行稳致远，以稳步前行为发展战略
跬步千里，以匠心传承铸品质服务
利用爬虫工具“投喂”ChatGPT，构成何种犯罪？
核心提示
使用爬虫工具获取海量用于AI大模型训练所需要的数据，是AIGC行业的常见做法，但随着我国数据监管制度的日益完善，爬虫工具的使用伴随着大量刑事风险。具体如下：
1. 自行制作并使用爬虫工具，突破或绕开技术防护措施但未抓取数据。该行为可能构成“非法侵入计算机信息系统罪”等。
2. 自行制作并使用爬虫工具，突破或绕开技术防护措施并抓取了数据。该行为可能构成“侵犯公民个人信息罪”“侵犯商业秘密罪”或“侵犯著作权罪”等。
3. 自行制作并使用爬虫工具进行破坏性访问。该行为可能构成“破坏计算机信息系统罪”。
4. 制作并提供爬虫工具给他人使用。该行为可能构成“提供侵入、非法控制计算机信息系统程序、工具罪”等。
AIGC（AI-Generated Content，即“利用人工智能生成内容”），是相较以往的PCG（即“专家生成内容”）、UCG（即“用户生成内容”）而提出的一个新概念，目前大火的对话型人工智能工具ChatGPT和AI绘画工具Midjurney均属于AIGC行业中的佼佼者。以ChatGPT为例，其是一种建立在海量文本数据预训练的基础上，基于神经网络开发的大语言模型。投喂的数据越多、质量越好，GPT也就越“聪明”。换言之，数据就是AIGC的生命，相关企业是典型的数据驱动型企业。
如何合规地获取数据，是关乎AIGC相关行业发展的关键性问题，稍有不慎就可能触及法律红线。目前来看，AIGC企业（数据需求方）主要有两种获取数据资源的方式：（1）与数据提供方达成协议，以开放端口（Open AI）的方式获取数据资源；（2）通过网络爬虫工具直接抓取网络数据。前者合规性较好但成本高昂，后者方便快捷但风险较高。
今天笔者从实务入手，为大家深度分析使用爬虫技术获取数据的刑事风险。
一、何为网络爬虫
网络爬虫是一种按照一定规则，能够自动抓取网络信息的程序或者脚本。一开始，人们创建网络爬虫这一自动化程序，是为了方便大批量地抓取互联网上的所有网页，然后将所有页面上的内容复制到数据库中，进行数据集成和处理。此后，这种数据获取和搜集方式由于成本低廉且高效便捷，一度成为企业间不正当竞争和侵犯用户个人信息权益的工具。
2017、2018年后，大数据行业受到严格监管，大量滥用爬虫工具获取数据的行为在司法实践中被定罪处刑，许多爬虫数据公司及其实控人、董监高成员等，在短时间内经历了从“一夜暴富”到“身陷囹圄”的大起大落。
二、突破或绕开防护技术，未抓取数据
长期以来，由于爬虫工具的泛滥，企业之间在扒取他人数据和防止自家数据被扒取上下足了功夫，除了君子契约“robots协议”外，企业一般还会设置机器人检查、参数加密等一系列的反扒取措施。如果数据需求方在违反robots协议的情况下，使用爬虫技术突破或绕过了数据提供方设置的“反扒”措施，但未扒取数据，可能涉嫌“非法侵入计算机信息系统罪”。
具言之，只要使用爬虫工具侵入特定的计算机信息系统，无论是否爬取数据都可构成该罪。根据《刑法》第二百八十五条之规定：非法侵入计算机信息系统罪指的是违反国家规定，侵入国家事务、国防建设、尖端科学技术领域的计算机信息系统的行为。可见，只有当使用爬虫工具入侵特定领域的计算机信息系统才可构成该罪，门槛较高。
【参考案例：（2018）川3424刑初169号】李某、王某、卢某等使用“爬虫”软件，大量扒取全国各地及凉山州公安局交警支队车管所公告的车牌放号信息，之后使用软件采用多线程提交、批量刷单、验证码自动识别等方式，突破系统安全保护措施，将爬取的车牌号提交至“交通安全服务管理平台”车辆报废查询系统，以300-3000元每月的价格，分省市贩卖数据库查阅权限，帮助他人非法获取未注册车牌。由于公安局交警支队车管所信息系统属于“国家事务”领域的特殊计算机信息系统，法院认定本案被告构成非法侵入计算机信息系统罪。
三、突破或绕开防护技术，抓取数据
该种行为涉嫌的三个罪名是AIGC行业高频高发罪名。数据需求方使用爬虫工具根据扒取数据的种类不同，在分别满足各自罪名“情节严重”的情况下可能构成不同犯罪。
1. 侵犯公民个人信息罪
当前，公民个人信息的商业价值巨大且种类众多，被广泛用于用户画像、个性化广告推荐、市场大数据分析等方方面面，并且该类信息一旦泄露将会严重影响公民的日常生活。因此，我国司法机关一直以来对侵犯公民个人信息的行为都保持着高压打击力度。
根据《刑法》第二百五十三条之一第三款规定：“窃取或者以其他方法非法获取公民个人信息的，依照第一款的规定处罚。”若数据需求方用爬虫扒取公民个人信息，有可能构成“侵犯公民个人信息罪”。这主要是因为扒取公民个人信息是一种未经公民知情同意的、非法获取的行为，即使行为人没有将获取的公民个人信息出售或向他人提供，但只要获取的方式不当，就有可能构成该罪。而关于该罪“情节严重”的标准，读者可参阅两高发布的《关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》第五条。
【参考案例：(2021)浙0703刑初17号】2020年1月份以来，被告人郭某伙同“杨总”通过“爬虫”软件从互联网上非法获取淘宝、京东、天猫等多个网络购物平台及其他公民个人信息，用于出售牟利，内含姓名、手机号码、地址等，共计非法获取541424条。被告非法获取公民个人信息后，又将获取的公民个人信息向ＱＱ好友昵称为“大上海”“熊四”等人出售或提供，内含姓名、手机号码、地址等公民个人信息，共计出售或提供481012条。被告郭某等人非法获取、出售的个人信息数量较大（远超50000条，达到“情节特别严重标准”）被法院以侵犯公民个人信息罪定罪处罚。
2. 侵犯商业秘密罪
如果数据需求方利用爬虫工具扒取的是商业秘密，则可能构成“侵犯商业秘密罪”。“商业秘密”指的是不为公众所知悉，能为权利人带来经济利益，具有实用性并经权利人采取保密措施的技术信息和经营信息。根据《最高人民法院关于审理侵犯商业秘密民事案件适用法律若干问题的规定》相关条款，算法、数据、计算机程序及其有关文档等信息，属于《反不正当竞争法》第九条第四款所称的“商业秘密”中的技术信息。数据需求方扒取了上述信息则可能构成侵犯商业秘密罪。
但需要提及的是，目前在实践中已经有不少发生于企业之间的、因使用爬虫工具而引发的不正当竞争之诉，但尚无公开的通过爬虫获取他人商业秘密的刑事判例。这有可能是由于企业普遍对自家商业秘密采取了严密保护措施，甚至大部分商业秘密根本就没有被存储在互联网上，爬虫工具也就无从扒取。
3.侵犯著作权罪
由于AIGC的产出需要以海量数据训练算法，特别是AI绘画工具更是需要使用大量优质的绘画作品、摄影作品等进行训练，而这些优质的“作品”很可能是他人享有著作权的作品，这就导致“侵犯著作权罪”成为AIGC企业使用爬虫工具时最容易构成的罪名。
根据我国《刑法》第二百一十七条规定，“侵犯著作权罪”指的是以营利为目的侵犯他人著作权，情节严重的行为。通常而言，未经权利人许可，单纯获取他人作品的行为不构成该罪，只有在获取到他人作品后，以营利为目的实施了诸如“复制发行”“互联网传播”等侵害著作权的行为才构成犯罪，但是，2021年我国通过《刑法修正案十一》后，对侵犯著作权罪进行了重大修订，将“未经著作权人或者与著作权有关的权利人许可，故意避开或者破坏权利人为其作品、录音录像制品等采取的保护著作权或者与著作权有关的权利的技术措施”的行为纳入该罪规制范畴。
因此，只要AIGC企业使用爬虫工具，违反robots协议并绕开他人技术防护措施获取他人享有著作权的作品，即使没有在互联网上传播或向他人提供，仅作为算法训练用途，依然可能构成该罪。
【案例参考：（2022）赣0825刑初2号】被告人肖某于2015年开发了一款免费小说阅读App，从2019年开始，肖某就租用某公司云服务器并将“爬虫”程序编程植入该公司的“XX免费小说”App中，该爬虫能够自动扒取互联网上各个平台的小说内容、名称、作者、简介、图片等，且不间断更新扒取内容。肖某的App将获取的他人享有著作权的小说作品免费提供给用户，通过插入广告公司提供的广告供用户阅读来获利。广告投放方每月根据该程序中的点击量按每次单价0.2元至1元不等的价格为肖某结算广告推广费。法院认为，肖某使用爬虫软件获得他人享有著作权的作品，并将其在App中向读者免费提供的行为，属于侵犯著作权罪中“未经著作权人许可，复制发行、通过信息网络向公众传播其文字作品”的行为，判处肖某构成侵犯著作权罪。
4. 非法获取计算机信息系统数据罪
笔者在实务中发现，许多企业认为，只要自己未通过爬虫获取公民个人信息、商业秘密或他人享有著作权的作品，刑事风险就很低甚至没有，其实这样的认识是错误的。
诚然，根据AIGC细分赛道的不同，训练大模型所需的数据类型也有所不同（例如AI绘画工具主要获取的是图像类数据资源）。但对于ChatGPT这类大语言模型而言，其需要的数据是极其庞杂的，不加限制地使用爬虫绕过他人技术防护获取数据，很可能构成非法获取计算机信息系统数据罪。
《刑法》第二百八十五条第二款之规定，“非法获取计算机信息系统数据罪”指的是违反国家规定，侵入国家事务、国防建设、尖端科学技术领域以外的计算机信息系统，或者采用其他技术手段，获取该计算机信息系统中存储、处理或者传输的数据的行为。换言之，爬虫工具的使用必须慎之又慎，不能想当然地对一般数据进行肆意扒取。
【参考案例：(2020)鲁0102刑初351号】马某于2018年春节前后交费加盟山东某某教育科技有限公司，开展网络英语教育工作，后产生仿照山东某某教育科技有限公司的模式，运营网络英语教育平台的想法。2018年6月份，马某伙同张某，利用“爬虫”程序获取山东某某教育科技有限公司英语学习系统中的内容，以此为基础创建“爱XX”智能英语学习系统。2018年下半年以来，被告人张伟通过“爬虫”程序从山东某某教育科技有限公司网站非法获取大量英语教材内容，违法所得124000元。由于本案中马某等人违法所得数额已达“情节特别严重”标准，法院认定二人均构成非法获取计算机信息系统数据罪。
注：虽然法院最终以非法获取计算机信息系统数据罪对马某定罪，但笔者提示，马某实际上是以营利为目的，利用爬虫在未经著作权人许可的情况下获取他人作品并通过信息网络向公众传播，该行为同样可能构成“侵犯著作权罪”。
四、破坏性访问计算机信息系统
根据我国《刑法》第二百八十六条之规定，“破坏计算机信息系统罪”指的是违反国家规定，对计算机信息系统功能进行删除、修改、增加、干扰，造成计算机信息系统不能正常运行，后果严重的行为。
在实践中，AIGC企业使用爬虫的目的是获取大量用于算法训练的数据，一般情况下没有必要对其他计算机信息系统中存在的数据进行删除、修改、增加或干扰，因此AIGC企业在使用爬虫工具时该罪风险较低。
【案例参考：(2020)沪0104刑初731号】被告人杨某从事建筑行业劳务派遣等相关业务，2018年底至2019年8月，杨某通过使用公司申请的“法人一证通”数字证书，远程登录上海市住房和城乡建设管理委员会网站，对从业人员信息进行线上注册。期间，杨某在使用身份证读卡设备读取身份证信息通过验证后，使用爬虫软件抓取数据包，对身份信息进行修改，进而将虚假的人员信息录入上海市住建委建筑行业从业人员信息库中，从中非法获利76,200，录入虚假注册信息240余条。上述行为被法院认定为构成破坏计算机信息系统罪。
小结
限于篇幅原因，为他人提供爬虫工具的相关刑事风险我们下次再为大家深入分析。对于AIGC等数据驱动型企业来说，想要实现长期良好的发展，数据合规就必须做好、做细。
笔者建议，在AIGC企业使用爬虫工具获取用于大模型训练的数据时，需要做到以下几点：首先，需要遵守数据来源方的robots协议，不得滥用爬虫工具；其次，避免将爬虫工具用于爬取国家事务、国防建设、尖端科学技术等特定领域计算机信息系统的数据；再次，在使用爬虫工具时，不得对他人信息系统中的数据进行任何形式的修改（包括增加和删除）；最后，对于个人信息、商业秘密和他人享有著作权的作品等特殊数据，必须慎重以对，在具体问题具体分析的基础上慎重使用爬虫，以防触碰法律红线。
