📝 Tips 笔记解读▾
- ● 风险数据来源 / 知识产权：确认数据来源可靠、许可 —— 用于训练或输入AI的数据必须来源可靠且已获合法许可，未授权或侵权来源会带来知识产权与合规风险。
⚠ 笔记缺漏补充▾
- 数据来源文档化与可追溯（数据沿袭）：训练数据的来源、权利与许可状况应被清晰记录并可证明，来源缺乏文档是重大隐患。
- 数据使用协议审查：评估知识产权与数据权利合规时，须审查数据使用/许可协议。
- 数据可靠性与相关性判断：在将源数据用于AI（尤其生成式AI辅助）前，须判断信息是否可靠，并记录预期用途、验证其与业务目标的相关性。
- 违反使用限制时的处置：发现数据使用限制被违反，应停止使用相关训练数据。
- 合规新数据源获取：内部数据耗尽时，应优先采用无版权或已获许可的清洁数据源。
🎯 考点分析▾
- 考察主线：本批题考察"AI所用数据的来源是否合法、可靠、可追溯、与目的相关"。重点识别数据权属/许可风险、来源文档缺失风险，以及选择合规数据源与验证动作。
- 正确答案的共同知识方向：
- - 验证数据权利与许可：审计知识产权/数据权利合规应审查数据使用协议；选用能证明训练数据来源与许可的平台或供应商。
- - 来源可追溯与文档化：训练数据来源缺乏文档是最值得关注的问题；须验证供应商训练数据的来源。
- - 数据可靠性优先：将源数据输入生成式AI前，首要判断信息是否可靠。
- - 用途记录与相关性：采集数据时应记录预期用途并验证其与目标的相关。
- - 违规即停用：发现许可/使用限制被违反应停止使用该训练数据。
- - 清洁数据源：获取新数据应优先无版权或已授权数据。
- 常见干扰方向：
- - 以"数据格式一致性、加密传输、公开存储库"等技术细节替代"来源合法/可追溯"这一根本问题。
- - 以"暂停平台、人工审核输出、标注输出"等事后处置替代"从源头证明许可"的对策。
- - 用"延长保留期、爬虫数据、阴影数据"等不合规范来源作为新数据源建议。
- - 以模型性能/效率日志、SLA惩罚条款等偏离"数据来源权属"的审计关注点。
- 场景分布：图像生成平台版权图像、外部AI服务提供商、第三方授权数据、公开社媒或网络数据、内部数据源耗尽后的新数据获取、审计中判定是否将数据输入生成式AI。
📋 考察范围清单▾
- 数据来源合法性与许可：训练/输入AI的数据须来源可靠且取得合法授权，禁止侵权来源。
- 数据使用/许可协议审查：以协议审查确认知识产权与数据权利合规。
- 数据来源文档化与可追溯（数据沿袭）：训练数据来源与权利应被记录、可证明；来源无文档为重大隐患。
- 数据可靠性验证：将源数据（尤其输入生成式AI）前须判断其可靠性。
- 数据预期用途记录与相关性：采集时记录预期用途并验证与业务目标相关。
- 违规停用原则：发现使用限制/许可被违反应立即停止使用该数据。
- 合规新数据源：优先采用无版权或已获许可的清洁数据。
- 供应商训练数据来源验证：使用外部AI供应商时须验证其训练数据来源与许可。