明专利证书有什么用?我们可以从以下三个方面来看:中小学生拥有1 如果高中生拥有发明或实用新型,可

  • 椒麻牛肉怎么腌制(椒麻牛肉怎么做简介介绍)

    对于椒麻牛肉怎么做这个问题感兴趣的朋友应该很多,这个也是目前大家比较关注的问题,那么下面小好小编就收

  • 民生
    • 嗨GO黄浦丨黄浦重点商圈促消费每周预告(6.16-6.22)

    • 订单量太大!“618”北京跨境电商进口业务爆单|当前热闻

    • 每日期权追踪 | “三巫日”重磅驾到!市场恐迎剧烈波动;苹果、微软齐刷新高!期权成交量双双大增-全球速看

    • 又一千万吨级煤矿诞生!