中小企业爬取数据的正当性及规制路径

围绕大型互联网平台企业生态圈生存发展的中小企业的数据利益应受到重视。对于中小企业而言,数据爬取是获取数据资源的重要方式。当前,尚无专门规制中小企业爬取数据行为的法律规范,法律缺位将导致数据爬取纠纷层出不穷,也增加司法裁判的难度。因此,有必要对中小企业爬取数据行为进行正当合理的规制,促进数据的利用、共享,助力数字产业创新。中小企业爬取数据正当性不仅需要从私法权益保护路径论证,还需要从竞争法路径论证。中小企业爬取数据行为应遵循爬取的基本原则,并综合考量爬取目的、对象、方式及爬取造成的损害结果,把数据爬取行为限制在合理边界内。规范数据爬取行为的同时,建立数据合规制度、数据合理使用制度及数据信托制等,有利共同完善数据爬取的法律规制。

恶意爬取数据行为的刑法评价思路与边界

数据爬取技术不断异化的背景下,数据爬取行为所侵犯的法益种类呈现出多元化、刑事违法性边界模糊化的问题。刑法规制数据爬取的关键,在于达成数据开放、数据共享与数据安全保护之间的平衡,明确行业规则、法律规则之间的关系问题。对此,数据爬取行为的入刑需要从三个层面进行明确:把握恶意爬取数据行为中"恶意"的明确;强化爬取行为的类型化明确;强化爬取数据对象的类型化明确,通过类型化、差异化的方式明确数据爬取行为入刑的判断路径。

基于可扩展标记语言XML的网招录取数据交换技术分析

随着对网招录取数据交换技术的发展要求的提升,利用可扩展标记语言XML,可以完善现有的网招录取数据交换技术应用结构,并从功能模块、结构模块进行对于网招录取数据交换功能的逐步完善。文章通过对基于可扩展标记语言XML的网招录取数据交换技术涉及到的结构设计、逻辑组成规划、生成模式研究,以及高效的基于可扩展标记语言XML的网招录取数据交换技术分析研究,可全面提升网招录取数据管理效率,为促进网招录取数据信息化建设发展提供参考建议。

央视网评:“爬虫”滥觞 窃取数据的行径该整肃了

最近,多家知名大数据风控公司身陷丑闻,他们运用“爬虫”技术侵犯用户隐私,滥用数据,还涉嫌助力放贷和催收。这又是一种披着科技创新外衣,做着“挂羊头卖狗肉”的传统生意,值得多方警惕。我们不否认大数据对产业升级和提高决策效率有巨大的作用。特别是大数据风控,日益成为金融决策的数字化大脑,广泛应用于银行的贷款审批和反欺诈方面。

WiFi探针躲暗处收集信息——不连WiFi一样会被抓取数据

谁也猜不到自己的隐私是如何泄露的。公共WiFi普及时,安全人士总是苦口婆心劝说用户,勿连接来路不明的WiFi,以防隐私泄露,造成财产损失。然而最近从“白帽子”传出的消息更让人感到害怕:在公共场合,即使没有连接陌生WiFi,你的手机MAC地址、电话、微信号、App使用偏好、热搜关键词……等等个人隐私,都可以被人知晓。令人心悸的隐私泄露背后是一项名为“WiFi探针”的技术,尽管它并不是什么高超的黑客工具,但这种简单粗暴的方式却屡试不爽,并已形成完整产业链。

随时、随处、随意获取数据的Borland Delphi 4.0

今天的企业 IT 部门正面临着日益复杂的异构环境和飞速变化的信息技术,以及伴随企业成长而不断增长的数据量。开发出富有竞争力的信息系统已成为颇具挑战性的任务。无论是需要开发客户机/服务器应用系统、快速决策支持系统、Internet/Web 应用系统或是多级分布式应用系统,Delphi 4 Client/Server Suite 都将成为程序员顺利完成各种信息系统的关键任务的很好的选择。对网络环境的支持和快速开发能力成为Delphi 4的主要特性:MIDAS 提供多级分布计算解决方案,帮助信息系统实现"随时、随处。

基于UGC数据爬取的红树林文化服务感知要素

为了合理分析红树林文化服务感知要素,本文基于UGC数据爬取方法开展了研究,结果显示,公众主要感知到福田红树林自然保护区的审美与美学服务、精神满足及教育与知识获取等红树林生态系统文化服务,为红树林生态系统文化服务研究提供了新的参考。红树林文化服务一直是人们重点关注的领域之一。但是,涉及红树林文化服务感知要素目前并不清楚。UGC(User Generated Content)数据内容可以直接反映公众对红树林生态系统文化服务要素的感知情况。我们引入UGC数据挖掘研究方法,爬取福田红树林自然保护区相关网络评价文本,通过数据分析获取公众对红树林生态系统文化服务要素的感知情况。

基于Python的招聘数据爬取与数据可视化分析研究

随着高校毕业生人数的增加,大学生就业问题日益受到国家和社会的重视。目前的就业现状反映出,大学生对求职的岗位技能要求、学历要求及薪资水平等关键信息掌握不够全面,导致在求职过程中出现信息偏差。本文通过Python语言的标准库和丰富的第三方库requests、BeautifulSoup、pandas和jieba等,爬取主流招聘网站的招聘数据并对数据进行有效清洗和分析,最后通过matplotlib库对统计分析后的招聘数据进行可视化展示,以帮助求职者更好地了解就业的关键信息,为毕业生就业及后续的择业提供参考。

共享视角下数据爬取行为刑法规制理念重塑与路径展开

数据爬取行为在数据平台的发展中必不可少。刑法的过多介入导致数据垄断,阻碍了市场竞争,需要对过罪化的趋势加以纠正。在数据共享的视角下,数据不同于个人信息,控制者对其没有决定权,不能仅因为Robots协议或反爬虫措施就认定获取行为的非法性;亦不能无视数据爬取行为的特性,沿袭司法解释的规定使罪量限制形同无物,对此类行为的规制应由降维转向升维。数据爬取行为促进数据共享,符合社会公共利益。应以以下两点认定相关犯罪:利用刑法加以保护的数据必须具有保护价值,其所蕴含的利益必须受到爬取行为的侵犯进而导致法益的实质减损;坚守形式与实质的双重侧面,只有数据爬取行为同时符合形式判断和实质判断的要求才能成立犯罪。

竞争法视角下企业数据爬取行为合规研究

企业在市场竞争中扮演着数据的控制者和爬取者的双重角色。然而,从竞争法的视角来看,企业不当利用数据爬取技术可能引发不正当竞争和数据垄断问题。为了实现企业的可持续发展,必须重新定义大数据环境下企业的实质竞争关系;健全企业数据爬取的正当标准,即设立“善意爬虫”的三重标准,以确保数据爬取范围合法合规;完善企业数据开放义务,即结合企业经营类型,明确数据授权的必要性,改进反爬措施,实现数据的开放共享。只有正确应用数据爬取技术,将其作为推动企业发展的工具,企业才能获得长足的发展。

数据爬取不正当竞争认定的反思及路径重构

数据爬取是近些年才成熟的技术,其天然的技术中立性使得爬取行为亦具有竞争中性之属性。数据爬取以互联网为依托,而互联网领域跨界竞争乃为常态,这便对传统竞争关系认定理念造成冲击。同时,数字科技这一新兴领域的商业道德标准模糊,使得正当性认定标准难以统一。司法裁判理念亦未完全革新,涌现出许多类案不同判的现象。基于此,应将“竞争关系”作实质性解读,即只要双方经营者之间的交易机会、竞争优势等存在此强彼弱的关联反应,便可以认定双方存在竞争关系。对于正当性认定,可将多元利益动态衡量作为基础框架,秉持谦抑干预理念,以比例原则作为主要进路,细化商业道德认定标准,分获取、使用两个阶段对行为正当性分别进行评判。只有统一司法认定标准,才能对不正当的数据爬取行为进行精准、有效规制。

反不正当竞争法视阈下数据爬取行为的正当性认定——基于多案例的实证分析

在数字经济时代,数据已经成为互联网领域市场竞争的关键生产要素。数据爬取作为获取数据的重要方式,其行为的正当性认定在反不正当竞争法的规制下存在着诸多的法律问题。通过对数据爬取多起案例的实证分析,从立法、司法两个层面出发,分析数据爬取行为在进行正当性认定时存在的依据不清、标准不明的困境,并提出适用一般性条款保持谦抑性原则、拓宽互联网专条的适用半径、规范商业道德认定标准、明确竞争关系的逻辑起点、引入多元利益衡量的分析模式等优化方案,以期促进数据流通,繁荣数字经济。

数据爬取行为刑事不法认定的应然转向

滥用数据爬取技术有必要动用刑法加以规制,但司法实务及理论界的主要观点皆以爬取行为避开或突破技术保护措施作为判定刑事不法性的依据,导致刑法保护对象发生偏误,也抽空了数据犯罪的法益保护内容,抑制了数据公共价值的释放。以数据分类分级为基础建构数据安全法益,对数据爬取行为刑事不法的认定要以在客观上侵犯数据安全法益,主观上对行为方式与爬取数据的总量、数据表征的信息内容存在明知的事实上进行。数据爬取行为刑事不法性标准的重塑可作为《刑法》第285条第2款的“违反国家规定”与“情节严重”之间构建适格的构成要件行为的过渡,并可为非法获取数据行为确立值得刑法规制的罪质。

软件测试中大规模数据爬取和测试方法研究

大规模数据测试已成为现代软件开发领域不可或缺的一部分。研究强调了数据爬取技术的关键作用,以获取大规模数据用于测试。首先,选择合适的数据源,然后开发或配置数据爬取工具,以有效地收集数据,最后,进行数据清洗和预处理,包括:去噪、数据格式化和标准化,以确保测试数据的质量和一致性。测试数据生成是测试的关键组成部分,可通过随机选择样本或数据驱动方法生成测试用例。在性能测试方面,负载测试和性能分析辅助评估软件在大规模数据集下的性能。安全性测试涵盖恶意数据攻击模拟和漏洞扫描,以确保应用程序的安全性。综合而言,大规模数据测试策略必须综合考虑性能、正确性和安全性,以确保软件在应对大规模数据时的稳定性和可靠性。

数据权属的界定——以企业间数据爬取为例

企业间的数据爬取纠纷喷涌而出,相关的司法实践频频引发争议。关于数据权益的保护与分配,有数据赋权模式和行为规制两条进路,前者意在建立具有排他性的数据财产权,后者在合同法、反不正当竞争法、刑法与行政法等现行法律制度之上对行为进行场景化与类型化的正当性判断。数据赋权和行为规制可以在霍菲尔德权利关系理论之下得到统合,此时数据的保护不依赖事先预设的权利类型,而是依个案确定,但是所有规则的设计仍然限于霍菲尔德的权利框架和权力框架,从而能够为数据纠纷提供清晰、稳定的指引,又能将利益衡量的要素填充进权利框架中。企业数据爬取的主体间法律关系需要建立在用户、数据爬取者和数据被爬取者的综合利益衡量上,爬取行为的合法性和正当性判断需要考虑爬取目的、数据使用方式、数据的分级分类、主体的意愿等,但这些因素的价值位阶考量仍然需要建立在一个更为广泛的共识之上。在主体意愿这一要素下展开对主体间法律关系的描述,可以清楚地看到霍菲尔德理论在数据权属界定上的创生性和解释力,叠加其他因素所建构起来的互动关系可以是随机拆解的多次法律关系再组合,这有助于最终形成错综复杂但边界清晰的权利网络。

基于FPGA的分子动力学模拟多流水数据预取系统

为提高分子动力学模拟中短程力的计算效率,设计并实现了基于FPGA的分子动力学模拟短程力多流水计算系统。针对在短程力多流水计算过程中多个计算模块频繁调用大量的粒子信息导致的高带宽需求和访问内存冲突问题,提出了多流水数据预取系统的设计,可减少对粒子数据的重复读取,缓解访问冲突,保证计算模块的效率。本文使用Xilinx Virtex UltraScale+HBM VCU128 FPGA开发板,实验结果表明,与短程力单流水计算系统相比,短程力多流水计算系统的计算效率提高了3.29倍,同时验证了多流水数据预取系统的有效性。

深度学习在多核缓存预取中的应用研究综述

当前人工智能技术应用于系统结构领域的研究前景广阔,特别是将深度学习应用于多核架构的数据预取研究已经成为国内外的研究热点。针对基于深度学习的缓存预取任务进行了研究,形式化地定义了深度学习缓存预取模型。在介绍当前常见的多核缓存架构和预取技术的基础上,全面分析了现有基于深度学习的典型缓存预取器的设计思路。深度学习神经网络在多核缓存预取领域的应用主要采用了深度神经网络、循环神经网络、长短期记忆网络和注意力机制等机器学习方法,综合对比分析现有基于深度学习的数据预取神经网络模型后发现,基于深度学习的多核缓存预取技术在计算成本、模型优化和实用性等方面还存在着局限性,未来在自适应预取模型以及神经网络预取模型的实用性方面还有很大的研究探索空间和发展前景。

数据爬取的不正当竞争认定规则研究

平台对平台内数据享有什么权益是判断数据爬取行为正当性的前提问题。平台对不同形态的数据投入的劳动和资金具有显著的不同,应进行分类保护。用户直接生成展示在网页上的数据,具有原始性和公开性的特征,应采用竞争性权益的保护方式;而平台进行适度处理可供商业化利用并采用密码等保护措施仅向特定人提供的数据,可采用财产性权益的保护路径,对数据爬取不正当竞争行为的认定应由此而展开。司法实践中形成的“三重授权”规则是财产性权益的保护方式,而“实质性替代”和“破坏性利用”规则是竞争性权益的保护方式,我国在构建数据不正当竞争的法律规则时,应总结司法经验并对其进行优化和完善。

数据爬取行为的司法治理:裁判模式、治理困境与完善路径——基于《反不正当竞争法》第二条的分析

数据爬取行为是大数据时代下的产物,主要通过网络爬虫技术获取数据资源,它为市场经营者提供便利的同时也存在违法的可能性。反不正当竞争法视角下对数据爬取行为的司法治理因法律规制的空缺陷入多重困境,本文通过对案例的分析阐明司法实践中所面临的认定数据爬取行为的标准不明晰、不正当竞争行为的性质分析不全面、司法裁判思路单一等问题,以数据爬取行为不正当性为切入点,结合《反不正当竞争法》第二条,提出细化数据爬取行为的认定标准、全面分析不正当竞争行为的构成要件、优化司法裁判思路等有针对性的解决途径。

论企业间数据爬取及其行为边界

互联网时代,数据爬取纠纷层出不穷,对于数据应当共享还是控制,国内外判例和学说观点莫衷一是。跳出界定数据权利和权属争论的窠臼,从行为规制的角度看,在不侵害国家安全、个人隐私、商业秘密等其他法益,且不会造成消费者误认和被爬取的企业经营困难的情况下,企业间的数据爬取以及反爬取行为不应该被认定为不正当竞争。这样的边界划定有利于企业经营者间的竞争,有利于消费者的选择,也符合社会公共利益。