SCI论文（www.lunwensci.com）
摘要：数据合规指企业及员工在数据收集、存储、处理等应符合国际及国内有关法律规章和规 范，此外还需符合行业准则、社会道德等诸多层面的要求。当前正处于数据合规起步阶段，从立法 的高度抑或执法强度分析，证实数据合规受到广泛关注。在此背景下，诸如隐私计算技术、软件即 服务( SaaS )平台等开始进入社会大众视野。文章结合实际，从数据合规这一概念切入，介绍数据 合规科技提出背景及概念，重点阐述数据合规科技的风险规制及法理对策， 旨在为有关从业者提 供可靠依据。
关键词：数据合规科技,风险,规制,法理
合规通常指代企业合规，即企业及内部员工 的经营管理行为需要符合相关规章，不仅需要符 合国际、国内法律条文，也不可违背行业准则、 商业惯例等。倘若企业及人员存在不合规的行 为，不但可能损害企业良好声誉及形象，还可能 造成需承担法律处罚等严重后果，此类后果则是 合规所要避免的风险。21 世纪属于网络时代，党 的十九届四中全会提出在处于大数据及信息密集 的时代，如何结合科技方式维护企业利益，保护国 家数据安全，都是重要的时代课题，值得深思及 探究 [1] 。当前学术界相关研究多集中于公司法合 规、行政法合规等方面，对于数据合规的研究较 少，且不太深入。
一、数据合规及其意义概述
提及个人数据，可联想个人信息、个人隐私等， 大数据时代下数据治理问题重要性越发凸显。清华 大学法学院程啸教授指出：“数据是信息的形式 ， 信息是数据的内容”。《数据安全法》指出“数据指 任何以电子或非电子形式对信息的记录”。在各大 企业中，数据包括个人、非个人两层面，前者指代 员工或是客户的数据，后者则指代企业的经营记 录、日常管理记录、财会记录等。当前我国数据合规 领域中所遵循的规定不断增多，且分工更为细致 ， 出台了《电子商务法》《网络安全法》等法律法规。一 是维护数据安全，保护个人尊严[2];二是该管理工 作属于各种信息密集行业的重点任务，是确保企业 平稳发展增加效益的基础条件;三是个人数据和公 共社会间密切联系，通过科学利用数据能促进社会进步;其四，对于国家而言，个人数据安全其实也属 于国家安全的部分，通过数据合规旨在保障社会公 共利益，保护法人权益，保护国家安全并促进经济 社会健康发展。
二、数据合规科技提出背景及概念
数据早已成为新型生产要素，且其重要性也 得到全球范围关注。无论是传统企业进行升级优 化，抑或是企业打造新发展态势，都需要以“数 据 ”为基本条件。《中华人民共和国国民经济和社 会发展第十四个五年规划和 2035 年远景目标纲要 》 提出“统筹数据开发利用 ”“推进数据跨部门”， 都突出了“数据驱动生产 ”的主体内涵。数据作为 重要资源被各企业、公共部门深度开发研究，虽 提升了数据的利用价值，但伴随而来的风险却不 断增多。诸如大规模的数据泄露事件频频出现， 例如“美国营销巨头 RRD 承认在 Conti 勒索软件 攻击中数据被盗 ”“ 国际机场公司 Swissport 遭受 BlackCat 勒索攻击，TB 级用户数据泄露 ”“全球 最大轮胎制造商之一普利司通遭数据泄露 ”“世 界电子邮件营销巨头 MailChimp 遭黑客攻击”。 诸多此类的事件在全球范围不断发生，而以云计 算、大数据、移动互联网为代表的信息网络日渐 普及，数据安全问题开始受到更多关注 [3] 。我国 开始推行诸如《 电子商务法》《数据安全法 》等 法律法规，以满足社会公众的诉求。在激发数据 潜能和保护隐私双重需求下，“ 数据合规科技 ”应 运而生，主要以隐私计算、软件即服务 (SaaS) 工 具为代表。隐私计算技术包括：一是多方安全计算。此技术能够解决信息不对称等问题;二是联邦 学习技术。无需交换私有数据能协同训练机器模 型;三是可信执行环境。该技术的价值主要是提供 一个安全、可靠、封闭的存储空间。而在 SaaS 工 具中，主要采取的技术则是低代码、零代码，不仅 能够有效降低软件开发的门槛，还能实现其快速 开发。数据合规科技的应用前景广阔，但也延伸 出诸多问题，存在许多潜在风险。
三、数据合规科技常见风险问题及规制
数据合规科技源于欧美“通过设计保护隐私 ” 理念。设计初时便融合“数据安全保护 ”相关技 术，未雨绸缪，而并非发生问题后再采取法律处理 措施 [4] 。但当前数据合规科技面临技术受限、复 杂性高等不足，导致存在不同风险问题。
( 一 ) 方案构建风险
方案构建是数据合规的起点，通过处理抽象 数据，将其转变为计算问题。处理时不仅不降低 广告跟踪性能，而且要确保调取用户数据的安全 性、合规性，那么就需要采取多方计算后利用技术 范式处理数据，实现重构。主导方提出重新构建 方案后，其余人员确认无误后协调合作。在此过 程中，首先，主导者的价值观念、主观偏见等都可 能影响到方案构建的决策，导致失误;其次，由于 添加了限制条件，导致编写代码和技术开发考虑 因素多，不能完全保障转译后方案准确性。上述情 况，都是数据合规科技的方案构建存在的风险。
( 二 ) 数据整合风险
数据合规科技中风险嵌入也是常见情况，数据 合规科技虽然能拓宽原有的数据模型，但数据渠 道本身也可能是风险的根源。数据整合出现风险 的原因有三点：一是当前许多数据的来源都是通 过互联网等渠道，其根源难以追溯，形式多样化， 因而判定其是否合规、合法有很大难度;二是如今 正处于大数据共享背景，数据信息的传递变得复 杂，涉及的细节较多，因此其使用边界也更难明 确。而如何通过简单操作来调动数据库资源，减少 数据转换操作也是当前的迫切需求 [5];三是若某 一方出现数据风险问题，也可能导致“连带风险 ” 发生。当前数据合规科技在相互渗透的行业间进 行，受成本限制各行业安全保护措施越发相似，暴 露出一定的数据整合缺陷。
( 三 ) 技术适用风险
数据合规科技存在“ 白盒特性”， 白盒即白盒 测试 (white-box testing)， 是种测试用例设计方法， 它指盒子是可视化，能了解程序内部的逻辑结构， 简言之，是清楚盒子内部如何运作 [6] 。同理，数据 合规科技存在此特性，因而参与此过程中的各方 都能掌握到相关数据的参数，而恶意攻击者甚至能利用该特性进行伪装，偷窃数据信息的运算结 果，抑或是生成恶意代码。数据合规科技长期要面 临着单点故障、人为攻击等隐患，关于此类隐患的 危害可总结成三点：一是刻意上传破坏模型;二是 通过多种合法手段 (如对比运算结果差异、分析 模型更新迭代等 ) 来获取信息;三是恶意攻击。持 有纯粹恶意的攻击方会借用对抗式网络攻击、物 理推击等方式来盗窃用户数据信息。
( 四 ) 结果输出风险
正如上文所述，数据合规管理的意义深远，不 仅与个人隐私保护相关，还与社会发展国家机密 保护等有所联系。简言之，个人信息不仅关乎某人 的利益，和他人利益、整个社会的利益均有关，具 备社会性、公共性的特征。所谓的“算法歧视 ”指 人工智能自动化决策中数据分析导致的不公正对 待，此问题对于受害群体和社会都有不利影响。若 存在数据运算模型不精确、数据运算存在瑕疵， 抑或是用户的隐私被泄露，都可能导致此问题从 对个体的不良影响，升级到对整个群体的负面影 响。在数据合规科技中不同数据来源若发生错误 搭配、混淆，很可能对整体数据正确性造成影响， 放大了歧视规模并输出了当前的歧视结果。而如 何减少“算法歧视 ”“歧视输出结果”， 也是当前 数据合规科技中需考虑的重点。
( 五 ) 应用市场风险
数据合规科技下智能应用将各受众限制在分 隔领域，彼此间缺乏沟通及协作，算法间形成“朝 上竞争 ”。随着经济水平发展及技术黑箱的掩蔽之 下，传统的保守型智能应用却可能面临“逆向淘 汰 ”风险，取而代之的反而是对数据规整性要求 不严格、通信成本不高的应用，且算法竞争也朝转 变成“逐底竞争”。 所谓“逆向淘汰”， 也称作是 精英淘汰，以学术界、政治界为例，部分德才兼备 的精英被淘汰、被打压。如何减少智能应用“逆 向淘汰 ”是数据合规科技规制面临的难题。
四、针对数据合规科技常见风险的法理对策
以上所存在的不同维度风险，均促使相关技 术人员采取有层次的规制措施，由于当前的机制 大多存在功能单一、内容复杂等特点，很难针对性 地对上述数据合规科技风险进行回应处理，需构 建出更系统化、法治化的规制体系。
( 一 ) 明确数据合规科技规制原理
传统法律规制中，对于不同局限间的设置并 非完全独立，而数据合规科技又存在“去中心化 ” (decentralization) 特征。在区块链领域有关研究指 出：去中心化网络模型越发清晰，成为未来发展重 要趋势 [7] 。基于此条件，以往所采取的基于边界 概念的安全防护体系不再适用。若此时法律未能及时跟随其发展脚步来创新，易形成难以控制的 灰色空间。在法律规则的演进下，能够采取更合 理高效的行动，保护用户隐私下追求数据潜能激 发，形成良性互动，让技术规范嵌入法律政策中， 确保将“技术标准的遵守 ”和“法律义务的履行 ” 所融合。
( 二 ) 针对既有机制实施强化完善
关于数据合规科技所存在的风险，要适当对 现有的规制进行延伸和完善，建议从以下几方面 切入：一是动态知情同意框架。从实际情况来看， 该框架的设置虽然存在许多不足，但仍然在数据 合规科技全新业态中发挥出重要作用，应根据其 业务的更新实施调整。例如数据处理动态化管理， 或是分析数据的节点状态等方面后采取针对性变 动;二是严格实施转委托原则。结合《个人信息保 护法 》等法律法规可知，处理数据时必须要提前 获得数据主体的同意，而后再将其交由委托方处 理，多方达成合意方可进行。反之，解除委托关系 后，委托方应当删除相关数据信息;三是正当程序 的权利保障。自然人均享有正当程序权利，例如针 对不公平自动化决策的数据主体，可实现公平聆 讯。同时，数据流转也要满足个人信息转移权。
( 三 ) 实现多元化机制的合理分工
一是要制定标准的宏观行业规则。当前正处 于数字化技术大力发展阶段，且逐步融合到不同 领域中。诸如金融、医疗、保险等行业，也都开始 朝着数据处理的方向发展，统一行业标准后可进 行数据合规科技试点，实现以点带面，逐步形成 示范并推广 [8];二是开发行为的微观伦理规范。 数据合规科技实施应满足“伦理先行 ”原则，不 可在法律体系灰色地带谋取利益。作为数据合规 科技的主导方，还需净化相关环境，优化更新数据 模型。
( 四 ) 衡量整体风险规制方案价值
除了上述的规制补充、多元化机制构建外， 数据合规科技规制体系稳定，还取决于正确价值 考量。从本质上分析，数据合规科技是运用技术后 的利益与法益间的价值平衡。关于风险规制方案 的价值评定，可从两个方面分析，分别是“帕累托 效率 ”“卡尔多 — 希克斯效率 ”。 由于个人数据 具备人格权益属性，遭受侵害后并不直接和个人 的经济利益损失相关，且难以通过事后的补救来 挽回，因此有关学者认为可排除“卡尔多 — 希克 斯效率 ”，可将“帕累托效率 ”看作是评定数据合 规科技风险规制方案的标杆。无论具备怎样的技 术，获取利益都不可凌驾于人格权益上。
( 五 ) 科学制定规制联合管理方案
数据合规科技的规制，应当制定出更全面 化、系统化的保障体系。结合上述内容分析，以下 总结出该体系的具体内容：一是明确数据合规科 技规制的内容，包括了四方面，风险规制、对象规 制、场景规制、价值规制;二是风险规制则是针对 上述内容，从方案构建、数据整合、技术适用、结 果输出、应用市场来分析;三是对象编制包括三 大层面，分别是监管层、行业层、个体层，分别采 取对应规制措施;四是关于场景规制包括：低强度 (单次审核)、 中强度 (定期审核)、 高强度 (不 定期审核 ) 三种。低强度的场景有语音识别、内 容推送、路线规划、信息过滤等;中强度规制场景 有自动驾驶、联合统计、智慧金融、行为分析等; 高强度规制场景有智慧医疗、风险防控;警务预测 等等。
五 、结语
当前数据成为驱动各国家经济社会发展关键 要素，其具备的战略价值越发明显，但海量数据 所带来的安全隐患、威胁和挑战也不断增多。欧盟 《 通用数据保护条例》， 我国的《 数据安全法 》等 陆续出台，也促使数据合规网络逐步蔓延开来。 此次研究指出，数据合规科技中常见的风险问题 较多，涵盖方案构建、数据整合、技术适用等多个 方面，针对上述风险问题可采取以下几项应对措 施，分别是明确数据合规科技规制原理、针对既 有机制实施强化完善、实现多元化机制的合理分 工、衡量整体风险规制方案价值、科学制定规制联 合管理方案。
参考文献
[1] 山成英，赵大伟.合规科技在私募股权投资管理中的应用研究[J].金融发展评论，2022(4)：37-48.
[2] 石菲.亚马逊云科技：安全合规是最高优先级[J].中国信息化，2022(4)：26.
[3] 胥爱欢，赵俊豪，杨思睿.国外金融科技发展与监管的实践经验及若干启示[J].海南金融，2022(4)： 50-57.
[4] 赵大伟.监管科技研究的几个基本理论问题[J].河北金融，2022(1)：5-10.
[5] 唐林垚.数据合规科技的风险规制及法理构建[J].东方法学，2022(1)：79-93.
[6] 郭 增辉.合规科技在 反 洗钱领域 的 应 用 与 发 展 —— 来自香港的实践[J].清华金融评论，2021 (12)：96-98.
[7] 金泽芬.对监管科技解决金融业合规困境的思考[J].金融科技时代，2021.29(9)：79-83.
[8] 陈福中，潘兴琦，刘若愚.《数据安全法》对金融科技企业数据合规的五点影响[J].中国律师，2021 (7)：83-85.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/falvlunwen/58254.html
