青海民族大学学报(社会科学版)

作者：位涛涛

单位：西北工业大学，陕西 西安 710129

关键词：生成式人工智能；训练数据；侵权风险；法律规制

训练数据作为生成式人工智能模型运行的基底性要素，其法律属性与质量特性不仅深度影响模型参数的迭代优化过程， 更通过算法逻辑内化为生成内容准确性、 创造性以及合规性的构成要件。 然而，训练数据来源的多元性与法律属性的复合性，导致模型在训练过程中面临着数据非法爬取、用户隐私泄露、算法偏见固化、著作权归属虚置等法律风险，并引发了个人信息控制权与数据公共属性冲突、匿名技术标准不明确导致数据再识别等治理挑战。 因此，要构建分类分级的知情同意机制，通过场景化的风险评估实现差异化的数据授权；要制定适应性强的数据脱敏技术规范，构建包含技术检测、效果评估、迭代优化的闭环治理系统； 要建立模型算法审计与透明度提升体系， 确保算法决策过程的可解释性与可溯源性；要进一步明确生成内容著作权归属的判定标准，构建兼顾创作者、开发者以及社会公共利益的权属确认机制，最终形成涵盖事前预防、事中控制、事后救济的全链条治理体系。

来源：2025年第4期

《青海民族大学学报(社会科学版)》期刊编辑部

查看青海民族大学学报(社会科学版)杂志2025年第4期