欧盟 — 数据与训练

相关规则

规则	与训练数据的关系
GDPR	个人数据合法基础、目的限制
EU AI Act	第 10 条数据治理 + 第 53 条训练数据摘要
GPAI Code of Practice	Chapter 2 版权 + 训练数据摘要标准化
DSM Copyright Directive (2019/790)	TDM 例外（第 3、4 条）
DSA	VLOP 对用于训练的内容的可见性
France CNIL AI	GDPR × AI 训练数据合规指引（12+ 份）

四层框架

1. GDPR：个人数据基础

• 合法基础（第 6 条）：同意 / 合同 / 法律义务 / 合法利益（常用）
• 特殊类别（第 9 条）：生物识别、健康、政治观点 — 更严格
• 目的限制（第 5 条）：收集目的能否涵盖”训练 AI 模型”？持续争议
• 透明度（第 13-14 条）：向数据主体告知
• 删除权 / 被遗忘权（第 17 条）：已嵌入模型权重后如何”删除”？

DPA 行动：

• Garante (IT) vs. ChatGPT（2023-03 封禁 / 罚款）
• CNIL (FR) AI 行动计划（多份指引）
• DPC (IE) vs. Meta LLaMA
• Hamburg DPA 关于”权重嵌入是否构成个人数据处理”的立场

2. AI Act 第 10 条：数据治理

高风险 AI 系统的训练 / 验证 / 测试数据：

• 相关、充分代表性、无错误、完整
• 考虑预期用途的地理、行为、功能特征
• 偏见检测与缓解
• 特殊类别数据：为消除偏见可处理，但需匹配 GDPR 例外

第 10 条与 GDPR 并行，不替代。企业需两套文档。

3. DSM TDM 例外（Directive 2019/790）

第 3 条：科研机构为科研目的的 TDM 不可被排除（研究例外）

第 4 条：商业 TDM 可由版权人通过机器可读方式 opt-out排除

• “Reservation of rights” 的机器可读形式是争议焦点
• robots.txt、ai.txt、TDMRep 标准都是候选

AI Act 第 53 条引用 DSM 第 4 条：GPAI 提供者必须遵守版权人的 opt-out。

4. AI Act 第 53 条：训练数据摘要

所有 GPAI 提供者：

• 发布训练数据”足够详细”的摘要
• 模板由 AI Office 于 2024-07 发布
• 含：主要数据来源类别（互联网 / 许可 / 用户生成 / 合成等）、语言、大致规模
• 不要求列出每个数据集

这是全球首个强制训练数据披露要求。

特殊问题

1. 公开可获取 = 可训练？

CNIL、Hamburg DPA、EDPB 2024-12 意见：

• “公开可获取” 不等于 “合法使用”
• 合法利益路径需通过三步测试（LIA）
• 特殊类别数据（第 9 条）原则上不可仅因公开而处理

2. 合法利益与网络抓取

EDPB 2024-12 关于 ChatGPT 等模型合法利益的意见：

• 合法利益可以作为基础，但需严格 LIA
• 数据主体的反对（第 21 条）有权要求删除或停止使用

3. 版权 opt-out 的机器可读性

当前实务：

• 部分媒体公司通过 robots.txt / ai.txt 发布 opt-out
• 大型出版商通过许可协议（OpenAI × Axel Springer, Financial Times, News Corp 等）
• 2025 RSL (Robots Exclusion Standard for LLMs) 标准发展中

4. 训练后的”删除”

• GDPR 第 17 条的”被遗忘权”对已训练模型的技术难题
• 机器遗忘 (machine unlearning) 研究与法律期望的落差
• Hamburg DPA 2024 立场：模型权重不构成”个人数据”（有争议）

与中国 / 美国的对比

维度	EU	中国	美国
综合隐私法	GDPR	PIPL	无（州法拼图）
AI 专项数据条款	AI Act 第 10 条	生成式 AI 办法第七条	无
训练数据摘要强制公开	是	无	无
版权 TDM 例外	是，可 opt-out	无明确	Fair Use 抗辩
儿童数据	GDPR 第 8 条	PIPL 第三十一条	COPPA
生物特征	GDPR 第 9 条	PIPL 第二十八条	Illinois BIPA 等州法

EU 是三辖区中对训练数据治理最体系化的。