目前在涉及数据处理的法律、政策中，一种普遍的观点认为“数据不动算法动”，并进一步阐发为“原始数据不出域、数据可用不可见”、“数据不动模型动”等等。在人工智能领域中主要方式便是各类加密算法和以联邦学习为代表的隐私计算技术，以及更为极致的“小模型”的端侧部署。本来这些简明扼要的表达，在于突出和强调对个人信息安全的尽可能保护，但随着观点通过跨界学者的破圈解读，已经成为了一种具有普遍适用性的金科玉律。比如某些省市在制定数据条例等地方性立法时，便规定将“原始数据不出域、数据可用不可见”用于对公共数据的运营。甚至一些决策考虑将"数据不动模型动"作为跨境贸易的数据基础规则。

本文认为这一观点值得商榷。根本上而言，电子化数据具有可复制性的“天然属性”，是与传统信息传播途径比较的优势所在，基于复制并进行加工的数据再传播，构成了现代知识进化体系的认知基础。如果强行扩张的限制原始数据的复制和传输，是对电子化数据技术属性的违背，相当于用人为干涉抗争技术特性，可能事倍功半。要知道在电子数据证据的法理解释中，复制后的电子数据不仅具有“副本”价值，更是被论证为与原件等同效力。

如果说这一解释不够充分，我们还可以看看新近通过的欧盟《人工智能法》的观点。该法鉴于部分第69段认为：“必须在人工智能系统的整个生命周期之内保障隐私权和个人数据的权利。欧盟数据保护法中规定的数据最小化原则和通过设计和默认方式保护数据的原则在处理个人数据时仍然适用。提供者为确保遵守这些原则应采取的措施不仅包括匿名化和加密，还包括使用允许数据不动算法动的技术，以及在不影响本条例规定的数据治理要求，和在各方之间无需进行传输或复制原始数据或结构化数据的情况下对人工智能系统进行训练。”

在这里可以看出，欧盟：（1）支持“数据不动算法动”在涉及个人数据训练场景的应用，但并不禁止对原始数据或结构化数据进行操作；（2）“数据不动算法动”限定在个人数据处理活动，未扩大到非个人数据的其他领域；（3）在某些情况下，传输和复制数据可能属于法定的强制性要求。

因此，对“数据不动算法动”进行必要的范围约束，避免过度解读和套用泛化，是在数据跨境流动与交易中必须予以澄清和共识的问题。否则，在付出了极大的计算资源代价之后，最终不仅无法从根本和现实上抑制数据的复制和传递冲动，也难以形成数据权属、定价和流通的有效机制。

附：GPT-4o对第69段的解读

Based on the provided description, you are allowed to:

1. Anonymize Data: Implement methods to ensure that personal data cannot be attributed to a specific individual, either directly or indirectly, thereby protecting privacy.

2.Encrypt Data: Use cryptographic techniques to protect data during storage and transmission, ensuring that only authorized individuals can access it.

3. Use Privacy-Preserving Technologies: Implement technologies that allow you to perform computations and train Al models on data without needing to move or copy the data. This includes:

Federated Learning

Secure Multi-Party Computation(SMPC)

Homomorphic Encryption

4.Adhere to Data Governance Requirements: Ensure that all measures comply with the data governance rules set out in the regulation. This involves maintaining high standards for data quality, security, and ethical use.

By following these measures, you can ensure compliance with data protection principles while protecting the privacy and security of the data you handle.（原浩）

声明：本文来自苏州信息安全法学所，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。