AIGC平台侵权案讨论

数据合规是一个比较新的领域，很多问题都难以通过公开渠道检索到答案。此时，实务人士间的思想碰撞、交流就显得尤为珍贵。
CONTENT
「AIGC平台侵权案讨论」
「工作微信归属」
「网络安全事件对外通知」
AIGC平台侵权案
-问：大家如何看个案件：全球AIGC平台侵权首案判决（附全文）
-答1：奥特曼的素材好像Stable Diffusion（sd）基础模型就有，所有基于sd的平台可能都存在风险。完全回避了训练素材的问题。
-答2：好奇，是不是所有人都著作权都可以去广州法院诉一波AI企业，只要AI生成的内容有版权内容就构成侵权？这下难点成了找广州的连接点。这份判决书，写的挺简单的。
-答3：不知道是哪个厂商，有通过备案吗。
-答4：同行们都很着急的想知道，想去免费代理二审。
-答5：同意，基本上回避了“AIGC”可版权性问题，花了很大力气来把平台拉出避风港。
-答7：从这个案件看来，如果以文生图侵权了应该是平台的责任，用户没啥责任呗？原告主张用户的概率大不？如果主张用户，那用户也会承担责任么（看原告权益被侵害的程度？）
-答8：本案原告没有主张，只主张平台责任部分。诉讼策略上找用户没啥意义。所以有人说，广互的案件是:杀中国鸡给世界猴看。
-答9：OpenAI 取得部分胜利，美国法官驳回了作者在诉讼中的版权主张，加州法院认为ChatGPT生成内容与训练数据不构成实质性相似。一个是文本，广互是美术作品，结论完全不同。
-答10：这个案子有个前提，原告不能证明生成物与其作品的实质性相似。而是说模型训练了作品，所以模型所有生成物都是其作品的衍生物。这与广互案件不同。
-答11：个人（至少在美国法下）更认同直接证明这一路径。模型架构和优化器很大程度上是客观的，虽然开示和技术门槛确实是个问题。接触➕实质性相似在个案中相对容易处理，但很难在一般意义上导向足够确定的结论。
-答12：是的，但是对原告而言太难举证了。其实接触要件本身也是很大程度上也是因为原告举证能力的一种妥协。
-答13：有这个举证能力的原告，又不一定有精力和被告把案子打得这么深入了。先有直接，后有妥协的间接。如果模型及其优化是客观的，理论上应该直接交锋，但实践很难尽善尽美。可能这就是为啥AIA和规定存在科学复杂性时的开示的DPD几乎同时在推进吧。
-答14：国内还有个画师起诉小红书案，同样面临这一问题。而且小红书在收到起诉状后立马关停了那个ai平台，复现都是个问题。
-答15：没啥办法，一方面懂这块的不算多，另一方面还要求懂法律并接受委托的也更难，固定证据、复现这些确实都比较大的挑战，而且也不知道画师有么有委托律师（被起诉光速关停服务太常见了。
-答16：法院就是一条一条看有没有落实AIGC暂行办法的义务。

-答17：是的。由此引发背后的问题是，低位阶的公法规范要求能否用于认定私法上“注意义务”；反之，如果承担了公法上的注意义务，平台方在本案中是否就可以免责了？类似于，平台方要承担公法上要求的“内容审核”义务，但是否仅仅因此就能认定平台方有能力有义务过滤审核出盗版UGC？
-答18：判决并没有提出有事前内容审核的义务。内容过滤是停止侵权措施。这个问题的关键在于这些公法义务是不是“保护性义务”，从而可以转化到侵权法上的注意义务。
-答19：感觉这个案子影响还是挺大的，类似的“碰瓷”完全可以批量进行了。迪士尼法务狂喜。
-答20：至少给当事人提供了维权思路，当事人可以不纠结训练数据这个难啃的骨头了。本案中也完全不涉及删除训练数据的问题。
-答21：平台的注意义务在于停止侵权，还是可以适用港湾原则，通知-删除。适用避风港原则会更好一些。
-答22：大模型没法适用传统意义或者说DMCA意义上的避风港规则，没有链接，也没有对链接的删除。只能探索新的安全港。
-答23：更接近的案例是 IaaS 云的安全注意义务，又比 IaaS 云复杂太多了，确实需要一套新的规则。
-答24：lass云不会产生内容，但是大模型会，当然，内容的产生中也有用户的因素，用户和服务提供者的内容责任交织在一起。
-答25：底座模型开发方、模型微调部署方/模型应用提供方、终端用户都会喊冤，都说侵权内容不是自己生成的。AIGC侵权内容也确实是多方“共谋”的结果，传统的避风港原则下“用户—平台”两分模式难以套用。
-答26：感觉生成式人工智能服务提供者的性质跟网络服务提供者还有些许不同，生成式人工智能服务提供者的性质提供者应当依法承担网络信息内容生产者责任，这个生产者责任就挺得琢磨的。
-答27：可不是么，一直想呼吁在私法上要有新的“避风港”原则给到大模型开发方和应用部署方，从而支持AI产业生态的上游和底层基础设施各方能够在责任可控的范围内发展，不至于天天担心“公法罚”了还要“私法赔””。至于公法上，各种备案制就是主抓模型开发和应用部署方（而不是终端用户），那还是不可能“避风”的。公法和私法的逻辑不太一样。
-答28：如果：1、平台不收费，2、生成的奥特曼有标注，并对用户有一定的使用告知；那么是不是就没啥责任了？
-答29：平台这种还是商业使用，当然我们也希望能这么用合理使用豁免一下。在这个案子，用户就是版权方，没找模型厂商倒是不知道为啥，其实，那个要求删训练素材的应该找模型方。
-答30：如果版权人在中国境内向模型厂商主张训练数据侵权，搬板凳坐等看请求权基础到底是啥、举证责任咋承担。
-答31：反正到时候应用方两手一摊，我不道啊，我用的都是sd的模型，你找他们去。
-答32：反法？（反法：我再次重申，我不是知识产权兜底法，我也有自尊
-答33：原告首先需要确保其在起诉前已取得被诉作品的著作权。其次需要确定被告的AIGC产品侵犯了哪一个具体的作品，最后需要具备充分、确切的事实理由来证明被告的AIGC作品与其作品之间构成一一对应的实质性相似。生成式AI作品“合理使用”之前传：著作权侵权应如何认定？
-答34：参考这篇：生成式人工智能数据训练知识产权合法性问题探讨。
-答35：回到我国法律下，还是有一个核心问题待澄清：“训练”这种使用作品的行为本身侵犯了我国著作权中的哪一项权利——著作权法下的请求权基础是啥or是否存在？追问到这里才是“AI产业”独有的知产问题，也往往是法律人在新业态新技术下要回答的“元问题”。如果只是套用普通的著作权侵权案构成要件，其实会让这个问题逃逸了，法律人就是还是没解决产业发展的痛点。
-答36：我看行业讨论的意见都是侵犯复制权。但还是一样，扩散模型对原始图像的“还原”或“再现”与版权法长期以来禁止的直接“拷贝”式的复制差异明显，这是不是能在著作权法项下考虑的问题都还有疑问。
-答37：从美国的起诉状来看，主要是复制。
-答38：还有改编权。
-答39：是的，是存疑的。通常论述的思路都是能证明模型开发方从网络上爬取到数字化作品就会默认推定开发方做了“复制”，但大模型“训练”和“运营”中对作品的使用方式基本不会是直接使用原始数据、也不是无穷尽的多次“复制”；大部分AI生成物也不是直接复现原作品、但又离不开对原作品的理解和使用。著作权法对这种“使用”方式到底认为是啥权利，这个问题还没有答案、是产业中各方的隐痛，特别是考虑到普遍存在的“著作权权利法定”司法观念。
-答40：证明的第一步都很难完成。实践中很少有机会进入第二步。之前不是有一个画师起诉小红书的案件嘛。在那个案件里面不知道原告方律师到底能组织哪些训练和使用的证据。广互的奥特曼案件是个可以论述的好案件，但是法官绕过去了。
-答41：对作品的原始数据进行复杂的数据标注动作其实不“改变”作品的表达，但不知道后续训练动作如何就构成“改编”了。真正要证明“改编”就又要回到“生成物”环节的近似性判断、而不是训练数据环节了。
-答42：原告很难举证，除非数据集公开，例如纽约时报案。判决书说不是被告训练的。这个背景下，法院很难展开，所以openai不公布了。
-答43：赞同这个观点。包括之前提到这一问题应该回归历史更久悠久的直接证明，或者说直接穿透模型架构和训练优化论证是否存在复制，也是一致的考量。实际上，如果考虑具体的模型架构，逐行探讨AdamW等常用优化器的原理，很难认可存在复制的结论。这一点对于开示的要求其实也没有那么高。常见模型的架构和优化，如果不苛求特别的工程细节，通常来说不是特别难获知。
-答44：这得配合欧盟人工智能责任指令下的开示制度。
-答45：一整套 开示 ➕ 科学复杂性举证 ➕ 降低或倒置 ➕ 可能涉及的发展抗辩。
-答46：国内确实无解。只能是在举证的环节多增加相关的优势性证据，足以证明有很大的可能性对这个数据进行了训练，这个时候才有举证责任倒置，法院要求被告进行举证的可能。奥特曼案件明明达到了这个要求。知名ip的案件还是有希望的。这种画师如果去举证就会存在难度。
-答47：之前讨论过数据抽取攻击/训练数据举证，定向、批量从生产环境模型中抽取数据的发展非常快。攻防发展都很快。但还是那个问题，做得好的都在此类案件中的被告方。
-答48：其实如果就只是训练这个阶段而言，很难判断落入到著作权的保护范围啊，因为著作权法逻辑上就是思想表达二分法。哪怕是复制也是要伴随着后续的利用和传播，不然也没法判断侵权啊。
-答49：有这种项目的方法https://github.com/p1atdev/LECO。可以去除扩散模型中的concepts。而且技术上还是有一个问题，你就算是在奥特曼案件里面我可以再现相应的美术形象，那这种再现究竟是我根据用户所输入的提示词的去做的创作，还是说复现的扩散模型已经训练的内容，这点来说也没办法举证说明。
-答50：是的，这个就推到现在法律和技术交叉研究的最前沿了，基本上就是谷歌等少数几家的人在做。需要从理论和实验层面说明抽取得到的数据就是训练样本的数据。目前的切入点在于：如果相同的提示词在一组特定分布的不同随机种子（这和之前群里有关生成稳定性的探讨存在非常深刻的关联）下得到几乎相同的生成，生成的就很有可能是训练中的数据。接下来就是看理论能否证明、实验能否定向再现了。一个是训练的直接分析，一个是生成的抽取攻击，都是法律和技术的连接节点。
-答51：可以看看这一篇文章：Extracting Training Data from Diffusion Models。

总结：技术发展好难。
工作微信的归属
-问：大家怎么看这个案子？员工离职，留下微信再走？
-答1：涉案是个微，看介绍是员工私自变更了认证，昵称。企微没办法变更认证的。很多场景下公司让个人用个微，就拿法律培训行业，很多都还是销售拿着个微来加人 推销的。 
-答2：那个微凭啥说是公司账号？这个论理逻辑好像不是很清晰。
-答3：这个一直有争议的， 特别是网红行业，广互之所以发出来，也就是因为有争议，来亮个相（流量也是政绩）。

通常做法：1、公司会用公司申请的手机号注册。2、公司会和认证员工签署一个账号使用协议。此处认证员工和使用员工必须隔离，不是同一人。3、账号密码统一管理。
总结：事前做好防御。
网络安全事件对外通知
-问：在那个法律要求或者规范中有个，如果遇到重大信息安全事件，应对外进行披露应该是那个法律规范中的要求，找不到了
-答1：个人金融信息保护技术规范、互联网个人信息安全保护指南、国家网络安全事件应急预案里都有。
-答2：网安法第55条：发生网络安全事件，应当立即启动网络安全事件应急预案，对网络安全事件进行调查和评估，要求网络运营者采取技术措施和其他必要措施，消除安全隐患，防止危害扩大，并及时向社会发布与公众有关的警示信息。
-答3：个保法第57条也有说。
-答4：还有《网络安全事件报告管理办法（征求意见稿）》
总结：依据很多。