谢澍 | 大模型不能“吃脏数据”：人工智能产业链数据来源合法性审查

本文围绕数字经济时代数据来源合法性审查问题展开研究。背景上，随着《网络安全法》《数据安全法》《个人信息保护法》的出台，数据来源合法成为数据合规的关键，但当前审查标准模糊、要素分散、证明责任不清。研究目的在于解决刑事领域数据来源合法性审查的困境，提出体系化解决方案。结论上，本文主张建立“类型化审查”与“整体性证明”相结合的框架：首先梳理核心审查要素（授权同意、信赖外观、数据内容性质），然后按风险程度将数据来源分为“形式合法要素初步成立”“明显不合法”“需进一步审查”三类，并明确各类的审查标准与法律效果；最后针对不同类型构建差异化证明体系，重点包括对形式合法的反驳、主观明知的证明，以及提出贯穿“采集-传输-使用”全流程的整体性证明方法。该框架旨在提高审查效率、统一裁判标准，促进数据产业的合规发展。