公开网页上的个人信息，并不等于可以被大模型开发者无条件抓取、长期保存和反复训练。2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，首次从司法裁判角度明确：为模型训练，在合理范围内处理个人自行公开或者其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益；但处理行为对个人权益有重大影响的，仍应依法取得同意。这个新动向为训练数据利用提供了空间，也划出了更清晰的边界。
公开可见不等于来源合法
第一项条件是确认信息确实属于“个人自行公开”或者“其他已经合法公开”。搜索引擎能够检索到、网页无需登录即可访问，只能说明信息在技术上可见，不能当然证明最初收集、上传和公开均有合法依据。来自数据泄露、网络开盒、非法交易、越权披露或者绕过访问控制获得的信息，即使已经扩散，也不应进入训练数据集。
企业还应核查网站服务协议、数据授权范围、接口规则和必要的访问限制。如果通过破解验证码、规避反爬措施、盗用账号或者高频抓取干扰平台运行，风险已不只是个人信息保护问题，还可能涉及数据安全、网络安全和不正当竞争。合规团队应建立来源台账，记录数据提供方、页面地址、采集时间、采集方式、授权依据及后续流转情况。
“合理范围”需要结合训练场景判断
合理范围不是抽象口号，而应结合处理目的、数据种类、规模、保存时间、训练方式和可能造成的影响综合判断。个人为求职而公开履历，不代表其必然接受信息被用于建立政治倾向、健康状况或消费能力画像；用户在社区分享生活经历，也不代表平台可以将内容永久保留并用于身份识别模型。
2026年9月9日发布的《意见》理解与适用文章进一步提出，应考虑个人公开信息时的场景和合理预期。如果平台已经明确承诺用户内容不会用于人工智能训练，之后又擅自改变用途，通常难以认定仍在合理范围内。企业不能用笼统的“改善服务”覆盖模型预训练、微调、评测、数据共享等性质不同的活动。
尊重拒绝权，并对重大影响取得同意
个人已经通过隐私设置、书面通知、退出入口或其他明确方式拒绝处理的，开发者不能继续以“信息曾经公开”为由使用。可执行的做法是设置统一退出渠道，将拒绝记录同步至采集库、训练集、评测集和下游合作方，并在后续数据更新时持续执行排除规则。
如果训练可能对个人权益产生重大影响，例如形成职业评价、信用判断、健康推断、精准画像，或者提高冒名、歧视、骚扰和财产损失风险，就不能仅依赖公开信息规则，而应依法取得个人同意。企业还应评估同意是否充分知情、自愿且明确，并为撤回同意提供便捷方式。
敏感个人信息必须采取更严格措施
公开照片、人声、医疗经历、行踪轨迹中可能包含生物识别、医疗健康等敏感个人信息。对这类信息的处理一旦泄露或被滥用，可能损害人格尊严或危及人身、财产安全。因此，不能简单套用普通信息的低风险标准，而应论证特定目的和充分必要性，依法取得单独同意，并采取严格保护措施。
训练普通视觉理解模型与训练能够识别特定自然人的人脸模型，虽然都可能使用公开照片，但风险明显不同。若模型能够将姓名与肖像、声音或其他身份特征关联，甚至生成可识别的仿真人声、虚拟形象，企业应按照高风险场景审查，不能把输出端暂时设置的过滤规则当作训练端合法性的替代品。
把“九不准”和“七条底线”落实到数据治理
训练数据治理不仅要处理隐私问题，还应守住法律法规、国家利益、公民合法权益、社会公共秩序、道德风尚和信息真实性等基本底线。数据清洗环节应排除危害国家安全、扰乱社会秩序、煽动违法犯罪、散布谣言、实施侮辱诽谤以及侵害他人合法权益的内容，避免模型学习并放大违法有害模式。
落实这些要求不宜只依靠敏感词表。企业应建立机器筛查、人工复核、风险抽检和申诉处置机制，对涉及未成年人、网络暴力、身份冒用、虚假信息及人格贬损的数据设置更高审查等级。同时检查样本是否存在系统性偏见，避免模型因历史数据失衡而对特定群体产生不公平结果。
训练流程应当可审计、可删除、可追溯
- 数据准入：逐批核验来源是否合法，标记普通个人信息、敏感个人信息以及疑似非法公开信息。
- 最小必要：删除与训练目标无关的姓名、联系方式、精确位置和身份标识，控制数据规模与保存期限。
- 安全保护：实行分类分级、加密、去标识化、访问权限控制、操作留痕和安全事件应急响应。
- 权利响应：提供查询、更正、删除、撤回同意和拒绝继续处理的渠道，形成可验证的处置记录。
- 风险评估：对敏感信息、自动化决策、公开披露以及可能产生重大影响的训练活动开展个人信息保护影响评估。
- 供应链管理：要求数据供应商说明权利来源，并在合同中约定审计、删除、违约和安全事件责任。
总结
大模型使用公开个人信息的核心判断，不是“网上能否搜到”，而是来源是否合法、目的是否正当、范围是否必要、个人是否拒绝、是否涉及敏感信息以及是否可能产生重大影响。2026年9月发布的司法文件并未赋予开发者普遍的数据抓取豁免，而是在个人信息保护法既有框架下，为低风险、场景一致且可控的合理使用提供裁判指引。企业真正需要建立的是一套能够证明“为什么可以用、用了哪些、如何保护、怎样退出”的全生命周期合规体系。
事件及资料日期
- 2026年9月7日：最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，明确模型训练处理已合法公开个人信息的一般裁判规则，详见最高人民法院发布说明[1]及最高人民法院答记者问[2]。
- 2026年9月9日：最高人民法院知识产权法庭刊发《意见》的理解与适用文章，对合理范围、敏感个人信息和场景一致性作进一步说明，详见权威解读[3]。
- 2026年8月12日：国家互联网信息办公室发布个人信息保护政策法规问答，列举超出合理范围处理公开个人信息的典型情形，详见政策法规问答[4]。
- 2021年8月20日：《中华人民共和国个人信息保护法》公布，其第十三条、第二十七条及敏感个人信息处理规则构成本文判断基础，详见中国人大网法律全文[5]。
